ERNIE-5.5-Flash kontra Qwen 3.8 Flash: bazowy checkpoint spotyka gotowy model

Postaw ERNIE-5.5-Flash obok Qwen 3.8 Flash, a pierwsza szczera obserwacja jest taka, że nie są to obiekty tego samego rodzaju. To, co Baidu faktycznie opublikowało, to ERNIE-5.5-Flash-Base — punkt kontrolny na końcu wstępnego trenowania: przed trenowaniem pośrednim, przed dostrajaniem do instrukcji, przed jakąkolwiek pracą nad preferencjami — więc kontynuuje tekst zamiast odpowiadać na żądania, a udostępniany jest przez endpoint completions, a nie chat. Qwen 3.8 Flash, który Alibaba wypuściła 26 sierpnia 2026 r., to gotowy model multimodalny przyjmujący tekst, obrazy i wideo i zwracający tekst, w cenie 0,15 USD za milion tokenów wejściowych i 0,47 USD za milion wyjściowych. Jeden jest punktem wyjścia, który wciąż trzeba wytrenować; drugi to produkt, do którego można zadzwonić jeszcze dziś po południu. Znaczenie niemal każdej liczby poniżej zmienia się w zależności od tego, które z tych dwóch rzeczy się porównuje — dlatego warto to rozstrzygnąć przed tabelą specyfikacji, a nie po niej.

Co Baidu dostarczył, a czego nie powiedział

To wydanie jest ciche w tym szczególnym sensie, w jakim często bywają chińskie publikacje otwartych wag: artefakty pojawiają się, zanim pojawi się historia. Repozytorium baidu/ERNIE-5.5-Flash-Base utworzono na Hugging Face 21 października, przez tydzień stało niemal puste, a następnie między 2 a 3 listopada przyjęło swoje 128 shardów wag FP8. Diagramy architektury i benchmarków pojawiły się 4 listopada, a sama karta modelu wciąż była dziś rano poprawiana. Strona wydania samego Baidu jest datowana na dzisiaj, 5 listopada, a jedyną dyskusją, jaką wywołała ona poza tą stroną, jest wątek na forum i post na WeChat. Nie ma żadnej informacji prasowej, żadnego wydarzenia premierowego ani praktycznie żadnych relacji prasowych.

Ma to znaczenie dla tego, czemu można, a czemu nie można ufać. Z repozytorium można poznać: architekturę, liczbę parametrów, pełną tabelę benchmarków dostawcy z wyraźnie nazwanym harnessem, działające receptury serwowania w SGLang i vLLM, treść licencji oraz fakt, że obok wersji FP8 istnieje wersja BF16. Nie można natomiast poznać: czy Baidu zamierza udostępniać go jako API — cennik Qianfan, ostatnio aktualizowany 18 października, wymienia ERNIE 5.1, 5.0 i 4.5 Turbo, a nie zawiera żadnej pozycji ERNIE 5.5 — jakie wyniki osiąga jego wersja dostrojona do instrukcji oraz czy jakikolwiek niezależny ewaluator odtworzy choć jedną liczbę z tabeli Baidu.

Specyfikacja z czasopisma, dla porządku: 280B parametrów łącznie, z 14B aktywnymi na token, wstępnie wytrenowany od zera na 33,5T tokenów, 43 warstwy, z których jedna to gęsta FFN, a 42 to MoE, 512 ekspertów routowanych z routingiem top-10 plus jeden wspólny ekspert oraz słownik o 201 216 tokenach. Udostępniona konfiguracja umożliwia kontekst 1 048 576 tokenów, choć kiedykolwiek podczas treningu widziano tylko 131 072. Jest też głowica przewidywania wielu tokenów o rozmiarze 0,36B, która nie jest uwzględniana w żadnej z tych dwóch liczb parametrów.

Zestawienie specyfikacji w wymiarach, które naprawdę decydują

• Co otrzymujesz — ERNIE-5.5-Flash-Base to wyłącznie checkpoint: wagi do pobrania, endpoint /v1/completions i brak zachowania zgodnego z instrukcjami. Qwen 3.8 Flash to model udostępniany jako usługa, z wywoływaniem narzędzi, trybem rozumowania, ustrukturyzowanymi danymi wyjściowymi i maksymalną odpowiedzią wynoszącą 131 072 tokeny.

• Rozmiar — łącznie 280B / 14B aktywnych dla ERNIE wobec łącznie 125B / około 6B aktywnych dla Qwen 3.8 Flash, który dodatkowo zawiera 51B tablicę osadzeń n-gramów i ~4B głowicę MTP, co daje około 180B parametrów na dysku.

• Architektura uwagi — ERNIE wykorzystuje 43 warstwy podzielone na 37 warstw silnie skompresowanej uwagi (HCA) oraz 6 warstw MLA z rzadką uwagą; Qwen 3.8 Flash stosuje hybrydę Gated DeltaNet i Qwen Sparse Attention w 48 warstwach. Oba rozwiązania to zakłady — poczynione z przeciwnych kierunków — że klasyczna pełna uwaga to niewłaściwa rzecz, za którą trzeba płacić w cenach klasy Flash.

• Kontekst — po obu stronach deklarowane jest 1M tokenów, ale z różnych miejsc: ERNIE był trenowany na 128K i udostępnia 1M tylko podczas dostrajania i wnioskowania, natomiast Qwen 3.8 Flash natywnie obsługuje 262K i osiąga 1M dzięki rozszerzeniu YaRN.

• Modalność — ERNIE-5.5-Flash-Base obsługuje wyłącznie tekst, w języku angielskim i chińskim. Qwen 3.8 Flash przyjmuje tekst, obrazy i wideo, a jego tabela dostawcy zawiera wyniki AndroidWorld, OSWorld 2.0, MathVision i LVBench, których checkpoint tekstowy nie jest w stanie uzyskać.

• Wagi po stronie Qwen — produkcyjny Qwen 3.8 Flash jest dostępny wyłącznie przez API, ale jego bliźniaczy model z otwartymi wagami Qwen3.8-Flash-Next jest publikowany na licencji Qwen Community License 1.0, dlatego obie strony są bardziej porównywalne, niż początkowo sugeruje przeciwstawienie API i wag.

• Serwowanie — Baidu dostarcza działający przepis: obraz lmsysorg/sglang:dev-ernie-55-flash z --tp 4 albo vLLM 0.32.0 plus wtyczkę baidu/vLLM-ERNIE z rozmiarem data-parallel wynoszącym 4. Qwen 3.8 Flash nie wymaga przepisu na serwowanie, ponieważ Alibaba serwuje go za Ciebie.

• Cena — brak publikowanej ceny za token dla ERNIE-5.5-Flash-Base w żadnym źródle, ponieważ nie istnieje hostowany punkt końcowy, którego cenę można by podać; 0,15 USD za wejście / 0,47 USD za wyjście za milion tokenów dla Qwen 3.8 Flash, przy odczytach wejścia z pamięci podręcznej po 0,0184 USD.

• Licencja — ERNIE 5.5 Flash Base Model License Agreement v1.0, niestandardowa umowa, którą warto przeczytać w całości przed zbudowaniem na niej produktu, w zestawieniu z Qwen Community License 1.0 po stronie otwartego Qwen.

Wiersze benchmarku, które wydają się porównywalne, ale takie nie są

Oto pułapka, którą zastawia to porównanie. Obaj dostawcy publikują wynik LiveCodeBench, a te dwa wyniki to 40,1 i 91,9.

Nie mierzą tego samego, a różnica między nimi nie jest różnicą w możliwościach. Wartość 40,1 Baidu to Pass@1, one-shot, na surowym, wstępnie wytrenowanym checkpointcie — model jest proszony o uzupełnianie kontynuacji kodu, mimo że nigdy nie uczono go podążania za instrukcjami. Wartość 91,9 Alibaby to LiveCodeBench v6, inna i późniejsza wersja benchmarku, raportowana dla modelu, który przeszedł pełny proces post-trainingu. Para GPQA ma ten sam problem: 60,2 dla ERNIE przy five-shot exact match na bazowym checkpointcie, 91,7 dla Qwen na GPQA Diamond po dostrojeniu do instrukcji. Nawet porównanie MMLU — 93,3 wobec modelu, który nie publikuje wyników MMLU — nie ma obok siebie niczego, z czym można je zestawić.

To nie jest przytyk do żadnego z modeli. To stwierdzenie o tym, do czego służy ocena modelu bazowego. Wynik 40,1 na LiveCodeBench uzyskany przez checkpoint, który nigdy nie widział instrukcji, mówi o tym, ile struktury kodowania przyswoił pretrening, i w takim odczytaniu jest to rozsądna liczba. Nie mówi nic o tym, jak te same wagi wypadłyby po tym, jak ktoś je dostroi. Nikt, w tym Baidu, nie opublikował tej liczby.

Jedyną tabelą, którą można czytać dosłownie, jest tabela samego Baidu, ponieważ wszystkie cztery kolumny przeszły przez ten sam potok przetwarzania, te same prompty i ustawienia few-shot. W starciu z DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B) i MiMo-V2.5-Base (310B-A15B) ERNIE-5.5-Flash-Base uzyskuje najlepszy wynik w wierszu w 24 z 30 benchmarków, w tym MMLU-Pro na poziomie 78,4 wobec 69,2, HumanEval+ na poziomie 82,3 wobec 69,5 i RepoQA na poziomie 91,7 wobec 81,0. Przegrywa z DeepSeek w ChineseSimpleQA, z Hy3 w FullStackBench i BBH chain-of-thought, a także z DeepSeek zarówno w HELMET-Rerank, jak i InfiniteBench. To liczby uzyskane przez dostawcę, na wybranym przez dostawcę środowisku testowym, bez niezależnej replikacji — ale są wewnętrznie porównywalne, czego nie można powiedzieć o żadnym zestawieniu między dostawcami w tym artykule.

Ile kosztuje każda trasa, z pokazanym obliczeniem

Wycena Qwen 3.8 Flash jest łatwa. Weźmy obciążenie związane z obsługą wsparcia i ekstrakcją danych: 1000 zapytań dziennie, średnio 6000 tokenów wejściowych i 800 tokenów wyjściowych, czyli 6 mln tokenów wejściowych i 0,8 mln wyjściowych dziennie, albo 180 mln i 24 mln w ciągu 30-dniowego miesiąca. Przy 0,15 USD i 0,47 USD za milion daje to 27,00 USD plus 11,28 USD — 38,28 USD miesięcznie, a odczyty z pamięci podręcznej po 0,0184 USD za milion jeszcze bardziej obniżają powtarzającą się część związaną z promptem systemowym.

ERNIE-5.5-Flash-Base nie ma odpowiednika w cenniku, więc jedynym uczciwym modelem kosztów jest sprzęt. Repozytorium FP8 to 128 shardów po około 2,25 GB każdy, czyli 288 GB wag; wersja BF16 podwaja tę wartość. Własne polecenie uruchomieniowe SGLang firmy Baidu dzieli to na cztery części za pomocą --tp 4, co daje około 72 GB wag na każdą kartę GPU, zanim jeszcze powstanie jakikolwiek KV cache — wykonalne na karcie 80 GB tylko wtedy, gdy nigdy nie używasz okna kontekstu, a komfortowo na kartach klasy H200. Wynajmij cztery takie karty w średniej cenie 2–3 USD za GPU-godzinę, a węzeł będzie kosztować około 5800–8600 USD miesięcznie przy pracy ciągłej, zanim jeszcze zapłacisz komukolwiek za dostrajanie, ocenę lub utrzymywanie stosu serwującego w aktualnej wersji.

To jest rzędu 150 do 225 razy większe niż rachunek za API Qwen w powyższym przykładzie, a porównanie jest celowo nieuczciwe w jedną stronę: oba rozwiązania nie są zamiennikami, dopóki ktoś nie przeprowadzi post-trainingu checkpointu ERNIE. Sedno tej arytmetyki nie polega na tym, że samodzielne hostowanie jest drogie — chodzi o to, że koszt stały jest realny i pojawia się, zanim model będzie w stanie odpowiedzieć na choćby jedną instrukcję, więc wolumen, przy którym posiadanie go wygrywa z wynajmowaniem gotowego rozwiązania, jest znacznie wyższy, niż sugeruje porównanie kosztu na token.

To w przypadku długiego kontekstu oba rozwiązania się zbiegają.

Oba modele twierdzą, że obsługują milion tokenów, i oba osiągają to, rezygnując z pełnej uwagi na milionie pozycji. Warstwy HCA w ERNIE buforują pojedynczy wpis na 128 tokenów, więc 37 z jego 43 warstw zwiększa swoją pamięć podręczną KV 128 razy wolniej niż konwencjonalna warstwa; sześć warstw MLA zachowuje dostęp w pełnej rozdzielczości dla tokenów, które go potrzebują. Hybryda GDN-plus-QSA w Qwen dokonuje tego samego rodzaju kompromisu od strony rzadkiej uwagi, a jej 6B aktywnych parametrów utrzymuje niski koszt obliczeniowy na token niezależnie od tego, co robi mechanizm uwagi.

Dla czytelnika praktyczna różnica nie polega na tym, który projekt jest sprytniejszy — oba są wiarygodne — lecz na tym, że tylko jeden z tych dwóch wiąże się z kosztem faktycznego wykorzystania tego kontekstu. Prompt miliontokenowy w Qwen 3.8 Flash ma dziś przypisaną konkretną cenę. W ERNIE-5.5-Flash-Base ten sam prompt ma szacunek w godzinach GPU i pytanie bez odpowiedzi o to, jak model bazowy zachowuje się przy takiej długości bez dostrajania instrukcjami.

Kto powinien wybrać, które

Wybierz Qwen 3.8 Flash, jeśli potrzebujesz modelu, który już teraz wykonuje instrukcje, jeśli Twoje dane wejściowe obejmują zrzuty ekranu, dokumenty lub wideo, jeśli chcesz, aby rachunek za długi kontekst był problemem planowania przepustowości kogoś innego, oraz jeśli 0,15 USD/0,47 USD za milion tokenów pasuje do ekonomiki jednostkowej tego, co budujesz. Ma dwa miesiące, od premiery został odnotowany przez zewnętrzne serwisy monitorujące, a liczby podane przez dostawcę — SWE-bench Pro 62,5, GPQA Diamond 91,7, CoWorkBench 73,9 — to twierdzenia, a nie zweryfikowane wyniki, więc traktuj je jako górną granicę, dopóki Twoja własna ewaluacja nie stwierdzi inaczej.

Wybierz ERNIE-5.5-Flash-Base, jeśli dysponujesz możliwościami prowadzenia post-trainingu i masz powód, by mieć model na własność, a nie wynajmować go: domena, której danych nie możesz wysyłać do API, obciążenie mieszane chińsko-angielskie, w którym liczą się dla Ciebie CMMLU 90.0 i ChineseSimpleQA 73.0, program badawczy RL, który potrzebuje punktu wyjścia 280B-A14B, albo budżet opóźnień uzasadniający dedykowany węzeł z czterema GPU. Musisz też akceptować, że licencja to niestandardowa umowa Baidu, a nie Apache, oraz że model nie robi nic użytecznego, dopóki Twój zespół nie uczyni go użytecznym.

Nie wybieraj żadnego z nich, a jednak, jeśli tak naprawdę szukasz sprawdzonego modelu ogólnego przeznaczenia. Qwen 3.8 Flash to gotowy produkt bez niezależnego wyniku benchmarku, a ERNIE-5.5-Flash-Base to niedokończony model z tabelą benchmarków dostawcy. Żaden z nich nie jest bezpiecznym wyborem domyślnym, jakim byłby dwuletni flagowiec.

Przeprowadzanie eksperymentu bez uzależniania od niego planu działania

Kłopotliwa część tego zestawienia polega na tym, że do obu stron dociera się w zupełnie różny sposób, a warstwa routingu pomaga dokładnie w jednym z tych przypadków. Qwen 3.8 Flash jest dostępny przez OrcaRouter jako qwen/qwen3.8-flash, w cenie katalogowej dostawcy z 0% marży — te same $0.15 i $0.47, które pobiera dostawca, przekazane dalej, bez niczego doliczonego za przeskok. ERNIE-5.5-Flash-Base nie jest czymś, co obsługujemy: to wydanie wag i nie istnieje żaden hostowany punkt końcowy, do którego można by kierować ruch, ani tutaj, ani nigdzie indziej, gdzie udało nam się go znaleźć.

To, do czego pojedynczy endpoint naprawdę się nadaje w tej sytuacji, to część, która następuje po eksperymencie. Realistyczna ścieżka dla ERNIE 5.5 Flash wygląda tak, że zespół dotrenowuje bazowy checkpoint, a potem pojawia się pytanie, czy dostrojony model bije Qwen 3.8 Flash na Waszym własnym ruchu. Gdy oba są za jednym kluczem, to zmiana model-id, a nie drugi kontrakt i drugie SDK, DSL routingu może rozdzielać ruch produkcyjny między nie, dopóki decydujecie, a automatyczny failover oznacza, że nieprzetestowany zwycięzca nie może położyć całej funkcji już pierwszego złego dnia. Fuzja modeli daje trzecią opcję — panel odpowiadający wspólnie — która często jest najtańszym sposobem, by sprawdzić, czy nowy tuning jest rzeczywiście lepszy od dotychczasowego, czy tylko inny.

Co zmieniłoby tę odpowiedź?

Trzy rzeczy, w przybliżonej kolejności prawdopodobieństwa. Dostrojony do instrukcji ERNIE 5.5 Flash zamieniłby to z niedopasowania kategorii w prawdziwe starcie jeden na jednego, a wyniki bazowe sugerują, że byłby konkurencyjny — 82,3 w HumanEval+ i 91,7 w RepoQA z niedostrojonego checkpointu to silna pozycja startowa. Wprowadzenie ERNIE 5.5 do cennika Qianfan dałoby arytmetyce samodzielnego hostowania punkt odniesienia i odpowiedziałoby, czy Baidu zamierza ten model sprzedawać, czy rozdawać za darmo. A wynik strony trzeciej dla któregokolwiek modelu pozwoliłby czytelnikowi przestać wierzyć tabelom dostawców na słowo, w czym ta para dziś tkwi: Qwen 3.8 Flash nie ma na koncie żadnego niezależnego wyniku benchmarku, a ERNIE-5.5-Flash-Base nie ma w ogóle wiersza na żadnej neutralnej liście rankingowej.

Dopóki dwa z nich nie wejdą do obiegu, „który jest lepszy” nie jest pytaniem, które ktokolwiek zmierzył. To, na co można dziś odpowiedzieć, jest węższe i bardziej użyteczne: Qwen 3.8 Flash to model, który możesz wywołać, a ERNIE-5.5-Flash-Base to model, na którym możesz budować. To różne zadania i żadna tabela benchmarków nie rozstrzygnie, który z nich masz.