ERNIE 5.5 Flash kontra MiniMax M3.1 Flash: okna kontekstu o rozmiarze dwóch milionów tokenów, jeden opublikowany wynik

Oba te modele deklarują okno kontekstu o długości miliona tokenów, oba należą do klasy Flash, oba kosztują mniej niż dolara za milion tokenów wejściowych, a dokładnie jeden z nich ma liczbę w nazwie. MiniMax M3.1 Flash otrzymał ocenę 42 w Artificial Analysis Intelligence Index od swojej premiery 19 października 2026 r., przy cenie 0,22 USD za ukończone zadanie indeksu. ERNIE 5.5 Flash trafił do sprzedaży w Baidu Qianfan 10 listopada 2026 r. z ceną, specyfikacją i bez jakiejkolwiek oceny — ani tabeli dostawcy, ani niezależnego testu, ani daty odcięcia wiedzy. Zatem użyteczne pytanie nie brzmi, który model jest lepszy. Brzmi ono, ile warta jest brakująca ocena i czy oba okna to to samo okno.

W czym te dwie specyfikacje faktycznie się różnią

Kluczowe liczby są wystarczająco bliskie, by wyglądać na wymienne, ale takie nie są. Cztery z poniższych wierszy decydują o rzeczywistych obciążeniach.

• Okno wejściowe — ERNIE 1,024,000 tokenów vs MiniMax 1,000,000. Różnica 24 000 tokenów to szum; traktuj je jako równoważne i przestań je porównywać.

• Limit wyjścia — ERNIE 921,600 tokenów vs MiniMax 524,288. Limit ERNIE jest prawie dwukrotnie wyższy, a powód jest architektoniczny, a nie hojnościowy: nie można wyłączyć jego rozumowania, więc długie pętle agentowe potrzebują miejsca, do którego trafi tok myślenia.

• Cena za milion — ERNIE: 0,28 USD za wejście / 1,13 USD za wyjście / 0,028 USD za odczyt z pamięci podręcznej w porównaniu z MiniMax: 0,15 / 0,60 / 0,015 USD. ERNIE ma 1,87× stawkę wejściową i 1,88× stawkę wyjściową. Odczyty z pamięci podręcznej skalują się w ten sam sposób.

• Modalność — ERNIE obsługuje wyłącznie tekst. MiniMax przyjmuje tekst, obraz i wideo, a zwraca tekst. W przypadku każdego obciążenia zawierającego zrzut ekranu, wykres, zrzut interfejsu użytkownika lub nagrane połączenie, ten wiersz rozstrzyga porównanie, zanim jeszcze padnie temat ceny.

• Sterowanie rozumowaniem — rozumowanie ERNIE jest obowiązkowe, domyślnie włączone i oferowane na jednym poziomie wysiłku: wysokim. MiniMax udostępnia regulowaną głębokość myślenia, co oznacza, że wywołanie klasyfikacji może pominąć myślenie, którego nie potrzebuje.

• Wagi — MiniMax opublikował 23 października 428 mld parametrów (23 mld aktywnych), 252,4 GB w 48 shardach na licencji społecznościowej z linią przychodów o wartości 20 mln dolarów. Bazowy checkpoint ERNIE można pobrać; ERNIE 5.5 Flash po treningu końcowym już nie, a data nie została podana.

• Niezależny wynik — MiniMax 42 w Intelligence Index, 41. miejsce na 173 w momencie oceniania, 0,22 USD za zadanie. ERNIE: brak. Artificial Analysis zawiera wiersze ERNIE 4.5 i ERNIE 5.0, a wiersza ERNIE 5.5 nie ma w ogóle.

Uruchom rachunek trzy razy, a nie raz.

Cennik to najmniej przydatny sposób porównywania dwóch modeli, które oba myślą, zanim odpowiedzą. To samo zadanie wycenione na trzy sposoby jest uczciwsze.

Weźmy obciążenie związane z przeglądem dokumentów: 400 000 tokenów wejściowych, 3000 tokenów wyjściowych na żądanie, sto żądań dziennie. W ERNIE 5.5 Flash to 40 milionów tokenów wejściowych po 0,28 USD i 300 000 tokenów wyjściowych po 1,13 USD — 11,20 USD plus 0,34 USD, czyli 11,54 USD dziennie. W MiniMax M3.1 Flash to 6,00 USD plus 0,18 USD, czyli 6,18 USD. ERNIE kosztuje o 5,36 USD więcej dziennie, czyli około 1950 USD rocznie, za te same 100 dokumentów.

Teraz powtórz to z promptem systemowym, który warto objąć pamięcią podręczną. Jeśli 380 000 z tych tokenów wejściowych to stałe instrukcje, a zmienia się tylko 20 000, odczyty z pamięci podręcznej ERNIE po 0,028 USD zmieniają koszt wejścia z 11,20 USD na około 1,62 USD; stawka MiniMax za pamięć podręczną wynosząca 0,015 USD obniża jego 6,00 USD do około 0,87 USD. Różnica zawęża się do znacznie poniżej dolara dziennie, a oba modele stają się wystarczająco tanie, że wybór przestaje być kwestią finansową. Pamięć podręczna nie jest mikrooptymalizacją w oknie miliona tokenów — to większość rachunku.

Trzeci przebieg to ten, którego nikt nie publikuje. Dodaj tokeny rozumowania. ERNIE nie można poprosić, aby je pomijał; w zadaniu, w którym myśli przez 6000 tokenów, zanim napisze 3000, objętość wyjściowa wynosi 9000 tokenów, a linia wyjściowa się potraja. MiniMaxowi można powiedzieć, żeby myślał mniej, a jego udokumentowane zachowanie jest już niezwykle rozwlekłe — 180 milionów tokenów wyjściowych w całym Intelligence Index wobec mediany 99 milionów — więc w praktyce oba mogą się zbliżyć do siebie. Nikt tego nie wie, ponieważ w ogóle zmierzono tylko jeden z tych modeli. Dopóki nie policzysz tokenów wyjściowych we własnych promptach, drugie miejsce po przecinku w jakimkolwiek tutejszym porównaniu jest ozdobą.

Obowiązkowe rozumowanie to stanowisko projektowe, a nie błąd

Kuszące jest interpretowanie obowiązkowego rozumowania ERNIE wymagającego wysokiego wysiłku jako ograniczenia — i w przypadku niektórych obciążeń dokładnie tak jest: nie ma szybkiej ścieżki dla klasyfikacji jednego słowa, a każde żądanie płaci koszt opóźnienia i tokenów, którego MiniMax pozwala uniknąć. Ale ta sama decyzja wyjaśnia limit wyjścia i mówi coś o tym, dla kogo Baidu to zbudował.

Model, który zawsze rozumuje, z limitem wyjścia wynoszącym 921 600 tokenów, jest stworzony do długich przebiegów agentowych: refaktoryzacji w skali repozytorium, wieloetapowych badań, pętli planowania, które potrzebują miejsca na myślenie. Wydanie bazowego checkpointu Baidu idzie w tym samym kierunku — korpus pretreningowy kładzie nacisk na „kod w skali repozytorium i długi kontekst”, a wiersze benchmarków, które najbardziej mu pochlebiają, to HumanEval+ z wynikiem 82,3 i RepoQA z 91,7; oba są wynikami modelu bazowego, które nic bezpośrednio nie mówią o modelu czatowym, ale mówią, czemu priorytet nadawały dane treningowe.

Sposób projektowania MiniMax wskazuje na coś innego. Regulowana głębokość myślenia, natywne wejście obrazu i wideo, 125,5 tokenu wyjściowego na sekundę oraz 1,04 sekundy do pierwszego tokenu opisują model zbudowany pod przepustowość — autonomiczne pętle, interfejsy sterowane zrzutami ekranu, potoki dokumentowe, w których dane wejściowe to skan, a nie diff. Jego własny język pozycjonowania dotyczy kosztu za token przy dużej skali, a 0,22 USD za zadanie indeksowania to liczba, która to potwierdza.

Dwa modele klasy Flash, dwa różne zakłady: jeden na głębokość na żądanie, drugi na liczbę żądań na sekundę. Żaden nie jest błędny, a karty specyfikacji są niezwykle jasne co do tego, który jest który.

Obie są tanie; tylko jedna z nich to decyzja, którą możesz podjąć jeszcze dziś.

Asymetria, która ma znaczenie, dotyczy dowodów. MiniMax M3.1 Flash ma opublikowany wynik indeksu, opublikowany koszt na zadanie, opublikowaną kartę modelu, wagi do pobrania oraz niezależny pomiar liczby tokenów zużywanych na ukończenie benchmarku. Na tej podstawie można podjąć decyzję zakupową. ERNIE 5.5 Flash Preview ma cennik, okno kontekstowe i stronę prasową Baidu, która wciąż zaczyna się od bazowego checkpointu i zwrotu „wkrótce” dotyczącego modelu po treningu — którym to modelem jest, niezręcznie, model obecnie sprzedawany.

To nie sprawia, że wersja zapoznawcza jest złym modelem. Sprawia, że jest niezmierzonym modelem, a właściwą postawą wobec niezmierzonego modelu za dwukrotność ceny zmierzonego konkurenta nie jest zakładanie, że jest gorszy. Bazowy checkpoint Baidu pokonał DeepSeek V4 Flash Base w 26 z 30 wierszy; mocny przebieg po treningu na tej bazie mógłby prawdopodobnie osiągnąć wynik powyżej 42. Mógłby także osiągnąć wynik poniżej. Chodzi o to, że nikt poza Baidu nie potrafi obecnie tego stwierdzić, a cennik nie jest dowodem.

Testowanie obu bez podpisywania dwóch umów

Jeden z tych modeli działa na kluczu routowanym, a drugi nie. OrcaRouter udostępnia MiniMax M3.1 Flash w cenie katalogowej dostawcy z zerową marżą, obok GLM-5.3-Flash, DeepSeek V4.1 Flash, Qwen 3.8 Flash i Gemini 3.8 Flash — ponad 200 modeli za jednym punktem końcowym zgodnym z OpenAI, z automatycznym przełączaniem awaryjnym między dostawcami i DSL routingu do łączenia kilku modeli w jedno wywołanie. ERNIE 5.5 Flash Preview nie ma w tym katalogu; nie ma wpisu ERNIE ani punktu końcowego Baidu, do którego moglibyśmy kierować, więc trzeba go wywoływać przez własne API Baidu z drugim kluczem i drugim rachunkiem.

Praktycznym sposobem obejścia tej asymetrii jest najpierw zbudowanie mechanizmu oceny, a dopiero potem integracji. Ustaw swoje dwadzieścia promptów za kluczem z routingiem, uruchom MiniMax i resztę warstwy Flash, i zapisuj liczbę tokenów wyjściowych na zadanie — nie tylko cenę za milion. Następnie skieruj te same dwadzieścia promptów na endpoint Baidu i porównaj na tej samej osi. Jeśli ERNIE wygrywa w zadaniach, na których ci zależy, jego stawka 1,88× to premia warta zapłacenia, a brakująca karta modelu staje się uciążliwością, a nie blokerem. Jeśli nie, kosztowało cię to jedno popołudnie i jedną niewielką fakturę.

To, co należycie rozstrzygnęłoby sprawę, to pojedynczy wiersz w trackerze, który uruchamia własny harness. MiniMax ma taki od dnia premiery. Baidu mogłoby opublikować taki jutro i główna niepewność tego artykułu by wyparowała — co zdradza, że ta niepewność wcale nie dotyczy modeli. Chodzi o to, który dostawca zdecydował się pokazać swoją pracę.