Ling-3.2-flash vs ERNIE 5.5 Flash: 하나는 제품이고, 다른 하나는 출발점이다

2026년 11월 5일, 두 중국 연구소가 서로 몇 시간 차이로 플래그십에 준하는 모델을 내놓았지만, Ling-3.2-flash와 ERNIE 5.5 Flash에 대해 쓸 수 있는 거의 모든 비교는 두 모델이 같은 종류의 객체가 아니라는 점을 깨닫는 순간 사라진다. Ling-3.2-flash는 완성된 명령어 튜닝 멀티모달 채팅 모델이다. 텍스트, 이미지, 비디오를 입력받아 답변을 출력하며, Ant Ling의 OpenAI 호환 엔드포인트에서 라이브로 제공되고 2주간 무료다. 바이두가 공개한 것은 ERNIE-5.5-Flash-Base다. 이는 사전 학습이 끝난 시점의 체크포인트로, 중간 학습 전, 명령어 튜닝 전이며, 텍스트 전용이고, 아직 지시를 따르도록 학습되지 않았기 때문에 completions 엔드포인트를 통해 제공된다. 바이두 자체 릴리스 페이지에 따르면 사후 학습된 ERNIE 5.5 Flash는 "뒤따를 예정"이다.

그 단 하나의 비대칭성이 아래의 실용적인 질문 대부분을 좌우한다. 한 모델은 오늘 오후에 호출할 수 있다. 다른 모델은 다운로드하고 미세 조정해 무언가로 만들 수 있다 — 이는 법적 계약이 딸린, 완전히 다른 구매다.

두 물체가 나란히

다음은 각 벤더가 현재 문서화하고 있는 내용입니다. 수치가 벤더 자체의 것이며 재현되지 않은 경우, 그렇게 명시되어 있습니다.

• 전체 및 활성 파라미터 — Ling-3.2-flash는 총 560B / 활성 25B, ERNIE-5.5-Flash-Base는 토큰당 총 280B / 활성 14B이며, 여기에 두 집계 모두에서 제외되는 0.36B의 ECHO 파라미터가 더해집니다.

• 입력 — Ling-3.2-flash는 텍스트, 이미지, 비디오를 기본적으로 처리하며 요청에 image_url 및 video_url 블록을 포함합니다. ERNIE-5.5-Flash-Base는 텍스트 전용, 그게 전부입니다.

• 제공받는 것 — Ling-3.2-flash는 API 뒤에 있는 포스트 트레이닝된 채팅 모델이고, ERNIE-5.5-Flash-Base는 직접 포스트 트레이닝해야 하는 원시 사전 학습 가중치입니다.

• 아키텍처 — Ling-3.2-flash는 Ant가 3.1부터 운영해 온 Ling 하이브리드-선형 계열의 MoE입니다. ERNIE-5.5-Flash-Base는 43개 레이어(하나의 dense FFN, 42개의 Multi-Router Latent MoE), top-10 라우팅을 사용하는 512개의 routed expert와 하나의 shared expert, 37개의 Heavily Compressed Attention 레이어 및 sparse attention을 사용하는 6개의 MLA 레이어로 구성됩니다.

• 컨텍스트 — Ling-3.2-flash는 API에서 1M 토큰 창을 제공합니다; ERNIE-5.5-Flash-Base는 128K에서 학습되었으며, 공개된 구성은 파인튜닝 및 추론에 1,048,576 토큰을 허용하는데, 이는 동일한 주장이 아닙니다.

• 가중치 — Ling-3.2-flash는 공개된 가중치가 없습니다; ERNIE-5.5-Flash-Base는 Hugging Face와 ModelScope에서 FP8 및 BF16 safetensors를 제공합니다.

• 가격 — Ling-3.2-flash는 출시 후 2주 동안 무료이며, 15일째에 대한 공개 요금은 없습니다. ERNIE-5.5-Flash-Base는 Baidu가 서비스하지 않기 때문에 호스팅 가격이 없고, 자체 호스팅에는 280B 가중치에 드는 비용이 그대로 발생합니다.

그 행들 중 어느 것도 품질에 대한 주장이 아닙니다. 그것들은 여러분이 구매하게 될 것에 대한 설명입니다.

증거에 비추어 볼 때 Ling-3.2-flash가 실제로 유용한 점

Ant의 출시 자료는 벤치마크 숫자 세 개와 데모 영상 다섯 개가 전부다. 이 숫자들은 OmniDocBench1.5(92.21 대 90.56), ZEROBench(Sub)(43.71 대 39.52), Vision2Web(85.86 대 80.20)에서 최대 추론 강도로 실행한 Opus 5와 Ling-3.2-flash를 비교한 것이다. 세 가지 모두 벤더가 자체 보고한 수치이고, 세 가지 모두 시각 관련 작업이며, 어느 것도 제3자가 재현하지 않았다. 이를 하나의 묶음으로 읽으면 주장하는 바는 단 하나다. 즉 문서 파싱, 3D 장면 추론, 비전-투-웹 과제에서 Ant는 자사 모델이 프런티어 폐쇄형 모델을 앞선다고 본다는 것이다. 반면 텍스트 추론, 코딩, 에이전트형 터미널 작업에 대해서는 아무것도 주장하지 않는데, 바로 그 영역에 여전히 대부분의 프로덕션 트래픽이 몰려 있다.

데모는 숫자보다 더 많은 정보를 제공합니다. 왜냐하면 데모는 Ant가 이 모델을 위해 구축한 루프를 보여주기 때문입니다. Ling-3.2-flash는 머티리얼 구체의 헤드리스 렌더를 검사하고, 러프니스와 노멀 맵을 비교하며, 자체 스크립트를 다시 작성합니다. UI 동작을 통해 Blender를 구동하고, 엔지니어링 도면을 3D 웹 모델로 변환하며, 수식이 포함된 연구 PDF를 읽고 알고리즘을 코드로 구현합니다. 이러한 모든 작업은 모델이 중간 산출물을 보고 스스로 교정해야 합니다. 이것이 바로 비전 어댑터를 붙인 텍스트 모델보다 네이티브 멀티모달 학습이 제공하는 이점이며, 이것이 여러분의 사용 사례라면 가장 먼저 테스트해야 할 역량입니다.

두 가지 운영상 주의사항은 함께 언급해야 합니다. Ant는 초당 쿼리 두 건이라는 전역 한도를 문서화하고 있으며 이를 초과하면 429가 발생하고, 동기 호출에는 90초 타임아웃이 적용되며 스트리밍을 권장합니다. 그리고 이 모델은 대략 11월 19일까지만 무료이며, 가격 페이지에는 이후에 원래 요율이 재개된다고만 적혀 있을 뿐 그 요율이 얼마인지는 밝히지 않고 있습니다.

ERNIE-5.5-Flash-Base가 실제로 어떤 점에서 유용한가

Baidu의 제안은 비용 대체이며, 일관성 있는 논리입니다. 이 회사는 Muon 옵티마이저로 33.5조 토큰에 사전 학습 컴퓨트를 투입했습니다. 여러분은 이미 저장소 규모의 코드와 긴 컨텍스트 동작이 내재된 체크포인트에서 시작해 도메인 적응, 명령 튜닝 또는 강화 학습에 컴퓨트를 투입하면 됩니다. 이번 공개는 연구 기준선으로서 유난히 깔끔합니다. 사전 학습 종료 시점의 체크포인트 하나만 있고, 중간 학습도, 사후 학습도 없어서, 두 파인튜닝 방법을 비교할 때 베이스 모델이 이미 무엇을 알고 있었는지 논쟁할 필요가 없습니다.

바이두의 평가는 이를 비슷한 규모의 오픈 베이스 모델 세 가지 — DeepSeek-V4-Flash-Base(284B-A13B), Hy3-preview-Base(295B-A21B), MiMo-V2.5-Base(310B-A15B) — 와 비교합니다. 하나의 하네스, 하나의 프롬프트 세트, 하나의 판정자 아래에서 7개 범주에 걸친 30개 벤치마크를 통해 비교합니다. 이는 대부분의 출시 표보다 통제가 더 잘 된 비교이지만, 여전히 벤더가 직접 수행한 것입니다. 알아둘 만한 핵심 아키텍처 주장은 이것입니다: 43개 레이어 중 37개가 128배 압축된 시퀀스에 어텐션하며, 바이두는 6개의 MLA 레이어만으로 장문맥 성능을 유지하기에 충분하다고 말합니다. 독립적인 테스트에서도 그것이 입증된다면, 그것이 이번 릴리스에서 가장 흥미로운 점입니다 — 장문맥 검색 성능을 희생하지 않는 128배 압축이라는 점입니다.

문제는 라이선스인데, 결코 사소한 조건이 아니다. ERNIE 5.5 Flash Base Model License Agreement v1.0은 "테리토리"를 "전 세계 모든 지리적 지역 중 유럽연합, 영국, 한국을 제외한 지역"으로 정의하고, 해당 자료가 그 지역 밖에서 사용, 배포 또는 표시되어서는 안 된다고 요구한다. 관련 제품의 연간 매출이 5,000만 미국 달러 미만이면 상업적 사용은 무료이며, 단 한 번 통지하고 사용자 인터페이스, 웹사이트, 소개 페이지 또는 제품 문서에 "Powered by ERNIE"를 눈에 띄게 표시해야 한다. 5,000만 미국 달러를 넘으면 그 기준을 넘기 전에 바이두의 별도 사전 서면 승인이 필요하며, 승인 없이 기준을 넘으면 사용을 중단해야 한다.

그렇다면 '무료' 280B 체크포인트에 대한 솔직한 정의는 다음과 같습니다. 세 관할권을 제외한 모든 곳에서 무료로 다운로드할 수 있고, 매출 기준액까지는 상업적으로 무료로 사용할 수 있으며, 대부분의 제품 팀이 라이선스에서보다 마케팅 사이트에서 먼저 알아차리게 될 브랜딩 의무를 수반합니다.

무엇을 하고 있느냐에 따라 어느 것을 고를지

작업이 시각적이고 이번 달 안에 답이 필요하다면 Ling-3.2-flash를 선택하세요. 레이아웃이 중요한 문서 추출, 스크린샷 기반 UI 에이전트, 드로잉을 3D로 변환, 의료 영상 트리아지, 모델이 자체 렌더링 출력을 확인해야 하는 모든 작업이 여기에 해당합니다. API가 OpenAI 형태이므로 통합은 base-URL 변경뿐이며, 2주 무료 기간 덕분에 평가에는 시간 외 비용이 들지 않습니다. 아직 프로덕션 경로에 올리지는 마세요. 공개된 가격도, 독립적인 점수도, 가중치도, 대체 제공자도 없습니다.

사후 학습 역량과 도메인이 있다면 ERNIE-5.5-Flash-Base를 선택하세요. 문서화된 아키텍처, 작동하는 SGLang 및 vLLM 레시피, FP8 및 BF16 빌드, Megatron-Bridge 미세 조정 예제를 갖춘 280B-A14B 베이스는 자체 모델을 원하는 팀에게 진정한 자산입니다. 시작하기 전에—나중이 아니라—Territory 조항을 귀하의 법인과 대조해 확인하세요. 그리고 이를 채팅 모델로 벤치마크하지 마세요. 이 모델은 텍스트를 이어 쓸 뿐 요청에 답하지 않으므로, Ling-3.2-flash와의 어떤 지시 수행 비교든 잘못된 것을 측정하는 것입니다.

실제로 원한 것이 호출할 수 있는 완성된 ERNIE였다면, 기다리십시오. Baidu에 따르면 포스트트레이닝을 마친 ERNIE 5.5 Flash가 출시될 예정이며, 그것이 나오기 전까지 Qianfan의 가격표에는 호스팅된 ERNIE 5.5가 없습니다 — 오늘 우리가 확인한 국제 목록에는 ERNIE 5.1, ERNIE 5.0, ERNIE 4.5 Turbo가 있고 5.5 행은 없습니다.

둘 다 우리 카탈로그에 없습니다 — 있는 것은 다음과 같습니다

라우팅에 대해 솔직히 말하자면, 우리는 11월 6일 OrcaRouter 카탈로그를 다시 확인했고 거기에는 215개의 모델 식별자가 나옵니다. 그 안에 Ling, inclusionAI, Ring, ERNIE 항목은 없습니다. 유일한 "ling" 일치 항목은 Kling 비디오 모델입니다. 따라서 이 비교는 하나의 키로 이미 접근할 수 있는 두 대상 중에서 하나를 고르는 문제가 아닙니다.

키 하나로 접근할 수 있는 것은, 제공업체 정가에 마크업 없이, 같은 두 가지 작업을 처리하는 모델들입니다. 공개된 요금이 있는 비전 작업의 경우, Qwen3.8-Flash는 백만 입력 토큰당 $0.15, 백만 출력 토큰당 $0.47입니다. 대규모의 저렴한 텍스트 에이전트의 경우, DeepSeek V4.1 Flash는 $0.15 및 $0.60이고, GLM-5.3-Flash는 $0.15 및 $0.50입니다. 세 모델 모두 OpenAI 형식의 요청을 받으므로, Ling-3.2-flash 통합을 이들로 이식하는 것은 재작성이 아니라 모델 문자열 변경입니다 — 이는 무료 기간이 끝났는데 아직 요금표가 없을 때 중요합니다.

이는 또한 앱을 자체 클러스터에 곧바로 연결하는 대신 셀프 호스팅 ERNIE 파인튜닝 앞에 라우터를 두는 근거이기도 합니다. 엔드포인트 하나, 키 하나, 그리고 자동 장애 조치를 통해 GPU가 포화 상태이거나 배포가 롤링 중일 때 호스팅 모델로 전환됩니다. 라우팅 DSL은 여러 모델을 단일 호출로 구성하며, 이는 비전 모델과 텍스트 모델을 두 단계가 아닌 한 단계로 실행하는 방법입니다.

지켜봐야 할 것

두 릴리스 모두 서로 반대 방향으로 반쯤 미완성된 상태이고, 두 격차 모두 다른 누군가의 일정에 맞춰 메워진다. Ant는 가격표, 모델 카드, 그리고 — 2026년의 패턴이 유지된다면 — MIT 라이선스 체크포인트를 내놓아야 한다. Baidu는 포스트트레이닝된 ERNIE 5.5 Flash를 내놓아야 하고, Territory 조항이 모델의 출력에 적용되는지 아니면 가중치와 그 파생물에만 적용되는지에 대해 더 명확한 설명을 내놓아야 한다. 작성된 문구로 보면 이는 대부분의 팀이 가정할 것보다 더 넓은 범위를 시사한다.

그중 하나가 출시되기 전까지 이 비교는 단순한 구도를 띱니다. Ling-3.2-flash는 오늘 평가해 볼 수는 있지만 예산을 책정할 수는 없는 쪽이고, ERNIE-5.5-Flash-Base는 예산을 책정할 수는 있지만 호출할 수는 없는 쪽입니다.