ERNIE-5.5-Flash vs GPT-6 Luna: O que uma Camada Flash Realmente Deve a Você

Flash não é uma contagem de parâmetros. É uma promessa comercial com quatro cláusulas: um preço por milhão de tokens, uma latência em torno da qual você pode planejar uma requisição, uma janela de contexto para a qual você pode dimensionar uma aplicação e uma pontuação verificada por alguém independente. O GPT-6 Luna, lançado pela OpenAI em 22 de setembro de 2026, publica todas as quatro. O ERNIE-5.5-Flash, cujos pesos base a Baidu divulgou em 5 de novembro de 2026, não publica nenhuma delas — sem preço, sem latência de serviço, sem avaliação independente e com um número de contexto que descreve uma configuração de checkpoint em vez de um endpoint. Portanto, colocar o ERNIE-5.5-Flash contra o GPT-6 Luna não é um confronto direto. É um teste útil do que a palavra "Flash" deveria garantir e uma demonstração de quanto dessa garantia a Baidu ainda não fez. O Luna é oferecido a preço de tabela do provedor, com políticas de roteamento para esforço e contexto mantidas em um único lugar.

Cláusula um: preço

O GPT-6 Luna tem preço de tabela de US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de saída. As leituras de entrada em cache custam cerca de US$ 0,01, as gravações em cache cerca de US$ 0,125, e prompts acima de 272K tokens de entrada passam para uma faixa superior, a US$ 0,20/US$ 0,75. Em comparação com o GPT-6 Sol, a US$ 2/US$ 10, e o GPT-6 Astra, a US$ 10/US$ 50, o Luna custa aproximadamente um vigésimo e um centésimo, respectivamente — a OpenAI apresenta o lançamento como um corte permanente de 50% em relação ao preço promocional do GPT-5.6, e não como um desconto temporário.

O ERNIE-5.5-Flash não tem preço. Não um preço não publicado, nem um preço de cotação empresarial: o modelo pós-treinado não existe, então não há nada para precificar. O que existe é o ERNIE-5.5-Flash-Base, um MoE esparso de 280B parâmetros com 14B ativos por token sob o ERNIE 5.5 Flash Base Model License Agreement v1.0, gratuito para download em FP8 e BF16.

Essa é toda a cláusula um. Um modelo a dez centavos por milhão de tokens de entrada de um lado, e um repositório do outro.

Cláusula dois: latência

O perfil de latência do Luna é incomumente honesto sobre seus próprios trade-offs. A saída fica em torno de 154 tokens por segundo. Com baixo esforço de raciocínio, o tempo mediano até o primeiro token é de cerca de 1,5 segundo. No esforço máximo de raciocínio, ele se estende para aproximadamente 124 segundos — um número que torna o modelo inutilizável para trabalho interativo nessa configuração e perfeitamente razoável para análise em lote. Uma camada Flash que publica os dois números está dizendo para quais implantações ela serve.

O ERNIE-5.5-Flash não publica vazão nem tempo até o primeiro token, porque não há endpoint servido para medir. O que pode ser inferido é arquitetural: 14B parâmetros ativos por token de um total de 280B é um projeto voltado para decodificação barata e rápida, e 14B ativos é um conjunto de trabalho menor que os 18B do GLM-5.3 Flash ou a divisão 8B-entrada/16B-saída do DeepSeek V4.1 Flash. No papel, ele foi construído para ser rápido. No papel é onde essa afirmação tem de permanecer até que alguém o coloque em serviço.

Cláusula três: contexto

A janela do GPT-6 Luna é de cerca de um milhão de tokens, com a saída limitada a aproximadamente 128K. O detalhe que vale a pena observar é que isso é maior que os 872K do GPT-6 Sol — o modelo mais barato aceita mais entrada que o mais caro. Isso inverte a lógica usual de escalonamento. O padrão de roteamento habitual é "enviar o payload grande para o modelo grande"; o Luna quebra esse padrão, e qualquer roteador configurado com a suposição antiga terá gastos excessivos.

O ERNIE-5.5-Flash-Base informa contexto de treinamento de 128K e 1,048,576 tokens habilitados para ajuste fino e inferência na configuração lançada. Esses não são o mesmo tipo de número que os da Luna. Um é um sinalizador de configuração em um checkpoint que nunca foi servido nesse comprimento; o outro é um limite de produto com uma faixa de preço associada em 272K. A evidência de contexto longo da Baidu é uma varredura de benchmarks — HELMET-RAG 71.5, RepoQA 91.7, LongBench-v2 48.7, InfiniteBench 46.5 — executada sob seu próprio harness, e a publicação admite que pelo menos duas dessas linhas de contexto longo são de um modelo base concorrente.

Cláusula quatro: uma pontuação verificada por outra pessoa

A posição publicada da Luna é mista, e é isso que a torna crível. O BenchGecko relata uma pontuação média de 55,9 com um ranking em torno de 116º; os números de fontes ligadas ao fornecedor incluem DeepSWE v1.1 em 66,6, OSWorld 2.0 em 52,7, LiveBench de codificação 79 e de matemática 89,1. O Terminal-Bench 4.0 fica em cerca de 13,6 por cento na execução da Vals AI, e o AutomationBench em 20,7. A Artificial Analysis coloca seu índice de inteligência em cerca de 37 a 38, abaixo do Sol em cerca de 48 e do Astra em cerca de 53, e seu índice de agente de codificação em cerca de 41 — uma regressão em relação aos 43 do GPT-5.6 Luna. A taxa de alucinação melhorou de 93 por cento para 77 por cento, o que é melhor e ainda assim não é bom.

Então, Luna é um modelo barato com um teto documentado e pelo menos uma regressão documentada. Isso é mais útil para um comprador do que um número forte sem proveniência, porque lhe diz onde não usá-lo: loops de codificação agêntica, recuperação factual de alto risco e qualquer coisa que dependa de manipulação de ambiente no estilo Terminal-Bench.

O lado da ERNIE-5.5-Flash nesta cláusula é uma tabela de modelo base. MMLU 93.3, MMLU-Pro 78.4, GPQA 60.2, HumanEval+ 82.3, LiveCodeBench 40.1 — todos medidos antes do pós-treinamento, no harness da Baidu, em comparação com outros checkpoints base. É uma tabela legítima. Não é uma resposta para "quão bom é o modelo que eu chamaria", porque o modelo que você chamaria ainda não foi construído.

Por que o "Flash" em 280B é um animal diferente

Há um ponto estrutural escondido sob a comparação. Luna é um modelo pequeno tornado barato por ser pequeno. ERNIE-5.5-Flash é um modelo grande tornado barato ao ativar uma pequena fração de si mesmo — 14B de 280B por token. A economia é genuinamente diferente: o custo de memória escala com o total de 280B, o custo de computação escala com os 14B ativos. Para um provedor que atende em volume, essa é uma configuração atraente, porque a parte cara é amortizada entre muitas solicitações simultâneas e a parte barata é o que cada token custa.

Para quem auto-hospeda, o mesmo formato é um problema. Você precisa da memória para 280B parâmetros em FP8 — na ordem de 280GB antes do cache KV — para obter o perfil de computação de um modelo de 14B. Isso é uma implantação de data center, não de estação de trabalho, e é por isso que checkpoints base desse tamanho tendem a se tornar APIs em vez de modelos locais.

Luna é o oposto: pequena o suficiente para ser disponibilizada amplamente, com preço que reflete isso, e disponível por meio da API da OpenAI, do ChatGPT Work, do Codex e do aplicativo para desktop nos níveis Free e Go. A distribuição faz parte do produto.

Onde o OrcaRouter se encaixa, e onde não

GPT-6 Luna é roteável no OrcaRouter como openai/gpt-6-luna, pelo preço de tabela do provedor, com 0% de markup. Isso importa mais do que o normal para este modelo, porque as decisões de roteamento interessantes em torno do Luna não são sobre preço — são sobre esforço. Uma requisição que precisa de latência de primeiro token de 1,5 segundo não deve ser enviada para a mesma configuração de esforço que um job em lote que pode esperar dois minutos, e uma carga de trabalho que ocasionalmente precisa de 800K de contexto não deve usar o Sol por padrão, partindo do pressuposto de que o modelo maior tem a janela maior. Uma camada de roteamento que consegue manter essas políticas em um só lugar, com failover automático quando um provedor degrada, está fazendo trabalho de verdade aqui.

O ERNIE-5.5-Flash não está no catálogo do OrcaRouter — 216 IDs de modelo, nenhuma entrada ERNIE — e nada neste artigo deve ser lido como uma alegação de que ele esteja. Não há endpoint para o qual rotear. A posição honesta é que, no dia em que a Baidu servir o modelo pós-treinado, a questão do roteamento se torna interessante; hoje ela é hipotética.

O que tornaria o ERNIE um concorrente do Luna

Quatro coisas, e são as mesmas quatro cláusulas.

• Um preço igual ou inferior a $0.10/$0.50. Qualquer valor acima da tarifa da Luna precisa se justificar pela qualidade em língua chinesa ou pela residência de dados, e a Baidu ainda não apresentou nenhum desses argumentos para este modelo.

• Um número de vazão medido. O design de 14B de parâmetros ativos sugere que poderia ser rápido; até que um provedor publique tokens por segundo e tempo até o primeiro token, isso é uma inferência arquitetural, não uma especificação.

• Um limite de contexto servido com um preço associado. A configuração de 1,048,576 tokens é uma capacidade do checkpoint. A janela da Luna é um termo de produto, incluindo o nível de preço de 272K. Esses são compromissos diferentes.

• Um modelo pós-treinado com avaliação independente. Esse é o grande diferencial. A distância entre um checkpoint base e um modelo Flash finalizado é onde vivem o seguimento de instruções, o uso de ferramentas e a disciplina de formatação, e é exatamente a distância que a Luna já percorreu.

Até que esses quatro existam, a comparação tem uma resposta clara para qualquer pessoa que esteja comprando capacidade: GPT-6 Luna, com suas fraquezas documentadas, é uma opção real a um preço real, e ERNIE-5.5-Flash é um lançamento de pesquisa vestindo o nome de um nível de produto. A observação mais interessante é que a Baidu escolheu disponibilizar primeiro os pesos base e documentou a arquitetura de forma aberta e detalhada — 43 camadas, 37 HCA mais 6 MLA-DSA, 512 especialistas roteados em top-10, um vocabulário de 201.216 tokens —, o que soa como um laboratório convidando para trabalho de pós-treinamento, em vez de um fornecedor abrindo um canal de vendas. Julgue-o por esse padrão e é um bom lançamento. Compare-o com Luna e ele ainda não está no mesmo mercado.