ERNIE-5.5-Flash vs Qwen 3.8 Flash: Een base-checkpoint ontmoet een afgewerkt model

Zet ERNIE-5.5-Flash naast Qwen 3.8 Flash en de eerste eerlijke observatie is dat het niet hetzelfde soort object is. Wat Baidu daadwerkelijk heeft gepubliceerd is ERNIE-5.5-Flash-Base, de checkpoint aan het einde van pretraining — vóór mid-training, vóór instructietuning, vóór enig preferentiewerk — dus het vervolgt tekst in plaats van verzoeken te beantwoorden, en het wordt aangeboden via een completions-endpoint, niet via een chat-endpoint. Qwen 3.8 Flash, dat Alibaba op 26 augustus 2026 heeft uitgebracht, is een afgerond multimodaal model dat tekst, afbeeldingen en video aanneemt en tekst retourneert, voor $0,15 per miljoen invoertokens en $0,47 per miljoen uitvoertokens. Het ene is een startpunt dat je nog moet trainen; het andere is een product dat je vanmiddag kunt aanroepen. Bijna elk getal hieronder verandert van betekenis afhankelijk van welke van die twee dingen je denkt te vergelijken, en daarom loont het om dat vóór het specificatieblad vast te stellen in plaats van erna.

Wat Baidu heeft uitgebracht, en wat het niet heeft gezegd

De release is stil op de specifieke manier waarop Chinese open-weight-releases dat vaak zijn: de artefacten arriveren voordat het verhaal er is.baidu/ERNIE-5.5-Flash-BaseDe repository werd op 21 oktober aangemaakt op Hugging Face, stond een week lang bijna leeg en ontving tussen 2 en 3 november haar 128 FP8-gewichtsshardes. De architectuur- en benchmarkdiagrammen verschenen op 4 november, en de modelkaart werd vanochtend nog steeds herzien. Baidu's eigen releasepagina is gedateerd op vandaag, 5 november, en de enige discussie die het buiten die pagina heeft opgeleverd, is een forumthread en een WeChat-bericht. Er is geen persbericht, geen lanceerevenement en geen noemenswaardige persaandacht.

Dat is van belang voor wat je wel en niet kunt vertrouwen. Wat uit de repository valt op te maken: de architectuur, de parameteraantallen, een complete leveranciersbenchmarktabel met een expliciet genoemde harness, werkende serveerrecepten voor SGLang en vLLM, de licentietekst, en het feit dat er naast de FP8-versie een BF16-tegenhanger bestaat. Wat niet valt op te maken: of Baidu van plan is het als API aan te bieden — de prijslijst van Qianfan, laatst bijgewerkt op 18 oktober, vermeldt ERNIE 5.1, 5.0 en 4.5 Turbo, en geen enkele vermelding van ERNIE 5.5 — wat een instructiegetunede versie ervan scoort, en of een onafhankelijke evaluator ook maar één getal uit Baidu's tabel zal reproduceren.

De specificatie uit het magazine, voor de goede orde: 280B totale parameters met 14B actief per token, vanaf nul voorgetraind op 33,5T tokens, 43 lagen waarvan één een dense FFN is en 42 MoE, 512 gerouteerde experts met top-10-routing plus één gedeelde expert, en een vocabulaire van 201.216 tokens. De vrijgegeven configuratie maakt een context van 1.048.576 tokens mogelijk, hoewel de training nooit meer dan 131.072 tokens heeft gezien. Er is ook een multi-token-prediction-head van 0,36B die in geen van beide parameteraantallen wordt meegeteld.

Het specificatiecontrast, op de dimensies die daadwerkelijk de doorslag geven.

• Wat u ontvangt — ERNIE-5.5-Flash-Base is slechts een checkpoint en niets meer: gewichten die u downloadt, een /v1/completions-endpoint, en geen gedrag dat instructies volgt. Qwen 3.8 Flash is een geserveerd model met tool calling, redeneermodus, gestructureerde outputs en een maximale reactie van 131.072 tokens.

• Grootte — 280B totaal / 14B actief voor ERNIE tegenover 125B totaal / ongeveer 6B actief voor Qwen 3.8 Flash, dat ook een 51B n-gram-embeddingtabel en een ~4B MTP-head heeft, waardoor er ongeveer 180B aan parameters op schijf staat.

• Attention design — ERNIE gebruikt 43 lagen, verdeeld over 37 sterk gecomprimeerde aandacht-lagen (HCA) plus 6 MLA-lagen met sparse attention; Qwen 3.8 Flash gebruikt een hybride van Gated DeltaNet plus Qwen Sparse Attention over 48 lagen. Beide zijn gokken dat klassieke volledige aandacht het verkeerde is om voor te betalen bij Flash-prijzen, maar ze komen daarbij van tegenovergestelde kanten.

• Context — aan beide kanten 1M tokens geclaimd, maar vanuit verschillende uitgangspunten: ERNIE is getraind op 128K en schakelt 1M alleen in tijdens fine-tunen en inferentie, terwijl Qwen 3.8 Flash native 262K is en 1M bereikt via YaRN-extensie.

• Modaliteit — ERNIE-5.5-Flash-Base is alleen tekst, in het Engels en Chinees. Qwen 3.8 Flash accepteert tekst, afbeeldingen en video, en de tabel van de leverancier bevat resultaten voor AndroidWorld, OSWorld 2.0, MathVision en LVBench die een checkpoint dat alleen tekst aankan niet kan produceren.

• Gewichten aan de Qwen-kant — de productie-Qwen 3.8 Flash is alleen via API beschikbaar, maar het open-weight-zustermodel Qwen3.8-Flash-Next is gepubliceerd onder de Qwen Community License 1.0, dus de twee kanten zijn beter vergelijkbaar dan de API-versus-gewichten-framing op het eerste gezicht suggereert.

• Serveren — Baidu levert een werkend recept: de image lmsysorg/sglang:dev-ernie-55-flash met --tp 4, of vLLM 0.32.0 plus de baidu/vLLM-ERNIE-plugin met data-parallel-grootte 4. Qwen 3.8 Flash heeft geen serveerrecept nodig, omdat Alibaba het voor je serveert.

• Prijs — voor ERNIE-5.5-Flash-Base is nergens een gepubliceerde prijs per token te vinden, omdat er geen gehost endpoint is om een prijs voor te bepalen; $0,15 input / $0,47 output per miljoen tokens voor Qwen 3.8 Flash, met cached input-leesbewerkingen tegen $0,0184.

• Licentie — de ERNIE 5.5 Flash Base Model License Agreement v1.0, een aangepaste overeenkomst die het waard is volledig te lezen voordat je er een product op bouwt, afgezet tegen Qwen Community License 1.0 aan de open Qwen-kant.

De benchmarkrijen die vergelijkbaar lijken maar dat niet zijn

Hier is de val die deze vergelijking opzet. Beide leveranciers publiceren een LiveCodeBench-getal, en de twee getallen zijn 40,1 en 91,9.

Ze meten niet hetzelfde, en de kloof ertussen is geen bekwaamheidskloof. Baidu's 40,1 is Pass@1, one-shot, op het ruwe, voorgetrainde checkpoint — het model wordt gevraagd code-aanvullingen te voltooien zonder dat het ooit heeft geleerd een instructie te volgen. Alibaba's 91,9 is LiveCodeBench v6, een andere en latere benchmarkversie, gerapporteerd voor een model dat een volledige post-trainingspipeline heeft doorlopen. Het GPQA-paar heeft hetzelfde probleem: 60,2 voor ERNIE bij five-shot exact match op een basis-checkpoint, 91,7 voor Qwen op GPQA Diamond na instruction tuning. Zelfs de MMLU-vergelijking, 93,3 tegenover een model dat geen MMLU publiceert, heeft niets om naast te staan.

Dit is geen kritiek op een van beide modellen. Het is een uitspraak over waarvoor een evaluatie van een basismodel dient. Een 40,1 op LiveCodeBench van een checkpoint dat nog nooit een instructie heeft gezien, zegt iets over hoeveel codeerstructuur de pretraining heeft opgenomen, en vanuit die lezing is het een redelijk getal. Het zegt niets over hoe dezelfde gewichten zouden scoren nadat iemand ze heeft gefinetuned. Niemand, inclusief Baidu, heeft dat getal gepubliceerd.

De enige tabel die op face value kan worden gelezen, is die van Baidu zelf, omdat alle vier kolommen door dezelfde pipeline, prompts en few-shot-instellingen zijn gehaald. Tegenover DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B) en MiMo-V2.5-Base (310B-A15B) scoort ERNIE-5.5-Flash-Base op 24 van de 30 benchmarks best-in-row, waaronder MMLU-Pro met 78,4 tegen 69,2, HumanEval+ met 82,3 tegen 69,5 en RepoQA met 91,7 tegen 81,0. Het verliest ChineseSimpleQA van DeepSeek, FullStackBench en BBH chain-of-thought van Hy3, en zowel HELMET-Rerank als InfiniteBench van DeepSeek. Dat zijn door de leverancier gedraaide cijfers op een door de leverancier gekozen harness zonder onafhankelijke replicatie — maar ze zijn intern vergelijkbaar, wat meer is dan gezegd kan worden voor elke cross-vendorcombinatie in dit artikel.

Wat elke route kost, met de berekening erbij

Qwen 3.8 Flash is de eenvoudigste om te prijzen. Neem een support- en extractieworkload van 1.000 aanvragen per dag, met gemiddeld 6.000 invoertokens en 800 uitvoertokens: 6M invoertokens en 0,8M uitvoertokens per dag, ofwel 180M en 24M over een maand van 30 dagen. Bij $0,15 en $0,47 per miljoen is dat $27,00 plus $11,28 — $38,28 per maand, waarbij gecachte leesbewerkingen tegen $0,0184 per miljoen het terugkerende deel van de systeemprompt verder verkleinen.

ERNIE-5.5-Flash-Base heeft geen equivalente regelpost, dus het enige eerlijke kostenmodel is hardware. De FP8-repository bestaat uit 128 shards van ongeveer 2,25 GB elk, samen ongeveer 288 GB aan gewichten; de BF16-tegenhanger verdubbelt dat. Baidu's eigen SGLang-opstartcommando verdeelt het in vier delen met --tp 4, waardoor er ongeveer 72 GB aan gewichten op elke GPU staat voordat er ook maar enige KV-cache bestaat — werkbaar op een kaart van 80 GB alleen als je nooit het contextvenster gebruikt, en comfortabel op kaarten uit de H200-klasse. Huur vier van die kaarten tegen een middenklassetarief van $2–3 per GPU-uur en de node kost ongeveer $5.800–8.600 per maand bij continu draaien, voordat je iemand hebt betaald om het te fine-tunen, te evalueren of de servingstack actueel te houden.

Dat is in de orde van 150 tot 225 keer de Qwen API-rekening in het voorbeeld hierboven, en de vergelijking is opzettelijk oneerlijk in één richting: de twee zijn geen substituut totdat iemand het ERNIE-checkpoint post-traint. Het punt van de rekensom is niet dat self-hosting duur is — het is dat de vaste kosten reëel zijn en zich aandienen voordat het model ook maar één instructie kan beantwoorden, dus het volume waarbij het in eigendom hebben ervan beter is dan het huren van iets kant-en-klaars, ligt veel hoger dan een vergelijking per token suggereert.

Lange context is waar de twee ontwerpen samenkomen

Beide modellen claimen een miljoen tokens, en beide bereiken dat door te weigeren volledige attention over een miljoen posities toe te passen. De HCA-lagen van ERNIE cachen één entry per 128 tokens, waardoor 37 van zijn 43 lagen hun KV-cache 128 keer langzamer laten groeien dan een conventionele laag zou doen; de zes MLA-lagen behouden toegang op volledige resolutie voor de tokens die dat nodig hebben. De GDN-plus-QSA-hybride van Qwen maakt dezelfde soort afweging vanaf de kant van sparse attention, en zijn 6B actieve parameters houden de berekening per token laag, ongeacht wat de attention doet.

Voor een lezer is het praktische verschil niet welk ontwerp slimmer is — beide zijn geloofwaardig — maar dat slechts één van de twee een prijs met zich meebrengt voor het daadwerkelijk gebruiken van die context. Aan een prompt van een miljoen tokens op Qwen 3.8 Flash hangt vandaag een concreet getal. Op ERNIE-5.5-Flash-Base heeft dezelfde prompt een schatting in GPU-uren en een onbeantwoordbare vraag over hoe een basismodel zich op die lengte gedraagt zonder instructietuning.

Wie moet welke kiezen

Kies Qwen 3.8 Flash als je nu een model nodig hebt dat instructies opvolgt, als je invoer screenshots, documenten of video bevat, als je wilt dat de rekening voor lange contexten het capaciteitsplanningsprobleem van iemand anders is, en als $0.15/$0.47 per miljoen tokens past bij de unit economics van wat je bouwt. Het is twee maanden oud, het is sinds de lancering door trackers van derden opgepikt, en de cijfers van de leverancier — SWE-bench Pro 62.5, GPQA Diamond 91.7, CoWorkBench 73.9 — zijn claims en geen geverifieerde resultaten, dus behandel ze als een bovengrens totdat je eigen evaluatie iets anders zegt.

Kies ERNIE-5.5-Flash-Base als je over post-trainingscapaciteit beschikt en een reden hebt om het model te bezitten in plaats van te huren: een domein waarvan je de data niet naar een API kunt sturen, een Chinees-Engelse workload waarbij CMMLU 90,0 en ChineseSimpleQA 73,0 de cijfers zijn die ertoe doen, een RL-onderzoeksprogramma dat een 280B-A14B-startpunt wil, of een latencybudget dat een toegewijde vier-GPU-node rechtvaardigt. Je moet er ook gerust op zijn dat de licentie een aangepaste Baidu-overeenkomst is, geen Apache, en dat het model niets nuttigs doet totdat je team het nuttig maakt.

Kies geen van beide, maar toch, als wat je eigenlijk wilt een bewezen algemeen inzetbaar model is. Qwen 3.8 Flash is een afgewerkt product zonder onafhankelijke benchmarkscore, en ERNIE-5.5-Flash-Base is een onvoltooid model met een benchmarktabel van de leverancier. Geen van beide is de veilige standaardkeuze die een twee jaar oud vlaggenschipmodel zou zijn.

Het experiment uitvoeren zonder er een roadmap aan op te hangen

Het lastige aan deze matchup is dat de twee kanten via volledig verschillende wegen worden bereikt, en een routeringslaag helpt precies bij één daarvan. Qwen 3.8 Flash is beschikbaar via OrcaRouter als qwen/qwen3.8-flash, tegen de lijstprijs van de provider met 0% opslag — dezelfde $0,15 en $0,47 die de leverancier rekent, doorgegeven, zonder dat er iets wordt toegevoegd voor de hop. ERNIE-5.5-Flash-Base is niet iets wat wij aanbieden: het is een release van gewichten, en er bestaat geen gehost endpoint om naar te routeren, hier of waar dan ook elders waar wij er een kunnen vinden.

Waar een enkel endpoint in deze situatie echt goed voor is, is het deel dat na het experiment komt. Het realistische pad voor een ERNIE 5.5 Flash is dat een team post-training uitvoert op het basis-checkpoint, en de vraag wordt dan of het getunede model Qwen 3.8 Flash verslaat op je eigen verkeer. Met beide achter één sleutel is dat een kwestie van een andere model-id, niet van een tweede contract en een tweede SDK, kan de routing-DSL productieverkeer tussen hen splitsen terwijl je beslist, en automatische failover betekent dat een onbewezen winnaar de hele feature niet op zijn eerste slechte dag onderuit kan halen. Model fusion geeft je de derde optie — een panel dat samen antwoordt — wat vaak de goedkoopste manier is om erachter te komen of een nieuwe tune echt beter is dan de huidige of alleen maar anders.

Wat zou dit antwoord veranderen?

Drie dingen, ruwweg in volgorde van waarschijnlijkheid. Een op instructies afgestemde ERNIE 5.5 Flash zou hier een echte rechtstreekse vergelijking van maken in plaats van een categoriemismatch, en de basiscijfers suggereren dat het competitief zou zijn — 82,3 op HumanEval+ en 91,7 op RepoQA vanuit een niet-afgestemd checkpoint is een sterke uitgangspositie. Een vermelding van ERNIE 5.5 op de prijslijst van Qianfan zou het zelfhosting-rekenwerk iets geven om mee te vergelijken en je laten weten of Baidu van plan is dit model te verkopen of weg te geven. En een score van een derde partij voor een van beide modellen zou een lezer in staat stellen leverancierstabellen niet langer blind te vertrouwen, en dat is de situatie waarin deze combinatie vandaag vastzit: Qwen 3.8 Flash heeft geen enkel onafhankelijk benchmarkresultaat op zijn naam staan, en ERNIE-5.5-Flash-Base heeft helemaal geen rij op enige neutrale leaderboard.

Totdat twee daarvan beschikbaar zijn, is "wat is beter" geen vraag die iemand heeft gemeten. Wat vandaag kan worden beantwoord, is smaller en nuttiger: Qwen 3.8 Flash is een model dat je kunt aanroepen, en ERNIE-5.5-Flash-Base is een model waarop je kunt bouwen. Dat zijn verschillende taken, en geen enkele benchmarktabel gaat beslechten welke van de twee je hebt.