ERNIE-5.5-Flash vs DeepSeek V4.1 Flash: 바이두가 스스로 택한 싸움

ERNIE-5.5-Flash에 대해 가장 유용한 비교는 리뷰어가 쓴 것이 아니다. 그것은 Baidu 자체 벤치마크 표에 있는데, 새로 출시된 ERNIE-5.5-Flash-Base가 총 284B, 활성 13B 파라미터의 DeepSeek-V4-Flash-Base와 비교 채점된다 — ERNIE의 총 280B, 활성 14B와 거의 정확히 같은 크기 등급이다. 이는 ERNIE 5.5 출시 전체에서 유일한 동등 조건 대결이다: 두 개의 사전학습 체크포인트, 하나의 하네스, 동일한 프롬프트. 이 대결에서 다른 모든 것은 비대칭적인데, DeepSeek V4.1 Flash는 완성되어 MIT 라이선스가 적용되고 가격이 책정되어 서비스되는 모델인 반면, ERNIE-5.5-Flash는 Baidu가 "곧 뒤따를 것"이라고 말하는 후속 학습 버전을 가진 베이스 체크포인트이기 때문이다. 따라서 정직한 기사는 두 개의 기사다: 베이스 대 베이스 수치가 말하는 것, 그리고 그 수치를 사람들이 실제로 호출할 수 있는 모델 옆에 놓으면 무슨 일이 일어나는가. OrcaRouter는 제공업체 목록 가격을 마크업 없이 그대로 전달하므로, DeepSeek의 시간대별 할인이 적용되는 날 그대로 반영된다.

Baidu가 동등한 조건에서 수행한 단 하나의 비교

바이두는 7개 카테고리에 걸쳐 30개의 벤치마크를 공개했으며, 동일한 프롬프트와 퓨샷 예시를 사용한 단일 파이프라인 아래에서 세 가지 베이스 모델, 즉 DeepSeek-V4-Flash-Base(284B-A13B), Hy3-preview-Base(295B-A21B), MiMo-V2.5-Base(310B-A15B)를 대상으로 평가했다. 특히 DeepSeek 행을 주의 깊게 볼 필요가 있는데, 파라미터 수가 충분히 비슷하기 때문에 규모보다는 아키텍처와 데이터 품질이 성과를 이끌고 있음을 보여주기 때문이다.

• 총 파라미터 — ERNIE-5.5-Flash-Base 280B vs DeepSeek-V4-Flash-Base 284B

• 토큰당 활성 — 14B vs 13B

• 사전 학습 토큰 — 33.5T vs 비교 행에 명시되지 않음

• 학습 컨텍스트 — 128K vs 128K급

• 가중치 공개 — FP8 및 BF16, 현재 둘 다 사용 가능

• 라이선스 — ERNIE 5.5 Flash 기본 모델 라이선스 계약 v1.0 vs MIT

바이두가 강조한 항목에서 ERNIE가 앞섭니다. MMLU 93.3, MMLU-Pro 78.4, GPQA 60.2, 사고의 연쇄(chain of thought) 사용 시 BBH 89.2, HumanEval+ 82.3, MBPP+ 81.5, HELMET-RAG 71.5, RepoQA 91.7입니다. 이는 진정으로 강력한 베이스 모델 성적표입니다. 또한 벤더가 직접 실행했고, 바이두가 설계한 하네스에서 측정됐으며, 가중치가 공개된 당일 발표되었습니다. 이를 결과가 아니라 상세 부록이 딸린 주장으로 취급하십시오.

더 많은 정보를 주는 대목은 ERNIE가 지는 부분이다. 바이두의 게시물은 ChineseSimpleQA, INCLUDE-lite, HELMET-Rerank, InfiniteBench, FullStackBench가 경쟁사 몫이 된다는 점을 인정한다. 자사의 패배를 명시한 출시 비교표는 그 비교가 선의로 수행되었음을 말해준다 — 이는 ERNIE가 이긴 행들의 가치를 낮추기보다 오히려 높인다.

대칭이 깨지는 지점: 하나의 모델이 완성되다

DeepSeek V4.1 Flash는 2026년 9월 10일 출시되었고, 10월 17일에는 "1017" 스냅샷이 나왔다. 이는 552B 백본에 조건부 메모리를 포함해 총 약 763B 매개변수를 갖춘 희소 전문가 혼합 모델로, 입력 시 8B, 출력 시 16B를 활성화한다. 네이티브 멀티모달 입력, 1M 토큰 컨텍스트, 45T 학습 토큰, MIT 라이선스를 지원한다. OrcaRouter가 제공하는 목록 요율로는 입력 100만 토큰당 $0.15, 출력 100만 토큰당 $0.60이며, 캐시 읽기는 $0.003–$0.006이다. DeepSeek 자체 API는 시간대별 할인을 추가하는데, 찾을 수 있는 가장 낮은 숫자를 기준으로 비용 모델을 구축하기 전에 알아둘 가치가 있다.

그 모델은 지시를 따르고, 도구를 호출하며, 이미지를 입력받고, 공개된 가격도 있습니다. ERNIE-5.5-Flash-Base는 포스트트레이닝되지 않았기 때문에 그중 어느 것도 하지 않습니다. 따라서 구매자에게 중요한 비교는 베이스 대 베이스가 아니라 완성 모델 대 완성 모델이며, 두 완성 모델 중 하나는 아직 존재하지 않습니다.

이것은 사소한 주의사항이 아니다. 포스트트레이닝은 지시 따르기, 도구 사용, 거부 행동, 형식 규율, 그리고 현대 Flash급 모델의 체감 품질 대부분이 나오는 곳이다. 베이스 체크포인트의 MMLU 점수는 프라이어에 대해 알려준다. 그 점수는 모델이 JSON 객체를 안정적으로 출력할지, 시스템 프롬프트를 따를지, 40턴 에이전트 루프를 버텨낼지에 대해서는 거의 아무것도 알려주지 않는다. DeepSeek V4.1 Flash는 해당 측면들에서 공개된 행동 양상을 갖고 있다. ERNIE 5.5 Flash는 약속이 있다.

라이선스 차이는 숨은 쟁점이다

DeepSeek는 V4.1 Flash를 MIT 라이선스로 출시합니다. 이는 모델 라이선스로는 거의 최대한 관대한 수준입니다. 상업적 사용, 수정, 재배포가 가능하고, 사용 분야 제한도 없으며, 협상할 별도 계약도 없습니다. Baidu는 ERNIE-5.5-Flash-Base를 ERNIE 5.5 Flash Base Model License Agreement v1.0에 따라 출시합니다. 이는 맞춤형 라이선스이지 Apache 2.0이 아니며, 특히 2025년에 Apache 2.0으로 출시된 ERNIE 4.5보다 한 걸음 후퇴한 것입니다.

연구팀에게는 이것이 중요하지 않을 수 있습니다. 하지만 독점 데이터로 미세 조정해 제품을 출시하려는 기업에게는 법무팀이 가장 먼저 읽는 문서이며, 맞춤형 중국 모델 라이선스는 역사적으로 MIT 라이선스에는 없는 사용 제한, 저작자 표시 요구사항, 기준치를 포함해 왔습니다. 가중치를 다운로드할 수 있다는 것은 그 가중치를 자사 조건대로 사용할 수 있다는 것과 다릅니다.

그 차이는 규모가 커질수록 더욱 커집니다. 총 280B 파라미터의 ERNIE는 FP8 기준으로 KV 캐시와 활성화 여유 공간을 추가하기 전에도 대략 280GB 규모입니다. DeepSeek V4.1 Flash의 총 763B는 더욱 크며, 바로 이 때문에 대부분의 팀이 GPU 클러스터 대신 API를 통해 이를 사용합니다. 둘 중 하나를 자체 호스팅할 계획이라면, 라이선스는 해결하기에 더 저렴한 문제입니다.

서빙: 두 저장소 모두 같은 도구를 지정하지만, 한쪽은 두 달 앞서 시작했다

바이두의 모델 카드에는 SGLang과 vLLM 예시가 실려 있고, NVIDIA의 Megatron-Bridge 저장소에는 이미 ERNIE 5.5 파인튜닝 예시가 포함되어 있습니다. 이는 탄탄한 릴리스입니다. 출시 첫날부터 서빙 레시피를 갖춘 베이스 모델은 많은 연구소가 해내지 못하는 일입니다.

DeepSeek 생태계의 강점은 레시피가 아니라 쌓아 온 마일리지다. V4.1 Flash는 거의 두 달째 프로덕션 환경에서 운영 중이며, 공개된 델타가 있는 1017 스냅샷을 갖추고 있습니다. Terminal-Bench 4.0은 31.2에서 42.3으로, DeepSWE v1.1은 74.2에서 77.0으로 상승했습니다. 또한 벤더 자체 API와 OrcaRouter를 포함한 여러 타사 플랫폼을 통해 사용할 수 있습니다. 양자화가 깨지거나 커널이 회귀할 때면 누군가 이미 이슈를 제출해 둔 상태입니다.

특히 OrcaRouter에서는 deepseek/deepseek-v4.1-flash와 고정 버전인 deepseek/deepseek-v4.1-flash-1017 둘 모두 오늘 기준으로 제공업체 정가에 0% 마진으로 라우팅할 수 있습니다. 즉, 오프피크 할인은 리셀러 마진이 붙은 뒤가 아니라 DeepSeek이 적용하는 당일 청구서에서 바로 확인됩니다. ERNIE-5.5-Flash는 카탈로그에 없습니다 — 216개 모델 ID 가운데 ERNIE 항목은 없으므로, 이 내용을 ERNIE 호스팅 주장으로 읽어서는 안 됩니다. 라우팅 관련 요점은 더 좁습니다. 지금 호출할 수 있는 모델과 그렇지 않은 모델 사이에서 고민 중이라면, 플랫폼에 관한 질문은 이미 결론이 난 셈입니다.

이번 주에 할 일

프로덕션에서 저렴한 롱컨텍스트 Flash 모델이 필요하다면 DeepSeek V4.1 Flash가 답이며 ERNIE는 고려 대상에 포함되지 않습니다. 이는 Baidu 체크포인트의 품질에 대한 판단이 아닙니다. 가격이 책정되지 않았고, 포스트트레이닝되지 않았으며, 서빙되지 않는 베이스 모델은 프로덕션 슬롯을 차지할 수 없다는 진술입니다.

중국어로 지속 사전 학습을 한다면 계산이 달라진다. 280B-A14B의 ERNIE-5.5-Flash-Base는 33.5T 토큰이 뒷받침되어 믿을 만한 출발점이고, 아키텍처는 이례적으로 상세하게 문서화되어 있다 — 43개 레이어, 37개 HCA + 6개 MLA-DSA, top-10 라우팅의 512개 전문가, 201,216토큰 어휘 — 또한 Megatron-Bridge 예제는 첫 미세 조정까지의 경로를 단축한다. 벤치마크를 읽기 전에 라이선스를 읽어라.

구축이 아니라 평가하는 입장이라면, 유용한 방법은 두 공개 체크포인트에서 Baidu가 공개한 베이스 비교를 직접 실행해 보는 것입니다. 둘 다 다운로드할 수 있고, 둘 다 동일한 하네스에 맞으며, 해당 표를 재현하는 것만이 30개 벤치마크 스윕이 다른 사람의 손을 거쳐도 유지되는지 확인할 수 있는 유일한 방법입니다.

주목해야 할 숫자

MMLU가 아니다. 바이두가 결국 포스트트레이닝된 ERNIE 5.5 Flash에 매기는 가격이다. DeepSeek V4.1 Flash는 1M 컨텍스트와 MIT 라이선스로 입력 $0.15/$0.30, 출력 $0.60/$1.20이라는 기준을 세웠다. 그 가격을 웃도는 Flash급 모델이라면 존재할 특별한 이유가 필요하다 — 중국어 품질, 데이터 레지던시, 또는 DeepSeek에 없는 역량 같은 이유다. 그보다 낮은 가격으로 등장하는 모델은 모든 중국어 워크로드의 비용 논의를 바꾼다.

그 수치가 존재하기 전까지, 이 맞대결에 대해 방어 가능한 결론은 정확히 하나다. 바이두는 딥시크의 동일한 크기 베이스 모델과 대등하게 맞붙는 베이스 모델을 구축했지만, 누구든 제품을 비교할 수 있게 해 줄 바로 그 무언가를 아직 출시하지 않았다. 그것은 실질적인 결과다. 다만 검색어가 요구하는 결과는 아니다.