ERNIE 5.5 Flash vs ERNIE 5.5 Flash Preview: welke roep je eigenlijk aan?

Op Baidu's eigen website staan twee ERNIE 5.5-artefacten en geen van beide heet ERNIE 5.5 Flash. Er is ERNIE 5.5 Flash Base, het ruwe 280B-checkpoint dat op 5 november is gepubliceerd, en ERNIE 5.5 Flash Preview, het nagetrainde model dat op 11 november is gepubliceerd. ERNIE 5.5 Flash — de naam zonder suffix, degene die in prijslijsten en modelkeuzes verschijnt — is het model waarvan de Preview een preview is. Dat is geen marketingeigenaardigheid om maar even weg te wuiven; het is de hele kern van de vergelijking, want alles wat ERNIE 5.5 Flash Preview onderscheidt van ERNIE 5.5 Flash is een verschil tussen een checkpoint en een release, niet tussen twee architecturen. Dezelfde 280 miljard totale parameters, dezelfde 14 miljard actieve, dezelfde context van 1M tokens. De verschillen zijn een licentie, een datum, een stabiliteitsgarantie en een reeks getallen waarvan Baidu je heeft gezegd dat ze zullen veranderen. De vergelijkingsgroep is de helft van deze beslissing die in jouw handen ligt. prijslijstprijs van de provider met 0% opslag GPT-6.1 Sol, Claude Opus 5.5, GLM-5.3 en DeepSeek V4.1 Flash zitten op één sleutel tegen de prijslijstprijs van de provider, met de OrcaRouter-vergoeding weergegeven als $0,00.

De naamgeving is het verwarrende deel, dus begin daar.

Drie namen, twee modellen, één releasepijplijn. ERNIE 5.5 Flash Base is het voorgetrainde checkpoint: 280B totaal, 14B actief, 43 lagen, een sparse mixture-of-experts-stack met een gedeelde expert, getraind op 33,5 biljoen tokens, vandaag downloadbaar op Hugging Face onder een beperkte communitylicentie. ERNIE 5.5 Flash Preview is dat checkpoint na post-training — het model dat instructies opvolgt, tools gebruikt, gamecode schrijft en presentaties maakt. ERNIE 5.5 Flash, wanneer het bestaat, is hetzelfde model nadat post-training is afgerond.

Baidu zegt de verhouding ronduit in het releasebericht: de Preview "is een tussenliggend checkpoint uit de post-training. Hij is al concurrerend met modellen van zijn grootte, maar omdat de training niet is afgerond, kunnen sommige capaciteiten nog tekortschieten. De post-training loopt door en ERNIE 5.5 Flash wordt snel beter." Lees dat twee keer. Het bedrijf vertelt je dat het model dat je vandaag kunt aanroepen en het model dat je over een paar maanden zult aanroepen eenzelfde naamstam, een architectuur en een contextvenster delen, en verschillen in hoe voltooid ze zijn. Als je tussen hen kiest, kies je niet tussen twee systemen. Je kiest tussen nu kopen en wachten.

De vergelijking, dimensie voor dimensie

Dit is wat daadwerkelijk verschilt, met beide kanten op elke regel:

• Identiteit — ERNIE 5.5 Flash Preview is een benoemd, aanroepbaar checkpoint dat op 11 november 2026 is gepubliceerd; ERNIE 5.5 Flash is een nog niet uitgebrachte opvolger zonder datum, zonder modelkaart en zonder eigen endpoint.

• Architectuur en omvang — aan beide zijden identiek: 280B totale parameters, 14B actief, 1M-token context, overgenomen van het ERNIE 5.5 Flash Base-checkpoint van 5 november. Post-training wijzigt de omvang van een model niet.

• Gewichten en licentie — de Preview wordt "binnenkort" onder Apache 2.0 beloofd, zonder dat er op 11 november een repository op Hugging Face is; de uiteindelijke ERNIE 5.5 Flash zal vallen onder welke licentie Baidu ook bij de officiële release meelevert, die het bedrijf niet heeft genoemd en die niet gegarandeerd dezelfde is. Beschouw de Apache 2.0-belofte als een belofte over de preview, niet over de familie.

• Stabiliteit — de Preview is uitdrukkelijk een tussentijds artefact waarvan de mogelijkheden "nog tekort kunnen schieten" en waarvan Baidu verwacht dat de scores nog verbeteren; de officiële release is per definitie de versie waar Baidu achter durft te staan.

• Benchmarkstatus — de Preview heeft twintig door de leverancier gerapporteerde rijen en geen onafhankelijke score; ERNIE 5.5 Flash krijgt wat Baidu bij de release publiceert plus, als het patroon aanhoudt, een tweede ronde cijfers die die van de preview verouderd laten lijken. Geen van beide heeft vandaag een vermelding in Artificial Analysis.

• Prijs — de Preview kost $0,28 per miljoen inputtokens en $1,13 per miljoen outputtokens op Qianfan, waarbij lezen uit de cache $0,028 kost. Er is geen prijs voor ERNIE 5.5 Flash, en aannemen dat die gelijk zal zijn aan die van de preview is een aanname: prijzen voor previews zijn vaak een voorlopige waarde.

• Wat je ermee kunt doen — de Preview kan vandaag worden aangeroepen en kan niet worden gedownload; ERNIE 5.5 Flash kan noch worden aangeroepen noch worden gedownload, omdat het nog niet bestaat.

De asymmetrie die ertoe doet, staat onderaan die lijst. De preview is van de twee de enige die je kunt testen, en het is de enige die je niet kunt behouden.

Wat de preview doet, maar de naam niet doet vermoeden

Preview suggereert dun, en op basis van de op 11 november gepubliceerde gegevens is deze niet dun. Het is een text-only model met toolgebruik, gestructureerde output en een contextvenster van een miljoen tokens, geprijsd aan de goedkope kant van de flash-tier, en de demo's van Baidu beschrijven werkproducten in plaats van chatuitwisselingen: een Unreal Engine 5.8-game die in één programmeersessie van 11 uur in elkaar is gezet, ongeveer 100 mobiele minigames gegenereerd op basis van ontwerpdocumenten, een Boeing 747 en de luchthaven Daxing gemodelleerd via de Blender Python API door twee gecoördineerde agents, een W16-motor en een maanrover gebouwd als bewerkbare FreeCAD-assemblages, een onderzoeksrapport van 20 pagina's over elektriciteitskosten van datacenters, een analyse van 24 pagina's over autonoom rijden op basis van 4.169 federale ongevalsrapporten, en een animatiefilm van 116 seconden, geschreven in meer dan 10.000 regels Python.

Het meest nuttige detail in die lijst is geen bewering over een capaciteit, maar een beperking die het bericht zelf prijsgeeft. Bij de beschrijving van het Unreal-project schrijft Baidu dat 'omdat het een model is dat alleen tekst verwerkt en het scherm niet kan zien', het model problemen uit playtests — een personage dat boven de grond zweeft, een verkeerd geplaatste camera — omzette in meetbare tests in code en bleef itereren tot de testsuite slaagde. Dat is de eerlijke vorm van de competentie van dit model: het kan naar niets kijken, dus schrijft het in plaats daarvan asserties. Waar een taak als een test kan worden uitgedrukt, houdt het zich goed staande over lange runs. Waar de enige feedback visuele beoordeling is, werkt het model via tools en, in ten minste sommige benchmarkharnassen, via het visiemodel van een ander bedrijf.

Dat laatste punt komt uit de bijlage van de benchmark, niet uit de hoofdtekst. In een voetnoot bij de tabel staat dat "GLM-5.3 en ons model geen native multimodale mogelijkheden hebben; beeldbegrip wordt geboden via een tool die wordt aangedreven door Claude Opus 5.5." Wat je ook concludeert over de scores, de architectuur is ondubbelzinnig: geen native visie, en een visieafhankelijke evaluatie die een pipeline meet in plaats van een model.

Als je op ERNIE 5.5 Flash wacht, waar wacht je dan nog op?

Vier dingen, en slechts één daarvan is een verbetering van de capaciteiten.

Het eerste is een stabiliteitsgarantie. Een tussenliggend checkpoint biedt geen enkele belofte dat het gedrag niet verandert tussen nu en de release, wat prima is voor exploratie en onhandig voor alles met een regressiesuite die aan modeloutput is vastgezet.

De tweede is een benchmarkset waarmee je kunt vergelijken. De twintig rijen van de preview — waaronder Terminal-Bench 4.0 op 46,5, DeepSWE v1.1 op 71,2, MCP-Atlas op 84,6, BrowseComp op 87,4, HLE zonder tools op 46,4 en AA-LCR v1.1 op 79,0 — zijn door de leverancier gerapporteerd en niet gereproduceerd, en Baidu heeft gezegd dat het model snel verbetert. Cijfers van een voltooid model zijn nuttiger, zelfs wanneer ze hoger zijn, omdat het de cijfers zijn die andere mensen ook zullen citeren.

De derde is de licentie. Het basischeckpoint werd uitgebracht onder een beperkte communitylicentie die de EU, het VK en Zuid-Korea uitsluit, gratis commercieel gebruik beperkt op basis van gerelateerde jaaromzet en een vermelding "Powered by ERNIE" op commerciële producten vereist. De gewichten van de preview worden beloofd onder Apache 2.0. Als die belofte wordt nagekomen, zal het post-getrainde model veel ruimer zijn dan het checkpoint waarop het is getraind — een echte ommekeer, en een die het waard is om te bevestigen op de daadwerkelijke repository in plaats van op de aankondiging.

De vierde is prijs. $0,28 en $1,13 zijn previewcijfers. De definitieve prijsstelling voor een GA-model in deze prijsklasse kan beide kanten op bewegen, en elk kostenmodel dat je vandaag bouwt, kun je beter parametriseren op basis van het tarief in plaats van het tarief hard te coderen.

Geen van die vier pleit voor wachten als je een taak hebt die je deze week kunt evalueren. Ze pleiten ervoor geen verbintenis voor meerdere kwartalen aan te gaan voor een checkpoint dat Baidu schriftelijk als onvoltooid heeft beschreven.

Zelf de vergelijking uitvoeren

Je kunt ERNIE 5.5 Flash Preview niet bij ons krijgen. Het wordt aangeboden via Baidu's eigen Qianfan-API en via platforms van derden die het doorverkopen; OrcaRouter routeert meer dan 200 modellen en geen daarvan is een ERNIE, dus elke suggestie dat wij je dit endpoint kunnen geven, zou onjuist zijn.

Wat we kunnen doen, is de vergelijkingsgroep leveren — het deel van deze beslissing dat daadwerkelijk binnen uw controle valt: de modellen waartegen Baidu heeft gebenchmarkt — GPT-6.1 Sol, Claude Opus 5.5, GLM-5.3, DeepSeek V4.1 Flash — staan allemaal op één OpenAI-compatibele key tegen de lijstprijs van de provider, met 0% opslag, zodat een prijsverlaging van een van die leveranciers dezelfde dag op uw factuur doorwerkt in plaats van pas bij de volgende contractverlenging.

De evaluatie die je moet uitvoeren is bewust saai. Kies tien langetermijntaken uit je eigen werk. Voer elke taak uit via de preview en via de twee modellen die je anders zou gebruiken. Noteer of hij is voltooid, hoeveel outputtokens er de deur uit gingen, en wat de aanroep kostte. Outputtokens zijn het getal dat deze vergelijking beslist, omdat de preview redeneren als output factureert tegen $1.13 per miljoen en geen manier biedt om redeneren uit te zetten — een breedsprakig model tegen een laag tarief is per taak vaak duurder dan een stil model tegen een hoog tarief. Zodra je de kosten per taak hebt, gaat de vraag preview-versus-GA niet meer over benchmarkrijen, maar over of het huidige checkpoint goed genoeg is om op voort te bouwen voordat het wordt vervangen.

Voor de workloads die die test doorstaan, beantwoordt automatische failover het stabiliteitsbezwaar op de enige manier waarop dat vandaag kan: een model dat onder je kan veranderen, mag nooit het enige model in een aanvraagpad zijn. Routeer de preview als primair model waar die wint en houd een fallback erachter, dan wordt een verschuiving in mogelijkheden midden in de stream een routeringswijziging in plaats van een storing.

Er zitten vijf dagen tussen de basis-checkpoint en de preview, en Baidu heeft gezegd dat het afgewerkte model eraan komt. De nuttige lezing van ERNIE 5.5 Flash versus ERNIE 5.5 Flash Preview is helemaal geen onderlinge vergelijking — het is een planning. Eén ervan kun je nu aanroepen en zul je niet kunnen behouden; de andere zul je kunnen behouden en kun je nog niet aanroepen. Wie op een van beide bouwt, kan beter meten dan zich vastleggen, tot de tweede kolom cijfers bevat.