
Hy4 flash-Base vs ERNIE 5.5 Flash Base: de enige eerlijke vergelijking die een van beide leveranciers heeft gepubliceerd
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 138 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 175 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 89 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 97 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 120 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 116 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
Twee Chinese labs publiceerden met twaalf dagen ertussen voorgetrainde checkpoints, en voor één keer schrijft de vergelijkingstabel zichzelf: Hy4 flash-Base tegenover ERNIE 5.5 Flash Base, hetzelfde soort artefact uit dezelfde fase van de pipeline, op dezelfde manier geëvalueerd. Tencent publiceerde Hy4 flash-Base op 17 november 2026 samen met het instructiemodel. Baidu publiceerde ERNIE 5.5 Flash Base op 5 november 2026, en op het moment van schrijven is het nog steeds het enige ERNIE 5.5-artefact dat bestaat — het post-trained chatmodel is nog niet uitgebracht.
Dat verschil in wat er rond de checkpoint zit, is grotendeels wat deze vergelijking een pagina waard maakt. Als je de twee bases vergelijkt, zie je hoe de pre-training is verlopen. Als je de twee releases vergelijkt, zie je iets minder flatteus over beide: het ene bedrijf leverde de grondstof en het eindproduct op dezelfde dag, het andere leverde de grondstof en een belofte.
Waarom basis-checkpoints de eerlijke vergelijking zijn
Bijna elke modelvergelijking die je leest, is stilletjes oneerlijk, omdat ze het afgewerkte, op instructies afgestemde model van de ene leverancier tegenover het afgewerkte, op instructies afgestemde model van een andere leverancier zet, elk geëvalueerd op zijn eigen harness met zijn eigen baselines. Basis-checkpoints halen een van die variabelen weg. Geen van beide modellen is post-trained, geen van beide heeft een chat-template die het uitvoerformaat vormgeeft, en beide leveranciers publiceren few-shot-tabellen op standaard academische benchmarks in plaats van aangepaste agentic suites.
Wat overblijft — de harness, de shot-aantallen, de subsets — is nog steeds leveranciersspecifiek, dus niets hier is een gecontroleerd experiment. Maar een base-versus-base-tabel is een vergelijking van pre-training-runs, en pre-training is het dure deel. Het is het dichtst bij een appels-met-appels-getal dat deze twee bedrijven over elkaar hebben gepubliceerd.
De twee controlepunten, naast elkaar
• Parameters — Hy4 flash-Base 220,3B totaal, 12B actief per token; ERNIE 5.5 Flash Base 280B totaal, 14B actief per token.
• Waar de parameters zich bevinden — Hy4 flash-Base heeft 155,5B in de 42-laagse backbone, 63,5B in Engram n-gram-embeddingtabellen, 0,43B in een vision-encoder en 0,85B in een DFly2-drafter; de 280B van ERNIE is een meer conventionele MoE-spreiding, plus een ECHO-module van 0,36B die buiten de hoofdtelling valt.
• Diepte en routering — 42 lagen (één dense, 41 MoE) met 512 gerouteerde experts plus één gedeelde, 16 actieve, hidden size 3.072, voor Hy4 flash-Base; 43 lagen (één dense, 42 Multi-Router Latent MoE) met 512 gerouteerde experts plus één gedeelde, top-10, hidden size 4.096, voor ERNIE.
• Context — 1,048,576 tokens geconfigureerd op beide. Tencent trainde Hy4 flash rechtstreeks op die lengte; Baidu trainde ERNIE op 128,000 en stelde de vrijgegeven configuratie in op 1,048,576 voor fine-tuning en inferentie, wat een capaciteit van de configuratie is in plaats van een gemeten gedrag.
• Modaliteit — tekst en afbeelding als invoer, tekst als uitvoer, bij beide. Hy4 flash-Base wordt geleverd met een van SigLIP2 afgeleide vision-encoder; de kaart van ERNIE 5.5 Flash Base vermeldt alleen tekstinvoer in de model-linktabel.
• Licentie — Tencent Hy License v1.0, een van Apache 2.0 afgeleide licentie met een MaaS-clausule bij een omzet van $50 miljoen of 100 miljoen MAU; ERNIE 5.5 Flash Base Model License v1.0, die de Europese Unie, het Verenigd Koninkrijk en Zuid-Korea volledig als territoria uitsluit.
De licentierij is geen voetnoot. Een Europees team kan het ERNIE-checkpoint helemaal niet gebruiken onder zijn subsidie, en geen enkele benchmarkvoorsprong verandert daar iets aan. Een team van elke omvang kan Hy4 flash-Base gebruiken, en een team met meer dan $50 miljoen aan MaaS-omzet moet een e-mail sturen voordat het dat doet.
Wat de tabel van Baidu zegt, en wat het kost om die te geloven
De vergelijkingsset van Baidu is de juiste voor een baserelease: ERNIE 5.5 Flash Base tegenover DeepSeek-V4-Flash-Base, Hy3-preview-Base en MiMo-V2.5-Base, op één pipeline die de kaart beschrijft als gedeeld door alle vier. Elk cijfer hieronder is door Baidu gerapporteerd en niet gereproduceerd.
• MMLU — 93,3 ERNIE, 89,4 DeepSeek-V4-Flash-Base, 87,5 Hy3-preview-Base, 87,6 MiMo-V2.5-Base.
• MMLU-Pro — 78,4 tegenover 69,2, 66,9 en 65,7. Het grootste verschil in de set.
• GPQA — 60,2 tegen 55,9, 50,2 en 51,4.
HumanEval+ — 82,3 tegenover 69,5, 78,0 en 74,4.
• LiveCodeBench — 40,1 tegenover 31,9, 33,5 en 32,4.
• LongBench-v2 — 48,7 tegenover 44,5, 39,8 en 44,6.
BBH met chain-of-thought — 89,2 tegenover Hy3-preview-Base 90,0 en MiMo-V2.5-Base 89,8. Een driewegsgelijkspel binnen de ruis, wat de vetgedrukte opmaak ook moge suggereren.
• ChineseSimpleQA — 73,0 tegen de 75,3 van DeepSeek. Een nederlaag, op de benchmark die het dichtst bij Baidu's thuismarkt ligt.
De tabel verliest rijen, en daarom leest hij als een tabel die iemand heeft gebouwd in plaats van een die iemand heeft uitgekozen. Let op wat eraan ontbreekt: Hy4 flash-Base. Het checkpoint van Tencent bestond op 5 november niet, dus niemand heeft ooit een directe rij tussen de twee modellen in deze vergelijking gepubliceerd.
Wat de tabel van Tencent zegt, inclusief de disclaimer
De basistabel van Tencent is vijfledig — Hy4 flash-Base, Hy4 Base, Hy3 preview Base, DeepSeek-V4-flash-Base en DeepSeek-V4-Pro-Base — en verliest ook rijen. Door de leverancier gemeld, niet gereproduceerd:
• MMLU-Pro — 71,1 voor Hy4 flash-Base tegenover 73,9 voor Hy4 Base, 65,8 voor Hy3 preview Base, 68,6 voor DeepSeek-V4-flash-Base en 73,4 voor DeepSeek-V4-Pro-Base.
• SimpleQA — 37,5 tegenover 57,2, 26,4, 31,3 en 52,1. Het grootste verlies op de kaart.
• C-Eval — 92,0 tegenover 95,0, 90,1, 91,9 en 93,4.
• CMMLU — 91,6 tegenover 93,1, 89,6, 89,8 en 90,7.
• AGIEval Chinees — 90,6 tegenover 91,2, 87,8, 88,5 en 89,8.
• Belebele — 93,8 tegen 95,0, 94,2, 94,4 en 95,2.
• INBEGREPEN — 82,8 tegenover 88,1, 84,3, 84,0 en 84,3.
• MMMU-Pro — 52,0 tegenover 59,6 voor Hy4 Base. De multimodale rijen bestaan alleen voor de twee Hy-modellen.
In zijn geheel gelezen: Hy4 flash-Base is een kleiner, goedkoper model dan zijn broers en zussen en verliest op de meeste rijen van hen, wat precies is wat een model met 12B actieve parameters zou moeten doen tegen een met 49B actieve parameters. De interessante rijen zijn de meertalige, waar het binnen een punt of twee blijft van veel grotere modellen, en SimpleQA, waar het twintig punten achterloopt op Hy4 Base — een kloof in feitenretrieval die iets zegt over hoeveel van dat vermogen in parameteraantal zit in plaats van in trainingsdata.
Tencent maakt ook uit eigen beweging een voorbehoud dat de kaart van Baidu niet maakt: omdat het basismodel tijdens de mid-training is blootgesteld aan een grote hoeveelheid synthetische instructiedata, "slaagt het er af en toe niet in om in few-shot-evaluaties het verwachte antwoordformaat te volgen, waardoor de scores kunnen worden vertekend." Dat een leverancier je vertelt dat zijn eigen evaluatieharnas mogelijk formaatnaleving meet, is zeldzaam genoeg om de zin waard te zijn.

De twee tabellen kunnen niet op elkaar worden gelegd
{{1}}Hier is de valkuil in deze vergelijking, en het loont om die ronduit te benoemen, want het grootste deel van het internet doet dat niet.{{/1}} {{2}}Beide leveranciers publiceren MMLU-Pro.{{/2}} {{3}}Baidu rapporteert 78,4 voor ERNIE 5.5 Flash Base.{{/3}} {{4}}Tencent rapporteert 71,1 voor Hy4 flash-Base.{{/4}} {{5}}Het is verleidelijk om af te trekken en een overwinning van 7,3 punten voor Baidu te rapporteren.{{/5}} {{6}}Die aftrekking is niet verdedigbaar.{{/6}}
Verschillende shot-aantallen, verschillende promptformaten, en in het geval van Hy4 flash-Base een toegegeven probleem met het volgen van formaten dat een macro-gemiddelde score kan drukken. Het enige getal in beide tabellen dat een gedeelde definitie heeft — Belebele op een subset van vijf talen — bedraagt 93,8 voor Hy4 flash-Base en ontbreekt eenvoudigweg in Baidu's tabel. Er is geen overlap die rigoureus genoeg is om af te trekken.
Wat je kunt zeggen is beperkter en nog steeds nuttig: {{1}}de checkpoint van elke leverancier verslaat de DeepSeek-baselines van derden die zij zelf hebben gekozen, op de meeste rijen, met marges die hun eigen harnesses opleverden{{/1}}. {{2}}Twee min of meer onafhankelijke beweringen in dezelfde richting vormen sterker bewijs dan elk afzonderlijk en zwakker dan een gedeelde benchmark{{/2}}. Dat is het eerlijke plafond van wat deze twee kaarten ondersteunen.

De ene release is voltooid; de andere is een belofte.
Dit is de asymmetrie die meer uitmaakt dan elke rij hierboven, en het gaat niet om de kwaliteit van de benchmark.
Tencent publiceerde op 17 november drie artefacten: het instructmodel, de FP8-build en het basis-checkpoint. Een team dat vandaag een chatmodel wil, kan er een downloaden, het in vLLM laden met de vastgezette vllm/vllm-openai:hy4-flash-image, en het serveren. Het basis-checkpoint is er voor mensen die willen fine-tunen, en de modelkaart verwijst naar een gids voor fine-tuning.
Baidu heeft op 5 november één artefact gepubliceerd. ERNIE 5.5 Flash Base bestaat uit voorgetrainde gewichten. Er is geen op instructies afgestemde ERNIE 5.5 Flash om te downloaden, er is geen API-endpoint onder die naam gedocumenteerd in het releasemateriaal, en de kaart beschrijft het nagetrainde model alleen als iets dat "zou moeten volgen". Een team dat ERNIE 5.5 Flash Base vandaag downloadt, verbindt zich ertoe de post-training zelf te doen, op 280B aan gewichten, voordat het een model heeft dat een vraag in een bruikbaar formaat kan beantwoorden.
Voor een onderzoeksgroep is dat precies het interessante artefact. Voor een productteam is het geen model, maar een vertrekpunt met een onbegrensde hoeveelheid werk eraan vast, en de juiste vergelijking is niet met Hy4 flash-Base maar met Hy4 flash — dat geld per token kost en nu werkt.

Waar een router past in een beslissing over een basis-checkpoint
Base-checkpoints zijn niet wat een router serveert, en het zou onwaarachtig zijn om anders te suggereren. OrcaRouter heeft noch Hy4 flash-Base noch ERNIE 5.5 Flash Base in het aanbod, en het instruct-model van geen van beide leveranciers staat vandaag in de catalogus. Wat de catalogus wél bevat, is tencent/hy4-preview — het 770B/49B-model waaruit Hy4 flash is gedistilleerd — voor $0,834 per miljoen inputtokens en $2,501 per miljoen outputtokens, met een cache-read van $0,042.
Dat doet ertoe voor een specifieke beslissing. Als je overweegt of je een 220B-basis-checkpoint moet fine-tunen, is de eerste vraag of het gedrag van de familie überhaupt bij je taak past, en het preview-model beantwoordt dat in een middag voor de prijs van de tokens die je aan testen besteedt. Dat doen voordat je acht GPU's inricht voor een tensor-parallelle FP8-deployment is de goedkoopste stap in het hele project. De lijstprijs van de provider wordt doorgegeven met 0% marge, dus een prijswijziging van Tencent bereikt de catalogus op de dag dat die plaatsvindt in plaats van bij de volgende rebuild, en automatische failover betekent dat een evaluatietaak niet omvalt omdat één upstream een slecht uur had.
Als de fine-tune werkt, bezit je de gewichten en maakt de router geen deel meer uit van dat pad. Als dat niet zo is, heb je een middag in plaats van een kwartaal besteed om daarachter te komen.
Hoe lees je deze matchup?
Als je een model wilt dat werk kan doen, dan is deze pagina de verkeerde pagina: Hy4 flash is het afgewerkte model en ERNIE 5.5 Flash heeft er nog geen. Als je een vooraf getraind basismodel wilt om op voort te bouwen, dan liggen de twee kandidaten dichter bij elkaar dan de marketing suggereert en verder uit elkaar dan een benchmark-aftrekking zou aangeven.
ERNIE 5.5 Flash Base is groter, is langer getraind — 33,5 biljoen tokens met de Muon-optimizer — en rapporteert sterkere scores op zijn eigen testomgeving, inclusief een MMLU-Pro-waarde die geen enkel Tencent-model op de vergelijkingskaart evenaart. Hy4 flash-Base is kleiner, goedkoper te serveren met 12B actief, native multimodaal, wordt geleverd met een vision-encoder en een speculatieve-decodering-opsteller, en heeft een licentie die drie rechtsgebieden niet uitsluit.
De beslissende factor is waarschijnlijk noch capaciteit noch licentie, maar de twaalf dagen tussen beide. Baidu's checkpoint heeft bijna twee weken de tijd gehad voor de fine-tuninggemeenschap om iets te produceren; Hy4 flash-Base heeft er één gehad. Let op of een instructie-getunede ERNIE 5.5 Flash verschijnt, en let op of iemand een LoRA voor Hy4 flash-Base publiceert. Het eerste zou dit een echte vergelijking maken, met hoogstwaarschijnlijk een gedeelde benchmark die volgt; het tweede zou je vertellen welke basis de praktijkmensen daadwerkelijk prefereerden.
Vergeleken in dit artikel1
Herkend uit dit artikel
