ERNIE 5.5 Flash Preview já pode ser chamado: US$ 0,28 de entrada, US$ 1,13 de saída, sem model card

Seis dias depois de o Baidu publicar os pesos brutos do ERNIE 5.5 Flash Base, o modelo no qual esses pesos deveriam se transformar começou a responder a prompts. O ERNIE 5.5 Flash — disponibilizado como ERNIE 5.5 Flash Preview — entrou no ar como endpoint cobrado no Baidu Qianfan em 10 de novembro de 2026, a US$ 0,28 por milhão de tokens de entrada e US$ 1,13 por milhão de saída, com leituras de entrada em cache a US$ 0,028. Não houve post de lançamento, nem model card, nem tabela de benchmarks, e nada no próprio site do ERNIE, do Baidu, que em 11 de novembro ainda destaca o checkpoint base e a promessa de que o modelo pós-treinado "chega em breve". O que existe é um endpoint funcional com preço, uma janela de contexto de 1.024.000 tokens, um teto de saída de 921.600 tokens e uma ficha técnica que não chega a dizer a ninguém o quão bom ele é. O grupo de controle é cobrado a preços de tabela do provedor, com a taxa do OrcaRouter exibida como US$ 0,00 que é o único motivo pelo qual uma prévia sem model card pode ser testada contra alguma coisa.

O que realmente foi ao ar

O endpoint é texto na entrada, texto na saída. Sem imagem, sem áudio, sem parsing de PDF — o mesmo limite de modalidade do checkpoint base, e a primeira coisa a verificar antes de planejar qualquer coisa em torno dele. Todo o resto na ficha é mais generoso do que o preço sugere:

• Contexto — 1.024.000 tokens de entrada, com uma saída máxima de 921.600. Esse teto de saída é incomum: a maioria dos modelos limita a geração a, no máximo, algumas centenas de milhares, e este permite quase um milhão de tokens de resposta.

• Preço — US$ 0,28 por milhão de tokens de entrada, US$ 1,13 por milhão de tokens de saída, US$ 0,028 por milhão de leituras de entrada em cache. As leituras de cache são cobradas a um décimo da tarifa de entrada, que é a única linha desta tabela que recompensa um prompt de sistema estável.

• Raciocínio — obrigatório, ativado por padrão e oferecido em um único nível de esforço: alto. Não há um modo econômico e sem raciocínio para o qual recorrer. Toda solicitação paga por tokens de raciocínio, e tokens de raciocínio são tokens de saída.

• Ferramentas — chamada de funções, saídas estruturadas e restrições de formato de resposta estão todas expostas, e é isso que separa uma prévia contra a qual você pode desenvolver de uma prévia com a qual você só pode conversar.

Disponibilidade — uma única região do fornecedor, sem encaminhamento dentro da região da UE. Para uma equipa europeia, a latência é um problema; a licença do modelo base, abordada abaixo, é um problema diferente e maior.

• Documentação — não há data de corte de conhecimento publicada, nem model card, nem tabela de avaliação, nem ressalvas sobre o comprimento do contexto. A descrição que acompanha o endpoint tem três frases e descreve a arquitetura, não a qualidade.

A especificação ausente importa tanto quanto as que estão presentes. A Baidu publicou trinta linhas de benchmark para o checkpoint base em 5 de novembro. Nenhuma delas descreve este modelo. As pontuações de um checkpoint base vêm de um pipeline diferente, de uma configuração de avaliação diferente e de um enquadramento de tarefa diferente das de um modelo ajustado por instruções, e os números do base não podem ser herdados pelo modelo de chat — eles são um teto para aquilo com que o pós-treinamento teve de trabalhar, não uma previsão do que ele produziu.

O teto de saída é o número interessante.

921.600 tokens de saída não é erro de digitação, e também não é floreio de marketing — é consequência direta do raciocínio obrigatório. Quando um modelo precisa pensar antes de responder e não é possível dizer a ele para não fazer isso, a única maneira de evitar que execuções agênticas longas sejam interrompidas no meio do plano é elevar o teto de saída em uma ordem de magnitude e deixar o modelo usar o que precisar. A Baidu fez isso aqui, e a mesma decisão de design determina o custo.

Tokens de raciocínio são cobrados à tarifa de saída. A US$ 1,13 por milhão, uma requisição que pensa por 8.000 tokens e responde em 500 custa cerca de um centavo — trivial por chamada, e 8.500 tokens de saída na fatura. Multiplique por um loop de agente que executa quarenta etapas e a aritmética que importa deixa de ser o preço por milhão de tokens e passa a ser o preço por tarefa concluída, que é o único número de custo que sobrevive ao contato com a produção. Esta é a mesma armadilha que fez o Gemini 3.8 Flash parecer mais barato do que realmente custa: uma tarifa fixa por token aplicada a um modelo que emite 30 a 34 por cento mais tokens de saída por tarefa é um corte de preço que nunca chega.

Não há nenhuma medição publicada de quão verboso é o ERNIE 5.5 Flash Preview. Isso não é uma lacuna pequena. A verbosidade é o maior fator de variação entre dois modelos com preços por token idênticos, e é a primeira coisa que vale a pena medir você mesmo em vez de ler a respeito — um conjunto fixo de vinte dos seus próprios prompts, executado duas vezes, contando os tokens de saída. Até que alguém faça isso, qualquer comparação de custos envolvendo este modelo é uma comparação de tabelas de preços, não de faturas.

Em relação a quê, exatamente?

O âncora de preço mais próximo é o modelo cuja base a Baidu lançou: o MiniMax M3.1 Flash, a US$ 0,15 de entrada e US$ 0,60 de saída por milhão de tokens, obteve 42 no Artificial Analysis Intelligence Index e custou US$ 0,22 por tarefa concluída do índice. O ERNIE 5.5 Flash Preview custa aproximadamente o dobro desse preço por token, sem qualquer pontuação independente. Isso não é evidência de que seja pior — o índice não mede trabalho em chinês, e o checkpoint base da Baidu era forte em código em escala de repositório —, mas é evidência de que o preview tem preço de modelo capaz, e não de modelo barato, e de que o ônus da prova cabe à Baidu de publicar algo.

Em comparação com o checkpoint base, o contraste fica ainda mais acentuado na direção oposta. Os pesos são gratuitos; a API custa US$ 1,13 por milhão de tokens de saída. Qualquer pessoa cuja carga de trabalho seja uma tarefa fixa e de alto volume deveria fazer as contas sobre um ajuste fino do checkpoint de 280B em vez de pagar por token para sempre — exceto pelo fato de que a licença, um documento separado dos termos da API, exclui totalmente a União Europeia, o Reino Unido e a Coreia do Sul, limita o uso comercial gratuito a US$ 50 milhões em receita anual relacionada e exige a marca "Powered by ERNIE" em todo produto comercial. Esses termos se aplicam aos pesos. Não se aplicam às chamadas feitas pela API da Baidu, que é um dos poucos argumentos genuínos a favor da rota hospedada.

Como acessá-lo e o que fazer enquanto você espera pelos números

O acesso se dá pela própria API Qianfan da Baidu ou por plataformas de terceiros que revendem o acesso. O OrcaRouter não roteia o ERNIE 5.5 Flash Preview — não há nenhuma entrada do ERNIE em nosso catálogo de mais de 200 modelos nem endpoint da Baidu para o qual possamos rotear, então qualquer afirmação em contrário estaria errada. O que o catálogo oferece de útil nesta situação é o grupo de controle: os modelos com os quais este será comparado — entre eles MiniMax M3.1 Flash, GLM-5.3-Flash, DeepSeek V4.1 Flash e a linha Gemini Flash — são todos acessíveis por meio de uma única chave compatível com OpenAI, pelo preço de tabela do provedor e sem acréscimo, e o failover automático significa que um preview com histórico de disponibilidade não comprovado nunca precisa ser a única coisa mantendo um caminho de produção de pé.

Essa é a forma prática das próximas semanas. Use a prévia onde suas duas vantagens reais se aplicam — uma janela de entrada de um milhão de tokens a US$ 0,28, e uma carga de trabalho apenas de texto em que o limite de modalidade não custa nada — e mantenha um fallback roteado por trás dela. Não migre um pipeline existente para ela com base em uma ficha técnica, porque a ficha técnica é a única coisa que a Baidu publicou.

O que mudaria o quadro é pouco glamouroso e específico: um card de modelo com uma tabela de avaliação, uma pontuação independente de um rastreador que executa seu próprio harness e uma medição de tokens de saída por tarefa. O Baidu publicou o primeiro desses itens para o checkpoint base e nenhum deles para o modelo de chat, o que é uma ordem estranha de fazer as coisas — a matéria-prima documentada em detalhes, o produto final lançado em silêncio. Até que isso mude, a leitura honesta do ERNIE 5.5 Flash Preview é que ele existe, é barato o suficiente para testar, e ninguém fora do Baidu sabe ainda se ele é bom.