ERNIE 5.5 Flash vs ERNIE 5.5 Flash Preview: Qual deles você está realmente chamando?

O próprio site da Baidu lista dois artefatos do ERNIE 5.5, e nenhum deles se chama ERNIE 5.5 Flash. Há o ERNIE 5.5 Flash Base, o checkpoint bruto de 280B publicado em 5 de novembro, e o ERNIE 5.5 Flash Preview, o modelo pós-treinado publicado em 11 de novembro. ERNIE 5.5 Flash — o nome sem sufixo, o que aparece em listas de preços e seletores de modelo — é o modelo do qual o Preview é uma prévia. Não se trata de uma peculiaridade de marketing a ser minimizada; essa é toda a substância da comparação, porque tudo o que separa o ERNIE 5.5 Flash Preview do ERNIE 5.5 Flash é uma diferença entre um checkpoint e um lançamento, não entre duas arquiteturas. Mesmos 280 bilhões de parâmetros totais, mesmos 14 bilhões ativos, mesmo contexto de 1M de tokens. As diferenças são uma licença, uma data, uma garantia de estabilidade e um conjunto de números que a Baidu avisou que mudará. O grupo de comparação é a metade desta decisão que está sob seu controle. preço de tabela do provedor com 0% de markup GPT-6.1 Sol, Claude Opus 5.5, GLM-5.3 e DeepSeek V4.1 Flash ficam em uma única chave pelo preço de tabela do provedor, com a taxa do OrcaRouter exibida como $0.00.

A nomenclatura é a parte confusa, então comece por aí.

Três nomes, dois modelos, um pipeline de lançamento. ERNIE 5.5 Flash Base é o checkpoint pré-treinado: 280B no total, 14B ativos, 43 camadas, uma pilha esparsa de mistura de especialistas com um especialista compartilhado, treinado em 33,5 trilhões de tokens, disponível para download hoje no Hugging Face sob uma licença comunitária restrita. ERNIE 5.5 Flash Preview é esse checkpoint após o pós-treinamento — aquele que responde a instruções, usa ferramentas, escreve código de jogos e produz apresentações de slides. ERNIE 5.5 Flash, quando existir, é o mesmo modelo depois que o pós-treinamento terminar.

A Baidu declara a relação claramente no post de lançamento: a Preview "é um checkpoint intermediário do pós-treinamento. Ela já é competitiva com modelos do seu tamanho, mas, como o treinamento não terminou, algumas capacidades ainda podem ficar aquém. O pós-treinamento está em andamento e o ERNIE 5.5 Flash está melhorando rapidamente." Leia isso duas vezes. A empresa está dizendo que o modelo que você pode chamar hoje e o modelo que você chamará daqui a alguns meses compartilham um radical de nome, uma arquitetura e uma janela de contexto, e diferem no quanto estão prontos. Se você está escolhendo entre eles, não está escolhendo entre dois sistemas. Está escolhendo entre comprar agora e esperar.

A comparação, dimensão por dimensão

Aqui está o que realmente difere, com ambos os lados em cada linha:

• Identidade — ERNIE 5.5 Flash Preview é um checkpoint nomeado e chamável, publicado em 11 de novembro de 2026; ERNIE 5.5 Flash é um sucessor não lançado, sem data, sem model card e sem endpoint próprio.

• Arquitetura e tamanho — idênticos em ambos os lados: 280B de parâmetros totais, 14B ativos, contexto de 1M de tokens, herdados do checkpoint ERNIE 5.5 Flash Base de 5 de novembro. O pós-treinamento não redimensiona um modelo.

• Pesos e licença — a Preview é prometida sob a Apache 2.0 "em breve", sem repositório no Hugging Face até 11 de novembro; o eventual ERNIE 5.5 Flash será regido pela licença que a Baidu lançar no lançamento oficial, a qual a empresa não declarou e não há garantia de que seja a mesma. Trate a promessa da Apache 2.0 como uma promessa sobre a preview, não sobre a família.

• Estabilidade — o Preview é explicitamente um artefato intermediário cujos recursos “ainda podem ficar aquém” e cujas pontuações a Baidu espera melhorar; o lançamento oficial é, por definição, a versão que a Baidu está disposta a respaldar.

• Posição em benchmarks — a Preview tem vinte linhas reportadas pelo fornecedor e nenhuma pontuação independente; o ERNIE 5.5 Flash terá o que a Baidu publicar no lançamento e, se o padrão se mantiver, uma segunda rodada de números que fará os da preview parecerem desatualizados. Nenhum dos dois tem uma entrada no Artificial Analysis hoje.

• Preço — a Preview custa US$ 0,28 por milhão de tokens de entrada e US$ 1,13 por milhão de tokens de saída no Qianfan, com leituras em cache a US$ 0,028. Não há preço para o ERNIE 5.5 Flash, e assumir que ele será igual ao da preview é uma suposição: preços de preview costumam ser provisórios.

• O que você pode fazer com ele — a Preview pode ser chamada hoje e não pode ser baixada; o ERNIE 5.5 Flash não pode ser chamado nem baixado, porque ainda não existe.

A assimetria que importa está no fim dessa lista. A prévia é a única das duas que você pode testar, e é a única que você não pode manter.

O que a prévia faz que o nome subestima

“Preview” sugere algo superficial e, pelas evidências publicadas em 11 de novembro, este não é superficial. É um modelo somente texto com uso de ferramentas, saída estruturada e uma janela de um milhão de tokens, com preço no extremo barato da faixa flash, e as demonstrações da Baidu descrevem produtos de trabalho, e não trocas de mensagens: um jogo para Unreal Engine 5.8 montado em uma única execução de programação de 11 horas, cerca de 100 minijogos para celular gerados a partir de documentos de design, um Boeing 747 e o aeroporto de Daxing modelados por meio da API Python do Blender por dois agentes coordenados, um motor W16 e um rover lunar construídos como montagens editáveis no FreeCAD, um relatório de pesquisa de 20 páginas sobre custos de eletricidade de centros de dados, uma análise de direção autônoma de 24 páginas baseada em 4.169 relatórios federais de acidentes e um curta-metragem de animação de 116 segundos escrito em mais de 10.000 linhas de Python.

O detalhe mais útil dessa lista não é uma alegação de capacidade, e sim uma limitação que a publicação admite espontaneamente. Ao descrever o projeto Unreal, o Baidu escreve que "como é um modelo somente de texto e não consegue ver a tela", o modelo converteu problemas de playtest — um personagem flutuando acima do chão, uma câmera mal posicionada — em testes mensuráveis no código e iterou até que a suíte passasse. Essa é a forma honesta da competência deste modelo: ele não consegue olhar para nada, então escreve asserções. Quando uma tarefa pode ser expressa como um teste, ele se mantém bem ao longo de execuções longas. Quando o único feedback é o julgamento visual, o modelo trabalha por meio de ferramentas e, em pelo menos alguns harnesses de benchmark, por meio do modelo de visão de outra empresa.

Esse último ponto vem do apêndice do benchmark, e não do texto corrido. Uma nota de rodapé na tabela afirma que "GLM-5.3 e nosso modelo não possuem capacidades multimodais nativas; a compreensão de imagens é fornecida por meio de uma ferramenta alimentada pelo Claude Opus 5.5". Independentemente do que você conclua sobre as pontuações, a arquitetura é inequívoca: não há visão nativa, e a avaliação dependente de visão mede um pipeline em vez de um modelo.

Se você está esperando o ERNIE 5.5 Flash, o que está esperando?

Quatro coisas, e apenas uma delas é uma melhoria de capacidade.

A primeira é uma garantia de estabilidade. Um checkpoint intermediário não traz nenhuma promessa de que o comportamento não mudará entre agora e o lançamento, o que é aceitável para exploração e incômodo para qualquer coisa com uma suíte de regressão atrelada à saída do modelo.

O segundo é um conjunto de benchmarks com o qual você pode comparar. As vinte linhas da prévia — entre elas Terminal-Bench 4.0 com 46,5, DeepSWE v1.1 com 71,2, MCP-Atlas com 84,6, BrowseComp com 87,4, HLE sem ferramentas com 46,4 e AA-LCR v1.1 com 79,0 — são informadas pelo fornecedor e não reproduzidas, e a Baidu disse que o modelo está melhorando rapidamente. Números de um modelo finalizado são mais úteis mesmo quando são mais altos, porque são os números que outras pessoas também citarão.

O terceiro é a licença. O checkpoint base foi distribuído sob uma licença comunitária restrita que exclui a UE, o Reino Unido e a Coreia do Sul, limita o uso comercial gratuito pela receita anual relacionada e exige uma atribuição "Powered by ERNIE" nos produtos comerciais. Os pesos da preview são prometidos sob Apache 2.0. Se essa promessa for cumprida, o modelo pós-treinado será muito mais permissivo do que o checkpoint a partir do qual foi treinado — uma verdadeira inversão, e que vale a pena confirmar no repositório real em vez de no anúncio.

O quarto é o preço. $0.28 e $1.13 são valores de prévia. O preço final para um modelo GA nesta faixa pode variar em qualquer direção, e qualquer modelo de custos que você construir hoje deve ser parametrizado com base na tarifa, em vez de codificado diretamente nela.

Nenhum desses quatro defende esperar se você tem uma tarefa que pode avaliar esta semana. Eles defendem não assinar um compromisso de vários trimestres com um checkpoint que a Baidu descreveu, por escrito, como inacabado.

Executando a comparação você mesmo

Você não pode obter o ERNIE 5.5 Flash Preview conosco. Ele é servido pela própria API Qianfan da Baidu e por plataformas de terceiros que o revendem; OrcaRouter roteia mais de 200 modelos e nenhum deles é um ERNIE, então qualquer sugestão de que podemos fornecer este endpoint seria falsa.

O que podemos fazer é fornecer o grupo de comparação, que é a parte desta decisão que está de fato sob seu controle: os modelos usados como referência pelo Baidu — GPT-6.1 Sol, Claude Opus 5.5, GLM-5.3, DeepSeek V4.1 Flash — estão todos em uma única chave compatível com OpenAI pelo preço de tabela do provedor, com 0% de margem, então um corte de preço de qualquer um desses fornecedores chega à sua fatura no mesmo dia, em vez de na próxima renovação de contrato.

A avaliação a executar é deliberadamente entediante. Escolha dez tarefas de horizonte longo do seu próprio trabalho. Execute cada uma pelo preview e pelos dois modelos que você usaria de outra forma. Registre se ela terminou, quantos tokens de saída foram emitidos e quanto custou a chamada. Os tokens de saída são o número que decide esta comparação, porque o preview cobra o raciocínio como saída a US$ 1,13 por milhão e não expõe nenhuma forma de desativar o raciocínio — um modelo verboso com uma tarifa baixa costuma ser mais caro por tarefa do que um modelo contido com uma tarifa alta. Depois de ter o custo por tarefa, a questão preview versus GA deixa de ser sobre linhas de benchmark e passa a ser sobre se o checkpoint atual é bom o suficiente para construir em cima antes de ser substituído.

Para as cargas de trabalho que passam nesse teste, o failover automático responde à objeção de estabilidade da única forma possível hoje: um modelo que pode mudar debaixo de você nunca deve ser o único modelo em um caminho de requisição. Roteie o preview como primário onde ele vence e mantenha um fallback atrás dele, e uma mudança de capacidade no meio do fluxo se torna uma mudança de roteamento, não uma interrupção.

Cinco dias separam o checkpoint base do preview, e a Baidu disse que o modelo finalizado está chegando. A leitura útil de ERNIE 5.5 Flash versus ERNIE 5.5 Flash Preview não é de forma alguma uma comparação direta — é um cronograma. Um deles você pode chamar agora e não conseguirá manter; o outro você conseguirá manter e ainda não pode chamar. Qualquer pessoa que esteja construindo sobre qualquer um dos dois deve estar medindo, não se comprometendo, até que a segunda coluna tenha números.