ERNIE-5.5-Flash vs Gemini 3.8 Flash: de een heeft een prijs, de ander een belofte

Zevenenvijftig dagen vanaf vandaag, op 1 januari 2027, eindigt de introductieprijsstelling voor Gemini 3.8 Flash en verdubbelen de tarieven — van $0,75 naar $1,50 per miljoen inputtokens, van $3,75 naar $7,50 per miljoen output. Dat is het meest concrete feit in deze vergelijking, en het hoort bij het model dat sinds 2 september 2026 te koop is. ERNIE-5.5-Flash daarentegen publiceerde op 5 november 2026 zijn basisgewichten zonder enige prijs, omdat de post-trained ERNIE 5.5 Flash niet is uitgebracht. De eerlijke framing van ERNIE-5.5-Flash vs Gemini 3.8 Flash is dus geen strijd tussen twee modellen uit de Flash-klasse. Het is een strijd tussen twee soorten onzekerheid: een bekend model met een gedateerde kostenklif, en een beloofd model zonder enige kosten. De verhoging van Gemini in januari bereikt het platform tegen provider-listprijzen, dus het eigen tarief van de leverancier is wat u betaalt.

Wat Gemini 3.8 Flash meebrengt, en wat het na Nieuwjaar kost

Gemini 3.8 Flash is het derde Flash-model dat Google in zes weken heeft uitgebracht — 3.6 op 21 juli, 3.7 op 14 augustus, 3.8 op 2 september — en het is een volwaardig product, geen checkpoint. De inputcontext is 1.048.576 tokens, de output is beperkt tot 65.536, en het model accepteert tekst, afbeeldingen, video, audio en pdf's met tekst als uitvoer. De kennisafsluitdatum is maart 2026.

De prijsstructuur is waar de vergelijking echt pijn doet. Vandaag de dag zijn de tarieven $0,75 voor input en $3,75 voor output per miljoen tokens, identiek aan Gemini 3.7 Flash. Gecachte input kost $0,075, batch $0,375/$1,875. Vanaf 1 januari 2027 worden de lijstprijzen $1,50 en $7,50. Wie een budget voor 2027 op de huidige cijfers baseert, begroot op een promotietarief.

Er schuilt een tweede kostenval onder de eerste. Gemini 3.8 Flash produceert per taak ruwweg 30 tot 34 procent meer outputtokens dan 3.7 Flash deed, waardoor een vaste prijs per token verandert in hogere kosten per voltooide taak — volgens één meting ongeveer 45 procent meer bij hoge inspanning. Prijs per miljoen tokens is niet hetzelfde als prijs per taak, en dit model is het duidelijkste recente voorbeeld van het verschil.

Zijn benchmarkpositie is reëel maar versieafhankelijk. Leverancierscijfers omvatten DeepSWE v1.1 op 73,7 procent, Terminal-Bench 2.1 op 89,4, OSWorld-2.0 op 59,0 en HLE-Verified op 54,9. De dekking van Artificial Analysis plaatst de outputsnelheid op ruwweg 302 tot 351 tokens per seconde, bovenaan zijn leaderboard, met een time-to-first-token van ongeveer 30 seconden bij hoge inspanning. Het is bij de intelligentie-index dat de rapportage versplintert: de lanceerberichtgeving noemde 59 bij hoge reasoning, terwijl de eigen pagina's van Artificial Analysis onder nieuwere indexversies cijfers in de range 41 tot 47 tonen. Dat is geen schandaal, het is een rebase — de index is op 27 oktober 2026 herbouwd — maar het betekent dat elk afzonderlijk AA-cijfer dat voor dit model wordt aangehaald zonder de bijbehorende versie vrijwel betekenisloos is.

Wat ERNIE-5.5-Flash-Base levert, en wat het niet kan

De release van Baidu heeft de tegenovergestelde vorm. ERNIE-5.5-Flash-Base is een sparse MoE met 280B parameters en 14B actief per token, voorgetraind op 33,5T tokens en uitgebracht in FP8 en BF16 onder de ERNIE 5.5 Flash Base Model License Agreement v1.0. Trainingscontext 128K; de uitgebrachte configuratie maakt 1.048.576 tokens mogelijk voor fine-tuning en inferentie. Dat is hetzelfde in het oog springende getal als het invoervenster van Gemini, maar iets heel anders: het is een configuratie-instelling op een checkpoint, geen aangeboden limiet met een tariefkaart erachter.

De capaciteitskloof is onmiskenbaar. ERNIE-5.5-Flash-Base is alleen tekst. Er is geen beeldinvoer, geen video, geen audio, geen PDF-parsing. Als je workload een screenshot, een gescande factuur, een gespreksopname of een productvideo omvat, eindigt de vergelijking daar — Gemini 3.8 Flash doet die native en de vrijgegeven checkpoint van ERNIE doet ze helemaal niet. Het post-getrainde model zou dat kunnen veranderen, maar er is geen multimodaal ERNIE 5.5 Flash aangekondigd, en de specsheet van Baidu beschrijft een taalmodel.

Wat ERNIE wel publiceert, is een evaluatie van een basismodel: MMLU 93,3, MMLU-Pro 78,4, GPQA 60,2, HumanEval+ 82,3, LiveCodeBench 40,1, HELMET-RAG 71,5, RepoQA 91,7, LongBench-v2 48,7. Elk van die cijfers is geproduceerd op een basis-checkpoint, in Baidu's eigen testomgeving, tegen andere basismodellen. Ze naast Gemini's scores voor instruct-modellen zetten zou de meest voorkomende fout zijn die in deze vergelijking mogelijk is, en het is de moeite waard om dat ronduit te benoemen: de twee sets meten verschillende dingen en kunnen niet van elkaar worden afgetrokken.

De twee onzekerheden zijn niet gelijkwaardig.

Een prijskloof is een bekende onbekende. Je kunt die modelleren: neem het tarief van vandaag, verdubbel het op 1 januari en beslis of de werklast nog steeds je marge haalt. Een ontbrekende prijs is een onbekende onbekende, en die valt helemaal niet te modelleren. Die asymmetrie is de hele beslissing.

Er is een tweede asymmetrie in het benchmarkoverzicht. De cijfers van Gemini 3.8 Flash zijn omstreden — leveranciersbenchmarks tegenover onafhankelijke indexcijfers die verschoven toen de index opnieuw werd opgebouwd, met een gedocumenteerde kloof tussen de 59 die bij de lancering werden genoemd en het bereik van 41 tot 47 dat nu zichtbaar is op Artificial Analysis. De cijfers van ERNIE 5.5 Flash zijn niet omstreden. Ze ontbreken, omdat er nog niets valt te betwisten buiten een tabel van het basismodel. Omstreden data zijn nuttiger dan geen data: je kent tenminste het bereik.

Het enige punt waarop ERNIE op papier een verdedigbare voorsprong heeft, is het parameterefficiëntieverhaal. Een model van 280B dat 14B per token activeert, is ontworpen voor goedkope inferentie, en 33,5T pretraining-tokens is een serieus databudget. Als Baidu het post-getrainde model agressief prijst, is het aantal actieve parameters het mechanisme waarmee het een Gemini van $1,50/$7,50 zou kunnen onderbieden. Of het dat zal doen, is vandaag onkenbaar, en elk artikel dat je iets anders vertelt, gokt maar.

Als de prijs verdubbelt, is routing de hefboom.

Het nuttige van een prijswijziging met een datum is dat erop gepland kan worden. Workloads die marginaal zijn bij $0,75/$3,75 en niet levensvatbaar bij $1,50/$7,50 hebben een migratiepad nodig dat vóór januari bestaat, niet erna. Dat is eerder een routeringsprobleem dan een modelprobleem: houd het dure model voor de verzoeken die de multimodale invoer of het lange-contextgeheugen ervan nodig hebben, en stuur de rest naar iets goedkopers met een compatibele interface.

OrcaRouter biedt google/gemini-3.8-flash aan tegen de lijstprijs van de provider, met 0% markup, dus de verhoging van januari zal tegen hetzelfde tarief verschijnen als de leverancier rekent, in plaats van te worden opgeslokt in een resellermarge. De routing-DSL laat je een fallback-keten samenstellen — Gemini eerst voor het multimodale pad, een goedkoper tekstmodel daarachter — en automatische failover dekt het geval waarin een provider degradeert. ERNIE-5.5-Flash staat niet in die catalogus; de 216 model-ID's bevatten geen ERNIE-vermelding. Het routingadvies hier gaat dus over het model waar je daadwerkelijk van kunt wegschakelen, en dat is degene met de prijsklok eraan vast.

Een beslisregel in plaats van een uitspraak.

Als je workload afbeeldingen, audio, video of pdf's omvat, gebruik dan Gemini 3.8 Flash en houd rekening met de verdubbeling in januari. ERNIE-5.5-Flash-Base is geen kandidaat en zal dat ook niet zijn totdat er een multimodaal post-getraind model beschikbaar komt.

Als je werklast alleen tekst is, sterk Chinees en kostengevoelig, is de juiste actie vandaag nog steeds niet ERNIE — het is wachten op een prijs. De basisgewichten zijn beschikbaar en gratis te downloaden, wat ze nuttig maakt voor een fine-tuningexperiment, niet voor een productiebeslissing. Zodra Baidu een Qianfan-tarief publiceert voor het post-trained model, wordt deze vergelijking een echte kostenvraag, en het aantal actieve parameters van 14B suggereert dat het antwoord interessant zou kunnen zijn.

Als je gewoon de ERNIE-release probeert te begrijpen, is het belangrijkste om je eigen te maken dat "Flash" hier een marketingniveau is dat is overgenomen van een model dat nog niet is uitgebracht. Het Flash-niveau van Gemini heeft een prijs, een contextvenster, een modaliteitenlijst en een gedateerde verhoging. Dat van ERNIE heeft een Hugging Face-repository en één zin die meer belooft. Tussen een bekende kostenpost die op het punt staat te stijgen en een onbekende kostenpost die nog niet bestaat, is de rationele zet om je planning op de bekende te baseren en de andere in het oog te houden.