ERNIE-5.5-Flash vs Claude Haiku 5.5: Een basis-checkpoint ontmoet een prijsvloer

Baidu heeft ERNIE-5.5-Flash-Base vanochtend op Hugging Face gezet, en de eerste regel van de modelkaart is degene die ertoe doet: de gewichten zijn het checkpoint aan het einde van de pretraining, zonder dat mid-training en post-training zijn toegepast. De post-trained ERNIE 5.5 Flash, zegt Baidu's releasebericht, "zal volgen." Die ene zin maakt een directe vergelijking met Claude Haiku 5.5 vandaag onmogelijk, omdat Claude Haiku 5.5 een afgewerkt, op instructies afgestemd model is dat Anthropic verkoopt voor $0.10 per miljoen inputtokens en $0.50 per miljoen outputtokens. Eén kant van deze confrontatie is een onderzoeksartefact. De andere kant is een product met een prijslijst. Wat volgt is wat elk ervan feitelijk is, waartegen de door Baidu gepubliceerde cijfers wel en niet kunnen worden afgezet, en wat er zou moeten veranderen voordat de vergelijking waarnaar mensen zoeken een echte vergelijking wordt. ERNIE-5.5-Flash staat er vandaag niet in. bekijk de volledige modelcatalogus Het vermeldt elk model dat OrcaRouter kan routeren, met live prijzen van providers.

Wat Baidu vandaag daadwerkelijk heeft gepubliceerd

De release bestaat uit twee repositories — baidu/ERNIE-5.5-Flash-Base in FP8 en baidu/ERNIE-5.5-Flash-Base-BF16 — plus een technische post onder Product Updates op ernie.baidu.com. Het is een sparse mixture-of-experts-taalmodel met 280B totale parameters en 14B geactiveerd per token, vanaf nul voorgetraind op 33,5T tokens met de Muon-optimizer en FP8-gemengde precisie. De Hugging Face-zijbalk rondt het totaal af op 286B; de kaart vermeldt dat beide cijfers 0,36B uitsluiten van wat Baidu ECHO-parameters noemt.

De architectuur is specifiek, wat ongebruikelijk is voor een stille release. Drieënveertig lagen, één dense en 42 MoE. Zevenendertig lagen gebruiken de gecomprimeerde attention die Baidu HCA noemt, waarbij één entry per 128 tokens wordt gecacht; zes gebruiken MLA met DeepSeek-achtige sparse attention. Verborgen grootte 4.096, 64 heads, 512 gerouteerde experts met top-10-routing plus één gedeelde expert, en een vocabulaire van 201.216. Trainingscontext is 128K; de vrijgegeven configuratie maakt 1.048.576 tokens mogelijk voor fine-tuning en inferentie.

Tooling wordt meegeleverd. De kaart bevat deploymentvoorbeelden voor SGLang en vLLM, en NVIDIA's Megatron-Bridge-repository heeft al een ERNIE 5.5-voorbeeld voor fine-tuning. Dat is de praktische voetafdruk van een basisrelease die gericht is op mensen die van plan zijn ermee te trainen, niet op mensen die van plan zijn het aan te roepen.

Wat niet is uitgeleverd: een instructmodel, een chattemplate die de naam waardig is, een API-vermelding, een prijs of één enkele onafhankelijke benchmark. Er is op het moment van publicatie geen ERNIE-vermelding in de catalogus van 216 modellen van OrcaRouter, en geen Artificial Analysis-pagina. De enige scores die bestaan, zijn die van Baidu zelf, uitgevoerd op 30 benchmarks onder een uniforme harnas tegen drie andere base-modellen: DeepSeek-V4-Flash-Base met 284B-A13B, Hy3-preview-Base met 295B-A21B en MiMo-V2.5-Base met 310B-A15B.

Wat Claude Haiku 5.5 verkoopt

Claude Haiku 5.5 verscheen begin oktober 2026 als Anthropics kleine, snelle tier, en de commerciële opzet ervan is het tegenovergestelde van Baidu's release: alles wordt gepubliceerd, geprijsd en aangeboden. Het grote nieuws was een prijsverlaging van ongeveer 90 procent ten opzichte van Haiku 4.5 in de categorie voor korte context — $0,10 voor invoer en $0,50 voor uitvoer per miljoen tokens voor prompts tot 100K tokens, oplopend tot $0,50 en $2,50 daarboven. Het lezen van gecachte invoer kost $0,01, batchverwerking de helft van het standaardtarief. Anthropics eigen framing is dat een nieuwe tokenizer voor dezelfde tekst ongeveer 30 procent meer tokens telt, dus de effectieve besparing per taak is kleiner dan het prijskaartje suggereert — ongeveer 75 procent volgens Anthropics eigen schatting.

Het {{1}}specificatieblad{{/1}} is een {{2}}productblad{{/2}}. Een context van één miljoen tokens, een maximale uitvoer van 128K, tekst- en beeldinvoer met tekstuitvoer, een kennisafsluitdatum van juni 2026 en vijf inspanningsniveaus van laag tot max. Anthropic positioneert het als zijn snelste model bij standaardsnelheid; Artificial Analysis meet het op 258 uitvoertokens per seconde in de huidige run. Het is beschikbaar via Anthropic's eigen API, Amazon Bedrock, Google Vertex AI en Microsoft Foundry.

Dat zijn de twee objecten. Een basis-checkpoint met 280B parameters onder een licentie op maat, en een gehost 1M-contextmodel voor tien cent per miljoen inputtokens. Ze in dezelfde zin zetten is alleen verdedigbaar als je expliciet bent over welke vraag je beantwoordt.

Waarom 93,3 MMLU geen Haiku-getal is

De modelkaart van Baidu meldt MMLU 93,3, MMLU-Pro 78,4, GPQA 60,2, BBH 77,1 in directe modus en 89,2 met chain-of-thought, HumanEval+ 82,3, MBPP+ 81,5, LiveCodeBench 40,1, HELMET-RAG 71,5, RepoQA 91,7 en LongBench-v2 48,7. Dat zijn sterke cijfers voor een basismodel. Ze zijn structureel ook niet vergelijkbaar met wat Anthropic voor Haiku 5.5 publiceert.

Drie redenen, en alle drie zijn van belang. Ten eerste worden basismodellen geëvalueerd met andere prompting — few-shot completion in plaats van instruction following — dus een basisscore meet de vooraf getrainde prior, niet de assistent die een ontwikkelaar aanroept. Ten tweede verschillen de harnesses: Baidu gebruikte zijn eigen pipeline met eigen prompts en few-shot-aantallen, wat de juiste manier is om zijn model met andere basismodellen te vergelijken en de verkeerde manier om het met de instruct-benchmarks van een leverancier te vergelijken. Ten derde zit MMLU op 93 diep in de saturatie; de verschillen tussen topmodellen op die benchmark zijn nu kleiner dan de formatteringseffecten tussen harnesses.

De eerlijke lezing van ‘ERNIE-5.5-Flash vs Claude Haiku 5.5 op benchmarks’ is dus: zo’n vergelijking bestaat nog niet, en iedereen die er deze week een publiceert, vergelijkt ofwel een basis-checkpoint met een instructmodel zonder dat te zeggen, of verzint de cijfers voor de instructversie.

Eén detail uit Baidu's eigen tabel is het waard om te onthouden, omdat het ingaat tegen het lanceringsverhaal. Het bericht geeft toe dat concurrenten meerdere rijen winnen — ChineseSimpleQA, INCLUDE-lite, HELMET-Rerank, InfiniteBench en FullStackBench gaan naar een van de andere basismodellen. Een leverancier die zijn verliezen in dezelfde tabel als zijn overwinningen publiceert, geeft je een bruikbaar signaal over hoeveel gewicht de rest van de tabel verdient.

De prijs die nog niet bestaat

“Flash” is in Baidu’s naamgeving een etiket voor een niveau, geen specificatie. De ERNIE-lijn heeft een gevestigde prijsladder: ERNIE 5.1 ligt op de internationale Qianfan-vermelding rond $0,59 voor input en $2,65 voor output per miljoen tokens, terwijl ERNIE 4.5 Turbo daar ver onder ligt. Maar ERNIE 5.5 Flash heeft geen gepubliceerd tarief, geen Qianfan-endpoint en geen vermelding bij derden. Zoeken naar de prijs ervan levert alleen de basisrelease op en niets anders.

Dat gat is de hele commerciële kwestie. De prijs van $0,10/$0,50 voor Haiku 5.5 herdefinieert wat een klein model mag kosten, en het is het getal waaraan elke lancering in de Flash-klasse nu wordt afgemeten. Als Baidu ERNIE 5.5 Flash daarboven prijst, moet het model dat rechtvaardigen op basis van Chinese-taalkwaliteit of gegevensresidentie. Als het eronder prijst, wordt het een serieuze optie voor workloads op het Chinese vasteland. Totdat er een tarief verschijnt, kan geen van beide scenario's worden getoetst.

Artificial Analysis, waarvan de index op 27 oktober 2026 opnieuw is opgebouwd, plaatst Claude Haiku 5.5 op 36 bij maximale inspanning — een cijfer dat bij de huidige index hoort en niet kan worden vergeleken met pre-rebase-getallen die nog voor andere modellen rondgaan. Het punt is niet de exacte waarde. Het is dat Haiku een plek op die schaal heeft en ERNIE-5.5-Flash niet, omdat er geen instructmodel is om te testen.

Dit is ook waar routing de beslissing verandert. OrcaRouter geeft de lijstprijzen van providers door met 0% marge, dus wanneer een leverancier een tarief verlaagt, staat de nieuwe prijs dezelfde dag live op het platform in plaats van pas nadat een resellersmarge opnieuw is berekend. ERNIE-5.5-Flash staat vandaag niet in die catalogus — 216 model-ID's, geen enkele ERNIE — dus het praktische advies voor iedereen die een kostenmodel opstelt, is om het te bouwen op de modellen die daadwerkelijk een prijs hebben, en er opnieuw naar te kijken wanneer Baidu een tariefkaart publiceert.

Wie moet deze week de repo klonen?

Niet applicatieontwikkelaars. Het basischeckpoint heeft geen noemenswaardig instructievolgend gedrag, en om het zich als een assistent te laten gedragen, heb je een post-trainingstraject nodig dat je zelf zou moeten ontwerpen. Drie groepen hebben nu wel een reden om de gewichten op te halen.

• Domeinadaptatieteams die in het Chinees werken — 33,5 biljoen pretraining-tokens en een vocabulaire van 200K, continued pretraining op een basismodel is een legitiem startpunt, en het Megatron-Bridge-voorbeeld verlaagt de kosten om het te proberen.

• RL- en post-trainingonderzoekers die een 14B-actief model met gepubliceerde architectuurdetails willen — de 512-experts-top-10-routing en de 37/6 HCA-naar-MLA-opsplitsing zijn goed genoeg gedocumenteerd om te reproduceren.

• Evaluatieteams die een schone baseline willen voordat het instructmodel beschikbaar komt — als je het basismodel nu zelf draait, krijg je een referentiepunt dat leveranciersmarketing later niet kan veranderen.

Alle anderen moeten wachten. Een model dat je niet kunt aanroepen, waarvoor je geen prijs kunt bepalen en dat je niet kunt benchmarken tegen een instructmodel, is geen inkoopoptie, en het totale aantal parameters van 280B betekent dat self-hosting zelfs bij FP8 meerdere GPU's vereist.

Wat zou het vonnis veranderen?

Vier gebeurtenissen, in de volgorde waarin ze waarschijnlijk van belang zijn.

• De post-getrainde ERNIE 5.5 Flash is uitgebracht. Baidu zegt dat het zal volgen. Tot die tijd is elke vergelijking van mogelijkheden speculatief, en het verschil tussen een basis-checkpoint en een voltooid Flash-model is precies waar het grootste deel van de gebruikerszichtbare kwaliteit zit.

• Op Qianfan verschijnt een prijs. Dat is het moment waarop de Haiku-vergelijking een echte beslissing wordt in plaats van een categoriefout.

• Er verschijnt een onafhankelijke evaluatie. Berichtgeving door Artificial Analysis of LMArena zou Baidu's harness omvormen tot iets dat onderling verifieerbaar is. Merk op dat de AA-index zelf op 27 oktober 2026 opnieuw is gebaseerd, dus cijfers van vóór de herbasering die voor Haiku 5.5 en anderen circuleren, mogen niet worden vergeleken met cijfers van na de herbasering.

• Een derde partij host het. Dat is meestal het signaal dat de serveerkosten begrepen zijn, en het is het punt waarop een model routeerbaar wordt in plaats van louter downloadbaar.

De vergelijking in de titel zal het waard zijn om te schrijven wanneer twee van die vier zijn gebeurd. Wat vandaag bestaat, is een goed gedocumenteerd basismodel, een licentie die geen Apache is, en een naam voor een producttier zonder product erachter. Claude Haiku 5.5 is ondertussen een afgerond model met een prijs waar andere leveranciers nu een antwoord op moeten zien te vinden. Op de enige vraag die een koper stelt — wat kost een token en wat doet het — heeft de ene kant een antwoord en de andere kant een belofte.

Het interessante is niet dat Baidu het stilletjes uitbracht. Het is dat het bedrijf ervoor koos eerst de basisgewichten uit te brengen, vóór het model dat iedereen kan gebruiken, en er niets voor rekende. Dat is een uitbrengcadans van een onderzoekslab, geen productlancering, en zo moet het ook worden gelezen.