ERNIE 5.5 Flash vs ERNIE 5.5 Flash Base: jeden możesz pobrać, drugi tylko wynająć

Baidu dostarczyło właśnie obie połowy tego samego modelu, w złej kolejności. ERNIE 5.5 Flash Base — checkpoint z 280 miliardami parametrów, 14 miliardów aktywnych na token — pojawił się na Hugging Face 5 listopada 2026 r. wraz z dwudziestostronicową publikacją techniczną, trzydziestoma wierszami wyników benchmarków i licencją, której odczytanie wymagało prawnika. Sześć dni później, 10 listopada, ERNIE 5.5 Flash pojawił się jako płatny endpoint w Baidu Qianfan w cenie 0,28 USD za milion tokenów wejściowych i 1,13 USD za milion tokenów wyjściowych, bez żadnego ogłoszenia, karty modelu ani tabeli ewaluacji. Zatem wybór między ERNIE 5.5 Flash a ERNIE 5.5 Flash Base nie jest wyborem między dużym modelem a małym. To wybór między tym artefaktem, który można sprawdzić, a tym, który można faktycznie wywołać. Wzorce odniesienia, z którymi porównywałbyś którykolwiek model ERNIE, są rozliczane według cen katalogowych dostawców, przy czym opłata OrcaRouter jest pokazana jako 0,00 USD w każdym wierszu więc przebieg porównawczy kosztuje jeden klucz i jedną fakturę.

Te same wagi, dwa różne stany końcowe

Bazowy checkpoint to koniec wstępnego trenowania i nic więcej. Uzupełnia tekst. Nie wykonuje instrukcji, nie utrzymuje promptu systemowego, nie wywołuje narzędzi ani nie odmawia realizacji żądania, ponieważ takie zachowania powstają w wyniku trenowania po wstępnym, a ten checkpoint go nie przeszedł. Baidu mówi to wprost: repozytorium to „checkpoint na końcu wstępnego trenowania, przed jakimkolwiek trenowaniem pośrednim lub późniejszym”, pozycjonowany jako punkt wyjścia do adaptacji dziedzinowej, dostrajania do instrukcji i badań nad uczeniem ze wzmocnieniem.

ERNIE 5.5 Flash to rezultat tego, co uczynił z niego post-training. Odpowiada na prompty, udostępnia wywoływanie funkcji i ustrukturyzowane dane wyjściowe, a zanim się odezwie, najpierw rozumuje. Te dwa byty nie są w żadnym użytecznym sensie wersjami siebie nawzajem — jeden jest danymi wejściowymi treningu, drugi jest produktem — a praktyczna różnica przesądza o całej decyzji.

• Parametry — łącznie 280B, 14B aktywnych na token, rzadka mieszanka ekspertów, po obu stronach. Ta sama architektura.

• Rozmiar pobierania — 288 GB w 139 plikach w repozytorium FP8, obok którego znajduje się osobne repozytorium BF16. To właśnie tę wartość należy uwzględnić w budżecie, a nie podwojoną liczbę parametrów.

• Kontekst — 128 000 tokenów w czasie trenowania, przy czym udostępniona konfiguracja została ustawiona na 1 048 576 na potrzeby dostrajania i wnioskowania. Model udostępniany w wersji usługowej jest podany jako 1 024 000 na wejściu, co oznacza to samo okno zaokrąglone w dół na potrzeby cennika, a nie inną możliwość.

• Pułap wyjściowy — bazowy checkpoint praktycznie go nie ma; model w wersji serwowanej dopuszcza 921 600 tokenów wyjściowych, ponieważ rozumuje przy każdym żądaniu i nie można mu tego zabronić.

• Modalność — tekst na wejściu, tekst na wyjściu, po obu stronach. Bez obrazów, bez audio, bez plików PDF. Każde zadanie zawierające zrzut ekranu jest poza zakresem obu, i nie zmieni tego dostrajanie modelu.

• Cena — wagi są bezpłatne w ramach licencji z ograniczeniami terytorialnymi; API kosztuje 0,28 USD i 1,13 USD za milion tokenów, a wejście z pamięci podręcznej — 0,028 USD.

• Niezależny wynik — żaden z nich go nie ma. Artificial Analysis zawiera wiersze ERNIE 4.5 i ERNIE 5.0, a nie zawiera żadnego wiersza ERNIE 5.5.

Dokumentacja jest dokładnie odwrotna

Dla checkpointu bazowego Baidu opublikowało naprawdę szczegółowy materiał techniczny: architekturę (43 warstwy, 512 ekspertów routowanych na warstwę MoE z selekcją top-10 oraz wspólnym ekspertem), budżet treningowy (33,5 biliona tokenów z optymalizatorem Muon), projekt mechanizmu uwagi, tokenizer, receptury serwowania dla vLLM i SGLang oraz tabelę benchmarków zawierającą wiersze, w których model przegrywa. ChineseSimpleQA osiąga 73,0 wobec 75,3 DeepSeek. BBH z chain-of-thought to trójstronny remis w granicach szumu. To kształt tabeli, którą ktoś zbudował, a nie tabeli, którą ktoś wybrał, i to właśnie taki rodzaj ujawnienia, który zapewnia modelowi uczciwe wysłuchanie.

Dla modelu czatu Baidu opublikował cenę. Brak daty odcięcia wiedzy. Brak oceny. Brak stwierdzenia, czym model po post-trainingu różni się od checkpointu pod jakimkolwiek względem poza zachowaniem. Opis dołączony do endpointu to trzy zdania o architekturze i szybkości — 280 miliardów parametrów łącznie, 14 miliardów aktywnych, okno miliona tokenów, ponad 200 tokenów na sekundę — i nic nie mówi o jakości.

Konsekwencją jest to, że dwa artefakty są oceniane na podstawie niekompatybilnych dowodów. Wszystko, co można wiedzieć o ERNIE 5.5 Flash Base, pochodzi z własnego środowiska testowego Baidu, uruchomionego względem punktów odniesienia wybranych przez Baidu, i wszystko to opisuje model, który nie potrafi postępować zgodnie z instrukcją. Wszystko, co można wiedzieć o ERNIE 5.5 Flash, to cennik. Każdy, kto cytuje wynik 78,4 w MMLU-Pro bazowego checkpointu jako dowód dotyczący modelu czatowego, popełnia najczęstszy błąd możliwy w tym porównaniu: oceny modeli bazowych i oceny modeli instrukcyjnych mierzą różne rzeczy i nie można ich odejmować, dziedziczyć ani ekstrapolować.

Licencja to część, którą ludzie pomijają.

Wagi można pobrać, co nie jest tym samym co open source. Umowa licencyjna ERNIE 5.5 Flash Base Model License Agreement v1.0, z dnia 5 listopada 2026 r. i podlegająca prawu Hongkongu, ogranicza udzielenie licencji ze względu na terytorium i przychody:

• Terytorium — korzystanie, zwielokrotnianie, modyfikowanie i rozpowszechnianie są licencjonowane wszędzie „poza Unią Europejską, Zjednoczonym Królestwem i Koreą Południową”. W przypadku spółki zarejestrowanej w którymkolwiek z tych trzech państw nie jest to kwestia warunków handlowych, lecz zdecydowane „nie”.

• Przychody — bezpłatnie do 50 mln USD rocznego przychodu powiązanego, a nawet poniżej tego progu wymagane jest jednorazowe powiadomienie Baidu. Powyżej tego progu korzystanie musi zostać wstrzymane do czasu otrzymania pisemnego zezwolenia. Przychód powiązany jest agregowany na poziomie produktów i spółek powiązanych, więc limit zostaje osiągnięty szybciej, niż wynikałoby to z rachunku zysków i strat pojedynczego produktu.

• Atrybucja — każdy produkt komercyjny musi w widocznym miejscu wyświetlać „Powered by ERNIE”.

• Wyniki — nie mogą być wykorzystywane do ulepszania żadnego innego modelu. Trenowanie modelu pochodnego jest dozwolone; destylowanie tego modelu do czegoś innego — nie.

Nic z tego nie dotyczy wywołań realizowanych przez API Baidu. Ścieżka hostowana podlega warunkom komercyjnego API, a nie licencji na wagi, więc europejski zespół wykluczony z pobierania nadal może wynajmować model za token — co po cichu jest jednym z mocniejszych argumentów za punktem końcowym zamiast repozytorium.

Którego właściwie chcesz

Decyzja wynika z trzech pytań, a żadne z nich nie brzmi: „który jest mądrzejszy”.

Czy możesz uruchomić 288 GB? Jeśli nie, bazowy checkpoint nie wchodzi w grę niezależnie od warunków, a porównanie sprowadza się do „użyj API albo użyj innego modelu”. 280B mieszanina ekspertów z 14B aktywnymi parametrami jest tania w obsłudze na token i droga w hostowaniu na maszynę, a różnica między tymi dwoma faktami jest miejscem, w którym umiera większość planów self-hostingu.

Czy Twoje zadanie jest stałe i ma duży wolumen? To jedyny przypadek, w którym wagi wygrywają pod względem ekonomicznym. Jedno wąskie zadanie — klasyfikacja, ekstrakcja, transformacja specyficzna dla danej dziedziny — dostrojone do bazowego checkpointu amortyzuje koszt treningu, a następnie nie kosztuje nic za wywołanie. Płacenie 1,13 USD za milion tokenów wyjściowych na zawsze za zadanie, które mógłbyś mieć na własność, to powolny wyciek, a bazowy checkpoint jest wyceniany, w kategoriach licencyjnych, dokładnie pod takiego nabywcę.

Czy potrzebujesz, żeby to działało w tym tygodniu? W takim razie to endpoint, bo fine-tuning modelu o 280 mld parametrów to pozycja w budżecie i cały kwartał kalendarzowy, a nie jedno popołudnie. API daje ci dziś model z wywoływaniem narzędzi, rozumowaniem i milionem tokenów wejściowych, nieudokumentowany, w cenie mniej więcej dwukrotnie wyższej niż konkurencja z półki Flash — i nie jest to bynajmniej oczywiście nieuzasadniona cena.

Nikt nie powinien traktować tych dwóch jako wymiennych w ewaluacji. Wyniki bazowego checkpointu nie są zapowiedzią jakości API, a cena API nie jest dowodem na jakość API. Jedynym pomiarem, który cokolwiek rozstrzyga, jest twój własny — stały zestaw promptów przepuszczony przez endpoint, liczony w tokenach wyjściowych i porównany z tym, czego i tak zamierzałeś użyć zamiast niego.

Przepuszczanie obu pytań przez jeden klucz

Połowa tej pracy poświęcona porównaniu nie wymaga konta Baidu. OrcaRouter kieruje ponad 200 modeli za jednym kluczem zgodnym z OpenAI po cenach katalogowych dostawcy, bez marży: MiniMax M3.1 Flash w cenie 0,15 USD i 0,60 USD, GLM-5.3-Flash, DeepSeek V4.1 Flash, Qwen 3.8 Flash i Gemini 3.8 Flash — wszystkie są dostępne, a automatyczne przełączanie awaryjne pozwala kontynuować przebieg testu porównawczego, gdy dostawca ma chwilowe problemy w trakcie serii testów. ERNIE 5.5 Flash nie znajduje się wśród nich — w katalogu nie ma wpisu ERNIE ani punktu końcowego Baidu, do którego moglibyśmy kierować żądania — dlatego ten punkt końcowy trzeba wywołać przez własne API Baidu, a jego wyniki przenieść ręcznie.

Tę asymetrię warto przedstawić wprost, zamiast ją obchodzić: model, który możesz pobrać, jest darmowy i bezużyteczny bez przeprowadzenia treningu; model, który możesz wywołać, jest nieudokumentowany i dostępny wyłącznie za pośrednictwem jednego dostawcy; a modele, względem których miałbyś benchmarkować którykolwiek z nich, są na pojedynczym kluczu routowanym. Dwa z tych trzech faktów się zmienią. Klauzula licencyjna prawdopodobnie nie.

To, na co warto uważać, jest węższe niż sam model. Karta modelu ERNIE 5.5 Flash z tabelą ewaluacji uczyniłaby to porównanie rozstrzygalnym. Drugi dostawca udostępniający wersję zapowiedziową sprawiłby, że zarówno jej czas działania, jak i cena stałyby się konkurencyjne. A niezależny wynik od trackera, który uruchamia własne środowisko testowe, rozstrzygnąłby w jedno popołudnie to, czego nie potrafi dwutygodniowe czytanie specyfikacji — ponieważ w tej chwili uczciwe podsumowanie brzmi: Baidu udokumentował tę połowę modelu, z której nikt nie może korzystać, a tę połowę, z której wszyscy mogą korzystać, pozostawił do przyjęcia na wiarę.