ERNIE-5.5-Flash kontra GLM-5.3 Flash: dwa otwarte repozytoria, dwie bardzo różne oferty

Zarówno ERNIE-5.5-Flash, jak i GLM-5.3 Flash można pobrać w tym tygodniu, oba to rzadkie modele typu mixture-of-experts w tej samej klasie wagowej i oba mieszczą się na mniej więcej tej samej półce GPU w FP8. I tu podobieństwa się kończą. GLM-5.3 Flash, wydany przez Z.ai 26 sierpnia 2026 r., to ukończony model multimodalny na licencji MIT z opublikowaną ceną i działającym endpointem. ERNIE-5.5-Flash-Base, wydany przez Baidu 5 listopada 2026 r., to checkpoint końca pretreningu modelu, który nie przeszedł posttreningu, na licencji dedykowanej, bez ceny i bez endpointu. Porównywanie ich jako rywalizujących modeli otwartych jest uzasadnione. Porównywanie ich jako modeli wzajemnie zastępowalnych już nie, a luka ma charakter prawny i proceduralny, zanim staje się techniczna. Oba warianty GLM są rozliczane według cen katalogowych dostawcy, więc wypróbowanie wariantu z darmowego planu nic nie kosztuje.

Co tak naprawdę znajduje się w każdym repozytorium?

GLM-5.3 Flash to model o 320B parametrów, z 18B aktywnymi na token, 45 warstwami i hybrydą uwagi liniowej i rzadkiej, która według Z.ai skraca obliczenia uwagi około trzykrotnie i zmniejsza pamięć podręczną KV około 4,4-krotnie względem tekstowego GLM-5.3. Okno kontekstu wynosi 1 048 576 tokenów, limit wyjścia wynosi gdzieś między 128K a 131K w zależności od hosta, a model przyjmuje tekst, obrazy i wideo, zwracając tekst. Wagi FP8 w Hugging Face zajmują około 328 GB.

ERNIE-5.5-Flash-Base ma łącznie 280 mld parametrów, z czego 14 mld aktywnych, 33,5 bln tokenów pretreningu i 43 warstwy — jedną gęstą oraz 42 MoE — przy czym 37 warstw wykorzystuje skompresowaną uwagę HCA, a sześć — MLA oraz rzadką uwagę w stylu DeepSeek. Rozmiar ukryty 4096, 64 głowice, 512 ekspertów routowanych z top-10 plus jeden ekspert współdzielony, słownik 201 216. Kontekst treningowy 128K, a w udostępnionej konfiguracji 1 048 576 jest włączony do dostrajania i wnioskowania. Warianty FP8 i BF16, oba na Hugging Face.

• Łączna liczba parametrów — ERNIE 280B kontra GLM 320B

• Aktywne na token — 14B vs 18B

• Warstwy — 43 vs 45

• Kontekst — 1M do wnioskowania vs 1M

• Modalność — tylko tekst vs tekst, obraz i wideo w

• Licencja — ERNIE 5.5 Flash Base License v1.0 vs MIT

• Po treningu — brak vs dostrojony do instrukcji

• Cena — brak opublikowanych danych vs 0,15 USD za wejście / 0,50 USD za wyjście

Różnica w liczbie parametrów jest mniejsza, niż sugeruje nazewnictwo, i przebiega w przeciwnym kierunku, niż można by przypuszczać: ERNIE aktywuje mniej parametrów na token i ma ich mniej łącznie, co na papierze czyni go tańszym z tych dwóch w obsłudze. Konkretną liczbą jest zajętość 328GB w FP8 w GLM; ERNIE z 280B plasuje się w tym samym rzędzie wielkości, przed doliczeniem KV cache.

Licencja to pierwsze rozwidlenie na drodze

MIT nie jest szczegółem marketingowym. Oznacza komercyjne wykorzystanie, modyfikację, redystrybucję i modele pochodne bez warunków dotyczących zakresu zastosowań, które trzeba negocjować, i bez odrębnej umowy do podpisania. Zespół może dostroić GLM-5.3 Flash na zastrzeżonych danych i wdrożyć wynik bez rozmowy z działem prawnym Z.ai.

ERNIE-5.5-Flash-Base jest udostępniany na podstawie ERNIE 5.5 Flash Base Model License Agreement v1.0. To umowa szyta na miarę, a kontrast wart poznania ma charakter historyczny: Baidu udostępnił rodzinę ERNIE 4.5 na licencji Apache 2.0 w 2025 r. Przejście na własną licencję dla bazy 5.5 to celowe zaostrzenie, a nie przeoczenie, i następuje dokładnie w momencie, gdy wagi stają się naprawdę użyteczne — bazowy checkpoint znacznie częściej bywa dostrajany i redystrybuowany niż model dostrojony do instrukcji.

W zastosowaniach akademickich i badawczych praktyczna różnica może być zerowa. Dla każdego, kto buduje produkt, to pierwszy dokument, który należy przeczytać, i być może powód, aby wybrać inne repozytorium. Wagi, które można pobrać, to nie to samo co wagi, na których można budować.

Modalność decyduje o większej liczbie obciążeń niż benchmarki.

GLM-5.3 Flash obsługuje wideo. Sama ta jedna możliwość wyklucza go z porównania z ERNIE w przypadku dużej klasy obciążeń w 2026 r. — nagrań ekranu, materiałów wideo produktowych, klipów z monitoringu, nagrań wykładów. GLM obsługuje również obrazy, co obejmuje faktury, wykresy, zrzuty ekranu i całą kategorię przetwarzania dokumentów.

ERNIE-5.5-Flash-Base to model językowy. Tekst na wejściu, tekst na wyjściu. Jeśli ERNIE 5.5 Flash po treningu dostrajającym kiedykolwiek zostanie udostępniony z multimodalnym wejściem, Baidu tego nie zapowiedział; komunikat o wydaniu opisuje model tekstowy, a zestaw testów porównawczych obejmuje wiedzę, rozumowanie, matematykę, kod, wielojęzyczność i długi kontekst. Nic w opublikowanych materiałach nie wskazuje na możliwości wizualne.

Tę asymetrię warto ująć wprost, ponieważ łatwo ją przeoczyć w porównaniu specyfikacji. Model tekstowy 280B i multimodalny model 320B nie są alternatywami w decyzji zakupowej; są odpowiedziami na różne pytania. Jedyny obszar wspólny to generowanie wyłącznie tekstu i w tym obszarze gotowy model wygrywa domyślnie, ponieważ istnieje.

Gdzie GLM-5.3 Flash wypada słabiej, niż sugerowała jego premiera

Uczciwość działa w obie strony. Publikowane mocne strony GLM-5.3 Flash są prawdziwe — DeepSWE 63,4 wobec 46,2 w GLM-5.2, Terminal-Bench 2.1 na poziomie 84,3, MMLU-Pro 86,1, MMMU-Pro 86,0, HLE z narzędziami 55,3 — a Artificial Analysis umieszcza jego wskaźnik kodowania na 71,5, a ogólny wskaźnik inteligencji na 41,8. Jednak te same ewaluacje pokazują model o wąskich, głębokich słabościach: ProgramBench uzyskuje wyniki od około zera do 1,5, SRE Bench 0,8, Legal Agent 6,7. Jego opóźnienie pierwszego tokenu jest również wyraźnie wolne jak na model klasy Flash — 6,36 sekundy przy p50 w siedmiodniowym ruchu OrcaRouter — w porównaniu z około 1,7 sekundy dla większego GLM-5.

Nic z tego nie czyni ERNIE lepszym wyborem. To czyni GLM znaną wielkością — modelem, którego tryby awarii zostały zmierzone przez strony trzecie. Tryby awarii ERNIE nie zostały w ogóle zmierzone, ponieważ nie ma modelu typu instruct, który można by zmierzyć. W decyzji opartej na ewaluacji nieznane tryby awarii są gorsze od udokumentowanych, nawet gdy te udokumentowane są złe.

Ścieżki dostrajania: obie istnieją, jedna ma przewagę na starcie

Baidu postąpiło właściwie w kwestii narzędzi. Karta modelu ERNIE zawiera przykłady SGLang i vLLM, a repozytorium Megatron-Bridge firmy NVIDIA dodało przykład ERNIE 5.5 obejmujący dostrajanie. W przypadku bazowego checkpointu to różnica między artefaktem badawczym a użytecznym punktem wyjścia.

GLM-5.3 Flash jest dostępny do pobrania od końca sierpnia i zdążył już nabrać ekosystemowego „przebiegu”, jaki wiąże się z trzema miesiącami produkcyjnego użytkowania: kwantyzacje, integracje z dostawcami i zgłoszenia błędów. Kiedy o drugiej w nocy wysypuje się kernel, zgłoszenie problemu z GLM zostało już złożone przez kogoś innego. To nie jest benchmark, ale realny koszt wdrożenia — i powinien być brany pod uwagę przy podejmowaniu decyzji.

Dla każdego, kto chce wypróbować GLM-5.3 Flash bez angażowania klastra GPU, OrcaRouter kieruje ruch do z-ai/glm-5.3-flash po cenie katalogowej dostawcy z 0% marży, a w katalogu dostępny jest także wariant w darmowym planie. W tym samym katalogu, liczącym 216 identyfikatorów modeli, nie ma żadnej pozycji ERNIE — brak hostowanej ścieżki, brak ceny, nic do trasowania. To nie jest krytyka wydania Baidu; to praktyczna konsekwencja udostępnienia wag przed produktem.

Które repozytorium sklonować

Sklonuj GLM-5.3 Flash, jeśli potrzebujesz multimodalnego modelu open, który możesz udostępnić za API, dostroić komercyjnie i porównać z opublikowanymi ewaluacjami zewnętrznymi. Licencja MIT, udostępniony endpoint i trzy miesiące eksploatacji produkcyjnej to mocne połączenie, a udokumentowane słabe punkty są wystarczająco wąskie, by je obejść.

Sklonuj ERNIE-5.5-Flash-Base, jeśli prowadzisz kontynuowane pretrenowanie, adaptację domenową lub badania nad post-trainingiem, szczególnie w języku chińskim, i jesteś gotów przeczytać niestandardową licencję, zanim zainwestujesz w cały pipeline. Konfiguracja 280B-A14B jest wydajna, budżet 33,5 bln tokenów to poważna sprawa, architektura jest udokumentowana szczegółowiej niż w większości wydań bazowych, a przykład Megatron-Bridge sprawia, że pierwsze dostrajanie nie jest osobnym projektem badawczym.

Nie klonuj żadnego z nich w nadziei, że będzie gotowym zamiennikiem drugiego. Jeden to ukończony produkt z licencją, która pozwala na niemal wszystko; drugi to mocny punkt wyjścia z licencją, która pozwala na mniej, i produktem, którego jeszcze nie ma. Ciekawym pytaniem jest to, co Baidu udostępni w modelu po treningu i za jaką cenę — bo jeśli trafi w okolice $0.15/$0.50 przy 14B aktywnych parametrów, przestaje to być porównaniem dwóch repozytoriów, a staje się prawdziwym pojedynkiem dwóch otwartych modeli Flash. Do tego czasu te repozytoria w ogóle nie stoją na tej samej półce.