ERNIE-5.5-Flash vs GPT-6 Luna: Co tak naprawdę jest ci winna wersja Flash?

„Flash” nie jest liczbą parametrów. To obietnica handlowa złożona z czterech klauzul: ceny za milion tokenów, opóźnienia, wokół którego można zaplanować żądanie, okna kontekstowego, pod które można dopasować rozmiar aplikacji, oraz wyniku sprawdzonego przez kogoś niezależnego. GPT-6 Luna, udostępniony przez OpenAI 22 września 2026 r., publikuje wszystkie cztery. ERNIE-5.5-Flash, którego bazowe wagi Baidu udostępniło 5 listopada 2026 r., nie publikuje żadnego z nich — brak ceny, brak opóźnienia w udostępnianej usłudze, brak niezależnej oceny i wartość kontekstu, która opisuje konfigurację checkpointu, a nie endpoint. Zestawienie ERNIE-5.5-Flash z GPT-6 Luna nie jest zatem bezpośrednim starciem. To użyteczny test tego, co słowo „Flash” ma gwarantować, oraz demonstracja, jak dużej części tej gwarancji Baidu jeszcze nie udzieliło. Luna jest udostępniana po cenie katalogowej dostawcy, przy czym polityki routingu dotyczące nakładu i kontekstu są zebrane w jednym miejscu.

Klauzula pierwsza: cena

GPT-6 Luna ma cenę $0.10 za milion tokenów wejściowych i $0.50 za milion tokenów wyjściowych. Odczyt z pamięci podręcznej wejścia kosztuje około $0.01, zapis do pamięci podręcznej około $0.125, a prompty powyżej 272K tokenów wejściowych przechodzą do wyższego progu cenowego po $0.20/$0.75. W porównaniu z GPT-6 Sol po $2/$10 i GPT-6 Astra po $10/$50 Luna kosztuje odpowiednio około jednej dwudziestej i jednej setnej tych kwot — OpenAI przedstawia premierę jako trwałą obniżkę o 50 procent względem cen promocyjnych GPT-5.6, a nie tymczasową zniżkę.

ERNIE-5.5-Flash nie ma ceny. Nie jest to cena niepublikowana ani wycena dla przedsiębiorstw: model po treningu nie istnieje, więc nie ma czego wyceniać. Istnieje natomiast ERNIE-5.5-Flash-Base — rzadki model MoE z 280 mld parametrów i 14 mld aktywnych na token, objęty umową ERNIE 5.5 Flash Base Model License Agreement v1.0, dostępny do bezpłatnego pobrania w FP8 i BF16.

To cała treść klauzuli pierwszej. Model po dziesięć centów za milion tokenów wejściowych po jednej stronie, a repozytorium po drugiej.

Klauzula druga: opóźnienie

Profil opóźnień Luny jest niezwykle uczciwy w kwestii własnych kompromisów. Generowanie odbywa się z prędkością około 154 tokenów na sekundę. Przy niskim wysiłku rozumowania mediana czasu do pierwszego tokenu wynosi około 1,5 sekundy. Przy maksymalnym wysiłku rozumowania wydłuża się do około 124 sekund — wartość, która przy tym ustawieniu czyni model nieużytecznym do pracy interaktywnej, a całkowicie rozsądnym do analizy wsadowej. Wariant Flash, który publikuje obie te liczby, mówi ci, do jakich wdrożeń jest przeznaczony.

ERNIE-5.5-Flash nie podaje przepustowości ani czasu do pierwszego tokenu, ponieważ nie ma udostępnionego punktu końcowego, którego można by zmierzyć. To, co można wywnioskować, ma charakter architektoniczny: 14B aktywnych parametrów na token z 280B łącznie to projekt nastawiony na tanie, szybkie dekodowanie, a 14B aktywnych to mniejszy zestaw roboczy niż 18B w GLM-5.3 Flash lub podział 8B wejścia/16B wyjścia w DeepSeek V4.1 Flash. Na papierze jest stworzony, by być szybki. Na papierze to twierdzenie musi pozostać, dopóki ktoś go nie udostępni.

Klauzula trzecia: kontekst

Okno GPT-6 Luna wynosi około miliona tokenów, a limit wyjścia to blisko 128K. Warto zauważyć, że jest ono większe niż 872K w GPT-6 Sol — tańszy model przyjmuje więcej danych wejściowych niż droższy. Odwraca to typową logikę eskalacji. Standardowy wzorzec routingu brzmi: „duży ładunek wyślij do dużego modelu”; Luna to łamie, a każdy router skonfigurowany na starym założeniu będzie przepłacać.

ERNIE-5.5-Flash-Base podaje 128K kontekstu treningowego oraz 1 048 576 tokenów włączonych do dostrajania i wnioskowania w udostępnionej konfiguracji. To nie są liczby tego samego rodzaju co u Luny. Jedna to flaga konfiguracyjna na punkcie kontrolnym, który nigdy nie był obsługiwany przy takiej długości; druga to limit produktu z przypisanym progiem cenowym przy 272K. Dowody Baidu na długi kontekst to przegląd benchmarków — HELMET-RAG 71,5, RepoQA 91,7, LongBench-v2 48,7, InfiniteBench 46,5 — przeprowadzony w ramach własnego środowiska testowego, a wpis przyznaje, że co najmniej dwa z tych wierszy dotyczących długiego kontekstu przypadają konkurencyjnemu modelowi bazowemu.

Klauzula czwarta: wynik sprawdzony przez kogoś innego

Opublikowana pozycja Luny jest mieszana i właśnie to czyni ją wiarygodną. BenchGecko podaje średni wynik 55,9 i pozycję około 116.; dane od podmiotów powiązanych z dostawcą obejmują DeepSWE v1.1 na poziomie 66,6, OSWorld 2.0 na poziomie 52,7, LiveBench coding 79 i math 89,1. Terminal-Bench 4.0 osiąga około 13,6 procent w przebiegu Vals AI, a AutomationBench 20,7. Artificial Analysis plasuje jej indeks inteligencji na około 37–38, poniżej Sol na około 48 i Astra na około 53, a jej indeks agenta kodującego na około 41 — to regresja względem 43 w GPT-5.6 Luna. Wskaźnik halucynacji poprawił się z 93 procent do 77 procent, co jest lepsze, ale wciąż nie jest dobre.

Więc Luna to tani model z udokumentowanym pułapem i co najmniej jednym udokumentowanym regresem. Dla kupującego jest to bardziej przydatne niż mocny wynik bez informacji o pochodzeniu, ponieważ mówi ci, gdzie go nie używać: w pętlach kodowania agentowego, przy odtwarzaniu faktów w sytuacjach wysokiego ryzyka i w czymkolwiek, co zależy od manipulacji środowiskiem w stylu Terminal-Bench.

Strona ERNIE-5.5-Flash w tej klauzuli to tabela modelu bazowego. MMLU 93.3, MMLU-Pro 78.4, GPQA 60.2, HumanEval+ 82.3, LiveCodeBench 40.1 — wszystkie zmierzone przed post-trainingiem, w harnessie Baidu, względem innych checkpointów bazowych. To jest prawidłowa tabela. To nie jest odpowiedź na pytanie „jak dobry jest model, który bym wywołał”, ponieważ model, który byś wywołał, nie został jeszcze zbudowany.

Dlaczego „Flash” przy 280B to zupełnie inna bajka

Pod tym porównaniem kryje się pewna kwestia strukturalna. Luna to mały model, którego niska cena wynika z małego rozmiaru. ERNIE-5.5-Flash to duży model, którego niska cena wynika z aktywowania niewielkiego fragmentu samego siebie — 14B z 280B na token. Ekonomia jest tu naprawdę inna: koszt pamięci skaluje się z całkowitymi 280B, a koszt obliczeń skaluje się z aktywnymi 14B. Dla dostawcy obsługującego duży wolumen to atrakcyjny kształt, ponieważ droga część jest amortyzowana przez wiele równoczesnych żądań, a tania część to koszt każdego tokenu.

Dla osoby hostującej model u siebie ten sam kształt jest problemem. Potrzebujesz pamięci na 280B parametrów w FP8 — rzędu 280 GB przed KV cache — aby uzyskać profil obliczeniowy modelu 14B. To wdrożenie w centrum danych, a nie na stacji roboczej, i dlatego bazowe checkpointy tego rozmiaru zwykle stają się API, a nie modelami lokalnymi.

Luna to przeciwieństwo: wystarczająco mała, by można ją było szeroko udostępniać, wyceniona odpowiednio i dostępna przez API OpenAI, ChatGPT Work, Codex oraz aplikację desktopową w planach Free i Go. Dystrybucja jest częścią produktu.

Gdzie OrcaRouter pasuje, a gdzie nie

GPT-6 Luna jest dostępny w routingu na OrcaRouter jako openai/gpt-6-luna, w cenie katalogowej dostawcy z 0% marży. Ma to większe znaczenie niż zwykle w przypadku tego modelu, ponieważ ciekawe decyzje routingowe wokół Luny nie dotyczą wcale ceny — dotyczą nakładu pracy. Żądanie wymagające opóźnienia pierwszego tokenu na poziomie 1,5 sekundy nie powinno być wysyłane z tym samym ustawieniem nakładu co zadanie wsadowe, które może czekać dwie minuty, a obciążenie okazjonalnie potrzebujące 800 tys. tokenów kontekstu nie powinno domyślnie trafiać do Sol w założeniu, że większy model ma większe okno. Warstwa routingu, która potrafi utrzymać te zasady w jednym miejscu, z automatycznym przełączaniem awaryjnym, gdy dostawca zawodzi, wykonuje tu realną pracę.

ERNIE-5.5-Flash nie znajduje się w katalogu OrcaRouter — 216 identyfikatorów modeli, żadnego wpisu ERNIE — i niczego w tym artykule nie należy odczytywać jako twierdzenia, że tak jest. Nie ma punktu końcowego, do którego można by kierować ruch. Uczciwe stanowisko jest takie, że w dniu, w którym Baidu udostępni model po treningu, kwestia routingu staje się interesująca; dziś jest hipotetyczna.

Co sprawiłoby, że ERNIE mógłby konkurować z Luna?

Cztery rzeczy, i to te same cztery klauzule.

• Cena wynosząca $0.10/$0.50 lub mniej. Wszystko powyżej stawki Luny musi się uzasadniać jakością w języku chińskim lub rezydencją danych, a Baidu jak dotąd nie przedstawił żadnego z tych argumentów dla tego modelu.

• Zmierzona wartość przepustowości. Konstrukcja z 14B aktywnych parametrów sugeruje, że model może być szybki; dopóki dostawca nie opublikuje liczby tokenów na sekundę i czasu do pierwszego tokena, jest to wniosek architektoniczny, a nie specyfikacja.

• Obsługiwany limit kontekstu z przypisaną ceną. Konfiguracja 1,048,576 tokenów to możliwość checkpointu. Okno Luny jest warunkiem produktowym, obejmującym poziom cenowy 272K. To odmienne zobowiązania.

• Model po treningu dostrajającym, poddany niezależnej ocenie. To jest ten najważniejszy element. Odległość między bazowym checkpointem a gotowym modelem Flash to przestrzeń, w której mieszczą się podążanie za instrukcjami, korzystanie z narzędzi i dyscyplina formatowania, i dokładnie tę odległość Luna już pokonała.

Dopóki te cztery nie istnieją, porównanie daje jasną odpowiedź każdemu, kto kupuje moc obliczeniową: GPT-6 Luna, mimo udokumentowanych słabości, jest realną opcją w realnej cenie, a ERNIE-5.5-Flash to wydanie badawcze noszące nazwę poziomu produktowego. Ciekawszą obserwacją jest to, że Baidu zdecydował się najpierw udostępnić wagi bazowe i głośno udokumentował architekturę — 43 warstwy, 37 HCA plus 6 MLA-DSA, 512 routowanych ekspertów w top-10, słownik 201 216 tokenów — co czyta się jak laboratorium zapraszające do prac post-treningowych, a nie dostawca otwierający kanał sprzedaży. Oceniając je według tego standardu, to dobre wydanie. Oceniając je na tle Luny, nie jest jeszcze na tym samym rynku.