Ling-3.2-flash vs ERNIE 5.5 Flash: het ene is een product, het andere een startpunt

Twee Chinese labs brachten op 5 november 2026 binnen enkele uren van elkaar modellen uit die tegen het vlaggenschip aanleunen, en bijna elke vergelijking die je over Ling-3.2-flash en ERNIE 5.5 Flash kunt schrijven, verdampt zodra je beseft dat het niet om hetzelfde soort object gaat. Ling-3.2-flash is een afgerond, op instructies afgestemd multimodaal chatmodel: tekst, afbeeldingen en video erin, antwoorden eruit, live op Ant Lings OpenAI-compatibele endpoint en twee weken gratis. Wat Baidu heeft gepubliceerd is ERNIE-5.5-Flash-Base — het checkpoint aan het einde van de pretraining, vóór mid-training, vóór instruction tuning, alleen tekst, en aangeboden via een completions-endpoint omdat het nog niet heeft geleerd instructies op te volgen. De eigen releasepagina van Baidu zegt dat de post-trained ERNIE 5.5 Flash "zal volgen."

Die ene asymmetrie beslist de meeste praktische vragen hieronder. Het ene model kun je vanmiddag aanroepen. Het andere kun je downloaden, fine-tunen en omvormen tot iets — wat een heel andere aankoop is, met een juridisch contract eraan verbonden.

De twee objecten, naast elkaar

Wat volgt is wat elke leverancier vandaag documenteert. Waar een cijfer van de leverancier zelf is en niet is gereproduceerd, wordt dat vermeld.

• Totale en actieve parameters — Ling-3.2-flash 560B totaal / 25B actief; ERNIE-5.5-Flash-Base 280B totaal / 14B actief per token, plus 0,36B aan ECHO-parameters die beide tellingen uitsluiten.

• Invoer — Ling-3.2-flash verwerkt tekst, afbeeldingen en video native, met image_url- en video_url-blokken in het verzoek; ERNIE-5.5-Flash-Base is uitsluitend tekst, punt uit.

• Wat je ontvangt — Ling-3.2-flash is een post-getraind chatmodel achter een API; ERNIE-5.5-Flash-Base bestaat uit ruwe pre-trainingsgewichten die je zelf wordt geacht te post-trainen.

• Architectuur — Ling-3.2-flash is een MoE in de Ling hybride-lineaire reeks die Ant sinds 3.1 draait; ERNIE-5.5-Flash-Base heeft 43 lagen (één dense FFN, 42 Multi-Router Latent MoE), 512 gerouteerde experts met top-10-routering plus één gedeelde expert, 37 Heavily Compressed Attention-lagen en zes MLA-lagen met sparse attention.

• Context — Ling-3.2-flash biedt een venster van 1M tokens op de API; ERNIE-5.5-Flash-Base is getraind op 128K, en de vrijgegeven configuratie ervan maakt 1.048.576 tokens mogelijk voor fine-tuning en inferentie, wat niet dezelfde claim is.

Gewichten — Ling-3.2-flash heeft er geen gepubliceerd; ERNIE-5.5-Flash-Base levert FP8- en BF16-safetensors op Hugging Face en ModelScope.

• Prijs — Ling-3.2-flash is twee weken na de lancering gratis, zonder gepubliceerd tarief voor dag vijftien; ERNIE-5.5-Flash-Base heeft geen gehoste prijs omdat Baidu het niet aanbiedt, en zelf hosten kost wat 280B aan gewichten jou kost.

Geen van die rijen is een kwaliteitsclaim. Ze zijn een beschrijving van wat je zou kopen.

Waar Ling-3.2-flash op basis van het bewijs echt goed voor is

Het lanceermateriaal van Ant bestaat uit drie benchmarkcijfers en vijf demovideo's. De cijfers vergelijken Ling-3.2-flash met Opus 5 op maximale inspanning op OmniDocBench1.5 (92,21 vs 90,56), ZEROBench(Sub) (43,71 vs 39,52) en Vision2Web (85,86 vs 80,20). Alle drie zijn door de leverancier gerapporteerd, alle drie zijn visueel en geen ervan is door een derde partij gereproduceerd. Samen gelezen claimen ze één ding: bij documentparsing, 3D-scène-redenering en vision-to-web-taken gelooft Ant dat het een gesloten frontiermodel verslaat. Ze claimen helemaal niets over tekstredenering, coderen of agentisch terminalwerk, waar het meeste productieverkeer nog steeds naartoe gaat.

De demo's zijn informatiever dan de cijfers, omdat ze de loop laten zien waarvoor Ant het model heeft gebouwd. Ling-3.2-flash inspecteert headless renders van materiaalbolletjes, vergelijkt ruwheids- en normal maps en herschrijft zijn eigen script; het bestuurt Blender via UI-acties; het converteert technische tekeningen naar 3D-webmodellen; het leest onderzoeks-PDF's met vergelijkingen en implementeert de algoritmes in code. Elk van die taken vereist dat het model naar een tussenliggend artefact kijkt en zichzelf corrigeert. Dat is wat native multimodale training je oplevert ten opzichte van een tekstmodel met een vision-adapter, en dat is de capaciteit die je eerst moet testen als dit je use case is.

Twee operationele kanttekeningen horen in één adem genoemd te worden. Ant documenteert een wereldwijde limiet van twee queries per seconde, met 429-fouten daarboven, en een time-out van 90 seconden bij synchrone calls, waarbij streaming wordt aanbevolen. En het model is alleen gratis tot ongeveer 19 november; de prijspagina zegt dat de oorspronkelijke tarieven daarna weer gelden, zonder te vermelden wat die zijn.

Waar ERNIE-5.5-Flash-Base eigenlijk goed voor is

De propositie van Baidu is kostenverschuiving, en die is coherent. Het bedrijf besteedde de pre-training-rekenkracht aan 33,5 biljoen tokens met de Muon-optimizer; jij besteedt de jouwe aan domeinaanpassing, instructieafstemming of reinforcement learning, uitgaand van een checkpoint waarin code op repositoryschaal en lang-contextgedrag al zijn ingebakken. De release is ongewoon schoon als onderzoeksbasis: één checkpoint aan het einde van de pre-training, geen mid-training, geen post-training, zodat twee fine-tuningmethoden kunnen worden vergeleken zonder te discussiëren over wat de basis al wist.

Baidu's evaluatie vergelijkt het met drie open basismodellen van vergelijkbare grootte — DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B) en MiMo-V2.5-Base (310B-A15B) — onder één harness, één promptset en één judge, over 30 benchmarks in zeven categorieën. Dat is een beter gecontroleerde vergelijking dan de meeste lanceringstabellen, en toch is die door de leverancier uitgevoerd. De architecturale hoofdclaim die het kennen waard is: 37 van de 43 lagen voeren attention uit over een sequentie die 128× is gecomprimeerd, en Baidu zegt dat de zes MLA-lagen genoeg zijn om langecontextprestaties vast te houden. Als dat standhoudt bij onafhankelijk testen, is het het interessantste aan de release — een 128×-compressie die je geen langecontextretrieval kost.

Het addertje onder het gras is de licentie, en het is geen kleintje. De ERNIE 5.5 Flash Base Model License Agreement v1.0 definieert een Territorium dat "alle geografische gebieden wereldwijd met uitzondering van de Europese Unie, het Verenigd Koninkrijk en Zuid-Korea" omvat, en vereist dat de materialen niet buiten dat gebied worden gebruikt, verspreid of weergegeven. Commercieel gebruik is gratis onder een jaaromzet van US$50 miljoen uit gerelateerde producten, op voorwaarde dat u eenmalig een kennisgeving stuurt en "Powered by ERNIE" prominent weergeeft op een gebruikersinterface, website, aboutpagina of productdocumentatie. Boven US$50 miljoen hebt u Baidu's afzonderlijke voorafgaande schriftelijke toestemming nodig voordat u die grens overschrijdt, en het gebruik moet worden opgeschort als u die overschrijdt zonder een dergelijke toestemming.

De eerlijke manier om het "gratis" 280B-checkpoint te omschrijven is dus: gratis te downloaden overal buiten drie rechtsgebieden, gratis commercieel te gebruiken tot een omzetdrempel, en met een brandingverplichting die de meeste productteams op hun marketingsite zullen opmerken voordat ze die in de licentie opmerken.

Welke je moet kiezen, afhankelijk van wat je doet

Kies Ling-3.2-flash als het werk visueel is en je deze maand een antwoord nodig hebt. Documentextractie waarbij de lay-out belangrijk is, UI-agenten op basis van screenshots, omzetting van tekeningen naar 3D, triage van medische beeldvorming, alles waarbij het model zijn eigen gerenderde output moet controleren. De API heeft de vorm van OpenAI, dus de integratie is een wijziging van de base-URL, en het gratis venster van twee weken betekent dat de evaluatie niets kost behalve je tijd. Zet het nog niet op een productiepad: er is geen gepubliceerde prijs, geen onafhankelijke score, geen gewichten en geen fallbackprovider.

Kies ERNIE-5.5-Flash-Base als je post-trainingscapaciteit en een domein hebt. Een 280B-A14B-base met een gedocumenteerde architectuur, werkende SGLang- en vLLM-recepten, een FP8- en een BF16-build, en een Megatron-Bridge-finetuningvoorbeeld is een echt pluspunt voor een team dat zijn eigen model wil. Controleer de Territory-clausule tegen je juridische entiteit voordat je begint, niet erna. En benchmark het niet als chatmodel — het vervolgt tekst, het beantwoordt geen verzoeken, dus elke vergelijking op instructieopvolging met Ling-3.2-flash meet het verkeerde.

Als je eigenlijk een kant-en-klare ERNIE wilde om aan te roepen, wacht dan. Baidu zegt dat de post-getrainde ERNIE 5.5 Flash eraan komt, en tot die verschijnt, staat er geen gehoste ERNIE 5.5 op Qianfans prijslijst — de internationale lijst die we vandaag lezen bevat ERNIE 5.1, ERNIE 5.0 en ERNIE 4.5 Turbo, zonder een 5.5-regel.

Geen van beide staat in onze catalogus — dit is wat er is

Om duidelijk te zijn over routing: we hebben de OrcaRouter-catalogus op 6 november opnieuw gelezen en die geeft 215 modelidentificaties terug. Er staat geen Ling-, inclusionAI-, Ring- of ERNIE-vermelding in; de enige "ling"-overeenkomsten zijn Kling-videomodellen. Deze vergelijking is dus geen keuze tussen twee dingen die één sleutel al bereikt.

Wat één sleutel wél bereikt, tegen de lijstprijs van de provider zonder opslag, zijn de modellen die dezelfde twee taken afdekken. Voor visionwerk met een gepubliceerd tarief, Qwen3.8-Flash kost $0,15 per miljoen input en $0,47 per miljoen output. Voor goedkope tekstagenten op schaal, DeepSeek V4.1 Flash kost $0,15 en $0,60, en GLM-5.3-Flash kost $0,15 en $0,50. Alle drie accepteren een OpenAI-vormig verzoek, dus een Ling-3.2-flash-integratie die erheen wordt overgezet is een wijziging van de modelstring in plaats van een herschrijving — wat ertoe doet wanneer het gratis venster sluit en je nog steeds geen tariefkaart hebt.

Dat is ook het argument om een router vóór een zelfgehoste ERNIE-fine-tune te zetten in plaats van je app rechtstreeks naar je eigen cluster te laten wijzen: één endpoint, één sleutel, en automatische failover naar een gehost model wanneer je GPU's verzadigd zijn of je deployment wordt uitgerold. De routing-DSL combineert meerdere modellen in één aanroep, wat de manier is om een visionmodel en een tekstmodel als één stap in plaats van twee te draaien.

Het ding om in de gaten te houden

Beide releases zijn half af in tegenovergestelde richtingen, en beide hiaten worden volgens iemand anders' planning gedicht. Ant is nog een prijslijst, een modelkaart en — als het patroon van 2026 aanhoudt — een MIT-gelicentieerd checkpoint verschuldigd. Baidu is de post-getrainde ERNIE 5.5 Flash verschuldigd, en het is een duidelijker verklaring verschuldigd of de Territory-clausule van toepassing is op de outputs van het model of alleen op de gewichten en hun afgeleiden, wat zoals de tekst er staat breder lijkt dan de meeste teams zullen aannemen.

Tot een van die twee beschikbaar komt, is de vergelijking eenvoudig: Ling-3.2-flash is degene die je vandaag kunt evalueren en niet kunt budgetteren, en ERNIE-5.5-Flash-Base is degene waarvoor je wel kunt budgetteren en die je niet kunt aanroepen.