ERNIE 5.5 Flash vs MiniMax M3.1 Flash: duas janelas de dois milhões de tokens, uma pontuação publicada

Ambos esses modelos alegam uma janela de contexto de um milhão de tokens, ambos são da linha Flash, ambos custam menos de um dólar por milhão de tokens de entrada, e exatamente um deles tem um número atrelado ao nome. O MiniMax M3.1 Flash pontua 42 no Índice de Inteligência da Artificial Analysis desde seu lançamento em 19 de outubro de 2026, a US$ 0,22 por tarefa do índice concluída. O ERNIE 5.5 Flash foi posto à venda no Baidu Qianfan em 10 de novembro de 2026 com um preço, uma especificação e nenhum tipo de avaliação — nem uma tabela do fornecedor, nem uma execução independente, nem um corte de conhecimento. Então a pergunta útil não é qual modelo é melhor. É quanto vale a pontuação ausente, e se as duas janelas são a mesma janela.

Onde as duas especificações realmente divergem

Os números de destaque são próximos o suficiente para parecerem intercambiáveis, mas não são. Quatro das linhas abaixo determinam cargas de trabalho reais.

• Janela de entrada — ERNIE 1.024.000 tokens vs MiniMax 1.000.000. Uma diferença de 24.000 tokens é ruído; trate-as como equivalentes e pare de compará-las.

• Teto de saída — ERNIE 921.600 tokens vs MiniMax 524.288. O teto do ERNIE é quase o dobro, e a razão é arquitetural, não generosidade: seu raciocínio não pode ser desativado, então loops longos de agente precisam de algum lugar para onde o pensamento ir.

• Preço por milhão — ERNIE $0,28 entrada / $1,13 saída / $0,028 em cache vs. MiniMax $0,15 / $0,60 / $0,015. A ERNIE custa 1,87× a tarifa de entrada e 1,88× a tarifa de saída. As leituras em cache escalam da mesma forma.

• Modalidade — ERNIE é somente texto. MiniMax aceita texto, imagem e vídeo e retorna texto. Para qualquer carga de trabalho que contenha uma captura de tela, um gráfico, uma captura de UI ou uma chamada gravada, esta linha encerra a comparação antes mesmo de se discutir preço.

• Controle de raciocínio — o raciocínio do ERNIE é obrigatório, habilitado por padrão e oferecido em um único nível de esforço: alto. O MiniMax expõe profundidade de raciocínio ajustável, o que significa que uma chamada de classificação pode pular o raciocínio de que não precisa.

• Pesos — a MiniMax publicou 428 bilhões de parâmetros (23 bilhões ativos) em 23 de outubro, 252,4 GB em 48 shards sob uma licença comunitária com uma linha de receita de US$ 20 milhões. O checkpoint base do ERNIE pode ser baixado; o ERNIE 5.5 Flash pós-treinado não, e nenhuma data foi fornecida.

• Pontuação independente — MiniMax 42 no Intelligence Index, 41º de 173 no momento da pontuação, US$ 0,22 por tarefa. ERNIE: nenhum. O Artificial Analysis traz linhas do ERNIE 4.5 e do ERNIE 5.0 e nenhuma linha do ERNIE 5.5.

Execute a fatura três vezes, não apenas uma.

Uma tabela de preços é a forma menos útil de comparar dois modelos que pensam antes de responder. A mesma tarefa, precificada de três maneiras, é mais honesta.

Considere uma carga de trabalho de revisão de documentos: 400.000 tokens de entrada, 3.000 tokens de saída por solicitação, cem solicitações por dia. No ERNIE 5.5 Flash, isso dá 40 milhões de tokens de entrada a US$ 0,28 e 300.000 tokens de saída a US$ 1,13 — US$ 11,20 mais US$ 0,34, ou seja, US$ 11,54 por dia. No MiniMax M3.1 Flash, são US$ 6,00 mais US$ 0,18, ou US$ 6,18. O ERNIE custa US$ 5,36 a mais por dia, ou cerca de US$ 1.950 por ano, pelos mesmos 100 documentos.

Agora repita isso com um prompt de sistema que vale a pena colocar em cache. Se 380.000 desses tokens de entrada forem instruções estáveis e apenas 20.000 mudarem, as leituras em cache do ERNIE a US$ 0,028 transformam a linha de entrada de US$ 11,20 em cerca de US$ 1,62; a taxa de cache de US$ 0,015 do MiniMax leva seus US$ 6,00 para cerca de US$ 0,87. A diferença cai para bem menos de um dólar por dia, e ambos os modelos ficam baratos o suficiente para que a escolha deixe de ser financeira. O cache não é uma micro-otimização em uma janela de um milhão de tokens — é a maior parte da conta.

A terceira execução é a que ninguém publica. Inclua os tokens de raciocínio. Não se pode pedir à ERNIE que os pule; em uma tarefa em que ela pensa por 6.000 tokens antes de escrever 3.000, o volume de saída é de 9.000 tokens e a linha de saída triplica. Pode-se dizer à MiniMax para pensar menos, e seu comportamento documentado já é excepcionalmente verboso — 180 milhões de tokens de saída no Intelligence Index contra uma mediana de 99 milhões — então os dois podem convergir na prática. Ninguém sabe, porque apenas um desses modelos foi medido. Até você contar os tokens de saída nos seus próprios prompts, a segunda casa decimal de qualquer comparação aqui é enfeite.

O raciocínio obrigatório é uma posição de design, não um bug.

É tentador interpretar o raciocínio obrigatório de alto esforço do ERNIE como uma limitação, e, para algumas cargas de trabalho, é exatamente isso — não há caminho rápido para uma classificação de uma palavra, e cada requisição paga um custo de latência e de tokens que o MiniMax permite evitar. Mas a mesma decisão explica o teto de saída, e diz algo sobre para quem a Baidu construiu isto.

Um modelo que sempre raciocina, com um limite de saída de 921.600 tokens, foi criado para execuções agênticas longas: refatorações em escala de repositório, pesquisa em várias etapas, ciclos de planejamento que precisam de espaço para pensar. O lançamento do checkpoint base da Baidu segue a mesma linha — o corpus de pré-treinamento enfatiza "código em escala de repositório e contexto longo", e as linhas de benchmark que mais o favorecem são HumanEval+ com 82,3 e RepoQA com 91,7, ambos números de modelo base que não dizem nada diretamente sobre o modelo de chat, mas dizem o que os dados de treinamento priorizaram.

O design do MiniMax aponta para outra direção. Profundidade de raciocínio ajustável, entrada nativa de imagem e vídeo, 125,5 tokens de saída por segundo e 1,04 segundo até o primeiro token descrevem um modelo feito para throughput — loops autônomos, interfaces guiadas por capturas de tela, pipelines de documentos em que a entrada é um scan, não um diff. A linguagem de posicionamento do próprio modelo gira em torno do custo por token em volume, e os US$ 0,22 por tarefa de indexação são o número que sustenta isso.

Dois modelos da linha Flash, duas apostas diferentes: uma na profundidade por solicitação, outra nas solicitações por segundo. Nenhuma das duas está errada, e as fichas de especificações são incomumente claras sobre qual é qual.

Ambos são baratos; apenas um é uma decisão que você pode tomar hoje

A assimetria que importa é de natureza probatória. O MiniMax M3.1 Flash tem uma pontuação de índice publicada, um custo por tarefa publicado, um model card publicado, pesos disponíveis para download e uma medição independente de quantos tokens ele consome para concluir um benchmark. Uma decisão de compra pode ser tomada com base nisso. O ERNIE 5.5 Flash Preview tem uma tabela de preços, uma janela de contexto e uma página de imprensa da Baidu que ainda destaca o checkpoint base e a expressão "em breve" em relação ao modelo pós-treinado — que, inconvenientemente, é o modelo que agora está sendo vendido.

Isso não torna a prévia um modelo ruim. Torna-a um modelo não medido, e a postura correta diante de um modelo não medido que custa o dobro de um concorrente medido não é presumir que ele seja pior. O checkpoint base da Baidu superou o DeepSeek V4 Flash Base em 26 de 30 linhas; uma boa execução de pós-treinamento nessa base poderia plausivelmente ficar acima de 42. Também poderia ficar abaixo. O ponto é que ninguém fora da Baidu consegue dizer atualmente, e uma tabela de preços não é evidência.

Testando ambos sem assinar dois contratos

Um desses modelos está em uma chave roteada e o outro não. O OrcaRouter oferece MiniMax M3.1 Flash pelo preço de lista do provedor, com 0% de markup, ao lado de GLM-5.3-Flash, DeepSeek V4.1 Flash, Qwen 3.8 Flash e Gemini 3.8 Flash — mais de 200 modelos por trás de um único endpoint compatível com OpenAI, com failover automático entre provedores e uma DSL de roteamento para compor vários modelos em uma única chamada. O ERNIE 5.5 Flash Preview não está nesse catálogo; não há entrada ERNIE nem endpoint da Baidu para onde possamos rotear, então ele precisa ser chamado na própria API da Baidu, com uma segunda chave e uma segunda cobrança.

A rota prática por essa assimetria é construir a avaliação primeiro e a integração depois. Coloque seus vinte prompts atrás da chave roteada, execute o MiniMax e o restante da camada Flash, e registre tokens de saída por tarefa — não apenas preço por milhão. Depois, aponte os mesmos vinte prompts para o endpoint da Baidu e compare no mesmo eixo. Se o ERNIE vencer nas tarefas com que você se importa, sua taxa de 1,88× é um prêmio que vale a pena pagar, e a ficha do modelo ausente se torna um incômodo em vez de um bloqueio. Se não vencer, você gastou uma tarde e uma pequena fatura para descobrir.

O que resolveria isso adequadamente seria uma única linha num painel de acompanhamento que roda seu próprio sistema de avaliação. A MiniMax tem uma desde o dia do lançamento. A Baidu poderia publicar uma amanhã e a incerteza central deste artigo evaporaria — o que é o sinal revelador de que a incerteza não é realmente sobre os modelos. É sobre qual fornecedor escolheu mostrar seu trabalho.