ERNIE-5.5-Flash vs GLM-5.3 Flash: dois repositórios abertos, dois acordos muito diferentes

Tanto o ERNIE-5.5-Flash quanto o GLM-5.3 Flash estão disponíveis para download esta semana, ambos são modelos esparsos de mistura de especialistas na mesma faixa de pesos e ambos cabem aproximadamente na mesma prateleira de GPUs em FP8. É aí que a semelhança termina. O GLM-5.3 Flash, lançado pela Z.ai em 26 de agosto de 2026, é um modelo multimodal finalizado sob a licença MIT, com preço publicado e endpoint servido. O ERNIE-5.5-Flash-Base, lançado pela Baidu em 5 de novembro de 2026, é o checkpoint de fim do pré-treinamento de um modelo que não passou por pós-treinamento, sob uma licença sob medida, sem preço e sem endpoint. Compará-los como modelos abertos rivais é razoável. Compará-los como substituíveis não é, e a diferença é legal e procedimental antes de ser técnica. Ambas as variantes do GLM são cobradas a preços de tabela do provedor, então experimentar a variante do nível gratuito não custa nada.

O que realmente há em cada repositório

GLM-5.3 Flash é um modelo de 320B parâmetros com 18B ativos por token, 45 camadas e um híbrido de atenção linear e esparsa que a Z.ai afirma reduzir o cálculo de atenção em cerca de três vezes e diminuir o cache KV em cerca de 4,4 vezes em relação ao GLM-5.3 somente texto. A janela de contexto é de 1.048.576 tokens, a saída é limitada em algum ponto entre 128K e 131K dependendo do host, e o modelo recebe texto, imagens e vídeo e gera texto. Os pesos FP8 no Hugging Face chegam a aproximadamente 328GB.

O ERNIE-5.5-Flash-Base tem 280B no total, com 14B ativos, 33,5T tokens de pré-treinamento, 43 camadas — uma densa mais 42 MoE — com 37 camadas em atenção HCA comprimida e seis em MLA mais atenção esparsa no estilo DeepSeek. Tamanho oculto de 4.096, 64 cabeças, 512 especialistas roteados em top-10 mais um especialista compartilhado, vocabulário de 201.216. Contexto de treinamento de 128K, com 1.048.576 habilitado para ajuste fino e inferência na configuração lançada. Variantes FP8 e BF16, ambas no Hugging Face.

• Total de parâmetros — ERNIE 280B vs GLM 320B

• Ativos por token — 14B vs 18B

• Camadas — 43 vs 45

• Contexto — 1M para inferência vs 1M

• Modalidade — somente texto vs texto, imagem e vídeo em

• Licença — ERNIE 5.5 Flash Base License v1.0 vs MIT

• Pós-treinamento — nenhum vs ajustado por instruções

• Preço — nenhum publicado vs US$ 0,15 de entrada / US$ 0,50 de saída

A diferença de parâmetros é menor do que a nomenclatura sugere e vai na direção oposta à que você talvez suponha: o ERNIE ativa menos parâmetros por token e tem menos no total, o que, no papel, o torna o mais barato dos dois para servir. A pegada FP8 de 328 GB do GLM é o número concreto; o ERNIE, com 280B, fica na mesma ordem de grandeza, antes do cache KV.

A licença é a primeira bifurcação no caminho

A licença MIT não é um detalhe de marketing. Ela significa uso comercial, modificação, redistribuição e modelos derivados sem termos de campo de uso para negociar e sem acordo separado para assinar. Uma equipe pode ajustar o GLM-5.3 Flash com dados proprietários e lançar o resultado sem precisar conversar com o departamento jurídico da Z.ai.

O ERNIE-5.5-Flash-Base é distribuído sob o ERNIE 5.5 Flash Base Model License Agreement v1.0. Trata-se de um acordo personalizado, e o contraste que vale a pena conhecer é histórico: a Baidu lançou a família ERNIE 4.5 sob a Apache 2.0 em 2025. A mudança para uma licença própria para a base 5.5 é um endurecimento deliberado, não um descuido, e chega exatamente no momento em que os pesos se tornam genuinamente úteis — um checkpoint base tem muito mais probabilidade de ser ajustado e redistribuído do que um modelo ajustado por instruções.

Para uso acadêmico e de pesquisa, a diferença prática pode ser nula. Para quem está construindo um produto, é o primeiro documento a ser lido e possivelmente o motivo de escolher o outro repositório. Pesos que você pode baixar não são a mesma coisa que pesos sobre os quais você pode construir.

A modalidade determina mais cargas de trabalho do que os benchmarks.

O GLM-5.3 Flash aceita vídeo. Essa única capacidade o tira da comparação com o ERNIE para uma grande classe de cargas de trabalho de 2026 — gravações de tela, imagens de produtos, clipes de vigilância, captura de aulas. O GLM também lida com imagens, o que cobre faturas, gráficos, capturas de tela e toda a categoria de processamento de documentos.

ERNIE-5.5-Flash-Base é um modelo de linguagem. Texto entra, texto sai. Se o ERNIE 5.5 Flash pós-treinado algum dia for lançado com entrada multimodal, a Baidu não afirmou isso; o comunicado descreve um modelo de texto e o conjunto de benchmarks abrange conhecimento, raciocínio, matemática, código, multilíngue e contexto longo. Nada no material publicado sugere visão.

{{1}}Essa assimetria merece ser dita de forma clara, porque é fácil perdê-la numa comparação de especificações.{{/1}} Um modelo de texto de 280B e um modelo multimodal de 320B não são alternativas numa decisão de compra; são respostas para perguntas diferentes. A única sobreposição é a geração apenas de texto e, nessa sobreposição, o modelo finalizado vence por padrão, porque existe.

Onde o GLM-5.3 Flash é mais fraco do que o seu lançamento sugeria

A honestidade funciona nos dois sentidos. Os pontos fortes publicados do GLM-5.3 Flash são reais — DeepSWE 63,4 contra 46,2 do GLM-5.2, Terminal-Bench 2.1 em 84,3, MMLU-Pro 86,1, MMMU-Pro 86,0, HLE com ferramentas 55,3 — e a Artificial Analysis coloca seu índice de programação em 71,5 e seu índice de inteligência geral em 41,8. Mas as mesmas avaliações mostram um modelo com fraquezas estreitas e profundas: ProgramBench pontua entre cerca de zero e 1,5, SRE Bench 0,8, Legal Agent 6,7. Sua latência do primeiro token também é notavelmente lenta para um modelo da categoria Flash — 6,36 segundos no p50 em todo o tráfego de sete dias do OrcaRouter — contra aproximadamente 1,7 segundo para o GLM-5, que é maior.

Nada disso faz do ERNIE a melhor escolha. Isso faz do GLM uma quantidade conhecida — um modelo cujos modos de falha foram medidos por terceiros. Os modos de falha do ERNIE não foram medidos de forma alguma, porque não há um modelo instruct para medir. Em uma decisão orientada por avaliação, modos de falha desconhecidos são piores do que os documentados, mesmo quando os documentados são ruins.

Caminhos de ajuste fino: ambos existem, um tem vantagem inicial

A Baidu fez a coisa certa em termos de ferramentas. O card do modelo ERNIE inclui exemplos com SGLang e vLLM, e o repositório Megatron-Bridge da NVIDIA adicionou um exemplo do ERNIE 5.5 que aborda o ajuste fino. Para um checkpoint base, essa é a diferença entre um artefato de pesquisa e um ponto de partida utilizável.

O GLM-5.3 Flash está disponível para download desde o final de agosto e acumulou a quilometragem de ecossistema que vem com três meses de uso em produção: quantizações, integrações com provedores e relatos de bugs. Quando um kernel quebra às 2h da manhã, o problema do GLM já foi reportado por outra pessoa. Isso não é um benchmark, mas é um custo real de adoção e deveria entrar na decisão.

Para quem quiser experimentar o GLM-5.3 Flash sem comprometer um cluster de GPUs, o OrcaRouter encaminha z-ai/glm-5.3-flash ao preço de tabela do fornecedor, com 0% de margem, e há também uma variante de nível gratuito no catálogo. O mesmo catálogo não tem nenhuma entrada ERNIE entre os seus 216 IDs de modelos — nenhum caminho hospedado, nenhum preço, nada para encaminhar. Isso não é uma crítica ao lançamento da Baidu; é a consequência prática de disponibilizar os pesos antes de um produto.

Qual repositório clonar

Clone o GLM-5.3 Flash se você precisa de um modelo aberto multimodal que possa colocar por trás de uma API, fazer fine-tune comercialmente e comparar com avaliações de terceiros publicadas. Licença MIT, mais um endpoint servido, mais três meses de rodagem em produção é uma combinação forte, e os pontos fracos documentados são estreitos o bastante para contornar.

Clone o ERNIE-5.5-Flash-Base se estiver fazendo pré-treinamento continuado, adaptação de domínio ou pesquisa de pós-treinamento, particularmente em chinês, e estiver preparado para ler uma licença sob medida antes de investir no pipeline. O formato 280B-A14B é eficiente, o orçamento de 33,5T tokens é sério, a arquitetura está documentada em mais detalhes do que a maioria dos lançamentos de base, e o exemplo do Megatron-Bridge significa que o primeiro ajuste fino não é um projeto de pesquisa por si só.

Não faça clone de nenhum dos dois esperando um substituto direto para o outro. Um é um produto acabado com uma licença que permite quase tudo; o outro é um ponto de partida forte com uma licença que permite menos e um produto que ainda não existe. A questão interessante é o que a Baidu entrega no modelo pós-treinado e a que preço — porque, se ele chegar perto de US$ 0,15/US$ 0,50 com 14B de parâmetros ativos, isso deixa de ser uma comparação entre dois repositórios e passa a ser uma disputa genuína entre dois modelos Flash abertos. Até lá, os repositórios não estão nem de longe na mesma prateleira.