ERNIE-5.5-Flash vs GPT-6 Luna: что на самом деле должен вам Flash-уровень

Flash — это не число параметров. Это коммерческое обещание из четырёх пунктов: цена за миллион токенов, задержка, на которую можно ориентироваться при планировании запроса, контекстное окно, под которое можно рассчитать приложение, и оценка, проверенная независимой стороной. GPT-6 Luna, выпущенная OpenAI 22 сентября 2026 года, публикует все четыре. ERNIE-5.5-Flash, базовые веса которой Baidu выпустила 5 ноября 2026 года, не публикует ни одного из них — ни цены, ни задержки обслуживания, ни независимой оценки, а показатель контекста описывает конфигурацию контрольной точки, а не эндпоинта. Сопоставление ERNIE-5.5-Flash с GPT-6 Luna поэтому не является прямым сравнением один на один. Это полезная проверка того, что должно гарантировать слово «Flash», и демонстрация того, какую часть этой гарантии Baidu ещё не предоставила. Luna обслуживается по прейскурантной цене провайдера, при этом политики маршрутизации по уровню усилий и контексту собраны в одном месте.

Пункт первый: цена

GPT-6 Luna заявлена по цене $0.10 за миллион входных токенов и $0.50 за миллион выходных. Чтение из кэша обходится примерно в $0.01, запись в кэш — около $0.125, а промпты объёмом свыше 272K входных токенов переходят на более высокий тариф — $0.20/$0.75. На фоне GPT-6 Sol за $2/$10 и GPT-6 Astra за $10/$50 Luna стоит примерно в двадцать раз и в сто раз дешевле соответственно — OpenAI позиционирует запуск как постоянное снижение цены на 50 процентов относительно промо-цен GPT-5.6, а не как временную скидку.

У ERNIE-5.5-Flash нет цены. И это не неопубликованная цена и не цена по индивидуальному запросу для предприятий: дообученной модели не существует, поэтому оценивать нечего. Существует ERNIE-5.5-Flash-Base — разреженная MoE-модель с 280 млрд параметров и 14 млрд активных параметров на токен, распространяемая по ERNIE 5.5 Flash Base Model License Agreement v1.0 и доступная для бесплатного скачивания в форматах FP8 и BF16.

Вот и весь первый пункт. С одной стороны — модель по десять центов за миллион входных токенов, с другой — репозиторий.

Пункт второй: задержка

Профиль задержек Luna необычно честно отражает её собственные компромиссы. Скорость вывода составляет около 154 токенов в секунду. При минимальных усилиях на рассуждение медианное время до первого токена — около 1,5 секунды. При максимальных усилиях на рассуждение оно растягивается примерно до 124 секунд — цифра, которая делает модель непригодной для интерактивной работы при такой настройке и вполне разумной для пакетного анализа. Тариф Flash, публикующий оба числа, прямо говорит, для каких развертываний он предназначен.

ERNIE-5.5-Flash не публикует ни пропускную способность, ни время до первого токена, потому что нет обслуживаемой конечной точки для измерений. Что можно вывести — это архитектурное: 14B активных параметров на токен из 280B общих — это дизайн, нацеленный на дешёвое и быстрое декодирование, а 14B активных — это меньший рабочий набор, чем 18B у GLM-5.3 Flash или разделение 8B-вход/16B-выход у DeepSeek V4.1 Flash. На бумаге он создан быть быстрым. «На бумаге» — это то, чем это утверждение должно оставаться, пока кто-нибудь не развернёт его.

Пункт третий: контекст

Окно контекста GPT-6 Luna составляет около одного миллиона токенов, а объём вывода ограничен примерно 128K. Примечательная деталь: это больше, чем 872K у GPT-6 Sol, — более дешёвая модель принимает больше входных данных, чем дорогая. Это переворачивает обычную логику эскалации. Стандартная схема маршрутизации — «отправлять большой объём данных большой модели»; Luna её ломает, и любой маршрутизатор, настроенный на основе старого допущения, будет расходовать слишком много.

ERNIE-5.5-Flash-Base сообщает о контексте обучения 128K и 1,048,576 токенах, доступных для дообучения и инференса в выпущенной конфигурации. Это числа не того же рода, что у Luna. Одно — это флаг конфигурации на контрольной точке, которая никогда не обслуживалась на такой длине; другое — продуктовое ограничение с привязанным ценовым уровнем на 272K. Доказательства Baidu в отношении длинного контекста — это прогон набора бенчмарков — HELMET-RAG 71.5, RepoQA 91.7, LongBench-v2 48.7, InfiniteBench 46.5 — выполненный на собственном стенде, и в посте признаётся, что как минимум две из этих строк по длинному контексту относятся к базовой модели конкурента.

Пункт четыре: оценка, проверенная кем-то другим

Опубликованная позиция Luna неоднозначна, и именно это делает её правдоподобной. BenchGecko сообщает средний балл 55,9 и место около 116-го; показатели, близкие к данным вендора, включают DeepSWE v1.1 — 66,6, OSWorld 2.0 — 52,7, LiveBench по программированию — 79 и по математике — 89,1. Terminal-Bench 4.0 показывает около 13,6 процента в прогоне Vals AI, а AutomationBench — 20,7. Artificial Analysis оценивает индекс интеллекта примерно в 37–38, что ниже Sol — около 48 — и Astra — около 53, а индекс агента для программирования — примерно в 41, что является регрессом по сравнению с 43 у GPT-5.6 Luna. Доля галлюцинаций улучшилась с 93 процентов до 77 процентов — это лучше, но всё ещё недостаточно хорошо.

Luna — дешёвая модель с задокументированным потолком и как минимум одной задокументированной регрессией. Для покупателя это полезнее, чем сильная цифра без подтверждённого происхождения, потому что показывает, где её не стоит использовать: в агентных циклах кодирования, в критически важном воспроизведении фактов и во всём, что зависит от манипуляций со средой в стиле Terminal-Bench.

Сторона ERNIE-5.5-Flash в этом пункте — таблица базовой модели. MMLU 93.3, MMLU-Pro 78.4, GPQA 60.2, HumanEval+ 82.3, LiveCodeBench 40.1 — всё измерено до посттренировки, в тестовом стенде Baidu, в сравнении с другими базовыми чекпойнтами. Это легитимная таблица. Это не ответ на вопрос «насколько хороша модель, которую я бы вызвал», потому что модель, которую вы бы вызвали, ещё не построена.

Почему "Flash" на 280B — совсем другой зверь

Под этим сравнением скрывается структурный момент. Luna — небольшая модель, дешёвая за счёт своего небольшого размера. ERNIE-5.5-Flash — крупная модель, дешёвая за счёт активации небольшой части самой себя — 14B из 280B на токен. Экономика здесь действительно иная: затраты на память масштабируются с общим объёмом 280B, вычислительные затраты — с активными 14B. Для провайдера, обслуживающего большие объёмы, это привлекательная конфигурация, потому что дорогая часть амортизируется за счёт множества одновременных запросов, а дешёвая часть — это стоимость каждого токена.

Для того, кто разворачивает всё у себя, та же конфигурация — проблема. Вам нужна память для 280B параметров в FP8 — порядка 280 ГБ до KV-кэша — чтобы получить вычислительный профиль модели на 14B. Это развёртывание масштаба дата-центра, а не рабочей станции, и именно поэтому базовые чекпоинты такого размера обычно становятся API, а не локальными моделями.

Luna — полная противоположность: достаточно компактная, чтобы её можно было широко предоставлять, с ценой, отражающей это, и доступна через API OpenAI, ChatGPT Work, Codex и настольное приложение на тарифах Free и Go. Распространение — часть продукта.

Где OrcaRouter подходит, а где нет

GPT-6 Luna доступна для маршрутизации на OrcaRouter как openai/gpt-6-luna по прейскурантной цене провайдера с 0% наценки. Для этой модели это важнее, чем обычно, потому что интересные решения о маршрутизации вокруг Luna вовсе не связаны с ценой — они связаны с уровнем усилий. Запрос, которому нужна задержка первого токена в 1,5 секунды, не следует отправлять с тем же уровнем усилий, что и пакетное задание, которое может подождать две минуты, а рабочая нагрузка, которой иногда требуется 800K контекста, не должна по умолчанию отправляться в Sol в предположении, что у более крупной модели больше окно. Слой маршрутизации, способный хранить такие политики в одном месте, с автоматическим переключением при деградации провайдера, здесь выполняет реальную работу.

ERNIE-5.5-Flash отсутствует в каталоге OrcaRouter — 216 идентификаторов моделей, ни одной записи ERNIE — и ничто в этой статье не должно восприниматься как утверждение, что он там есть. Нет эндпоинта, на который можно было бы маршрутизировать запросы. Честная позиция такова: в тот день, когда Baidu начнёт предоставлять посттренированную модель, вопрос маршрутизации станет интересным; сегодня он гипотетический.

Что сделало бы ERNIE конкурентом Luna?

Четыре вещи, и это те же самые четыре пункта.

• Цена на уровне или ниже $0.10/$0.50. Всё, что выше тарифа Luna, должно оправдывать себя качеством китайского языка или размещением данных, а Baidu пока не выдвинул ни одного из этих аргументов в пользу этой модели.

• Измеренное значение пропускной способности. Архитектура с 14B активных параметров позволяет предположить, что она может быть быстрой; но пока провайдер не опубликует число токенов в секунду и время до первого токена, это остаётся архитектурным предположением, а не спецификацией.

• Лимит контекста, предоставляемый в рамках обслуживания, с привязанной ценой. Конфигурация на 1 048 576 токенов — это возможность чекпойнта. Окно Luna — это условие продукта, включая ценовой уровень 272K. Это разные обязательства.

• Модель, прошедшая постобучение, с независимой оценкой. Это самое главное. Именно на пути от базового чекпоинта до готовой модели Flash обитают следование инструкциям, использование инструментов и дисциплина форматирования, и именно этот путь Luna уже прошла.

Пока этих четырёх не существует, у сравнения есть однозначный ответ для всех, кто покупает мощности: GPT-6 Luna, со своими задокументированными слабостями, — реальный вариант по реальной цене, а ERNIE-5.5-Flash — это исследовательский релиз, носящий имя продуктового уровня. Более интересное наблюдение состоит в том, что Baidu решила сначала выпустить базовые веса и публично задокументировала архитектуру — 43 слоя, 37 HCA плюс 6 MLA-DSA, 512 маршрутизируемых экспертов при top-10, словарь на 201 216 токенов, — что выглядит так, будто лаборатория приглашает к работе над посттренингом, а не поставщик открывает канал продаж. Судите по этому стандарту — и это хороший релиз. Судите по сравнению с Luna — и он ещё не на том же рынке.