ERNIE-5.5-Flash против Qwen 3.8 Flash: базовый чекпоинт встречается с готовой моделью

Поставьте ERNIE-5.5-Flash рядом с Qwen 3.8 Flash — и первое честное наблюдение будет состоять в том, что это объекты не одного и того же рода. На самом деле Baidu опубликовала ERNIE-5.5-Flash-Base — чекпоинт в конце предварительного обучения: до промежуточного этапа, до инструкционной донастройки, до какой бы то ни было работы с предпочтениями, — поэтому он продолжает текст, а не отвечает на запросы, и обслуживается через эндпоинт completions, а не chat. Qwen 3.8 Flash, выпущенная Alibaba 26 августа 2026 года, — это готовая мультимодальная модель, которая принимает текст, изображения и видео и возвращает текст, по цене $0,15 за миллион входных токенов и $0,47 за миллион выходных. Одна — это отправная точка, которую вам ещё предстоит обучить; другая — продукт, к которому можно обратиться уже сегодня днём. Практически каждое число ниже меняет смысл в зависимости от того, что именно из этих двух вещей вы, по вашему мнению, сравниваете, поэтому стоит определиться до таблицы характеристик, а не после.

Что Baidu выпустил — и о чём умолчал

Релиз тихий — в том специфическом смысле, в каком часто бывают китайские релизы открытых весов: артефакты появляются раньше, чем история о них. baidu/ERNIE-5.5-Flash-Base — репозиторий, созданный на Hugging Face 21 октября; неделю он оставался почти пустым, а затем 2–3 ноября получил свои 128 шардов весов FP8. Диаграммы архитектуры и бенчмарков появились 4 ноября, а сама карточка всё ещё дорабатывалась сегодня утром. Собственная страница релиза Baidu датирована сегодняшним днём, 5 ноября, и единственное обсуждение, которое она вызвала за пределами этой страницы, — это тема на форуме и пост в WeChat. Нет ни пресс-релиза, ни мероприятия по запуску, ни сколько-нибудь заметного освещения в прессе.

Это важно для того, чему можно и чему нельзя доверять. Из репозитория можно узнать: архитектуру, количество параметров, полную таблицу вендорских бенчмарков с явно указанным тестовым стендом (harness), рабочие рецепты обслуживания через SGLang и vLLM, текст лицензии и тот факт, что наряду с FP8-версией существует BF16-собрат. Нельзя узнать: собирается ли Baidu предоставлять его как API — в прайс-листе Qianfan, последнее обновление 18 октября, перечислены ERNIE 5.1, 5.0 и 4.5 Turbo, и нет никакой записи ERNIE 5.5 — какие результаты показывает его версия, дообученная на инструкциях, и воспроизведёт ли какой-либо независимый оценщик хоть одну цифру из таблицы Baidu.

Характеристики из журнала, для справки: всего 280B параметров при 14B активных на токен, предварительное обучение с нуля на 33.5T токенов, 43 слоя, из которых один — плотный FFN, а 42 — MoE, 512 маршрутизируемых экспертов с маршрутизацией top-10 плюс один общий эксперт и словарь на 201,216 токенов. Выпущенная конфигурация обеспечивает контекст на 1,048,576 токенов, хотя во время обучения модель видела только 131,072. Есть также голова многотокенного предсказания на 0.36B, которая не учитывается ни в одном из двух показателей числа параметров.

Сопоставление характеристик по тем параметрам, которые действительно решают.

• Что вы получаете — ERNIE-5.5-Flash-Base — это всего лишь контрольная точка: веса, которые вы скачиваете, эндпоинт /v1/completions и никакого поведения следования инструкциям. Qwen 3.8 Flash — это модель, доступная через сервис, с вызовом инструментов, режимом рассуждений, структурированными выходами и максимальным ответом в 131 072 токена.

• Размер — 280 млрд всего / 14 млрд активных у ERNIE против 125 млрд всего / примерно 6 млрд активных у Qwen 3.8 Flash, который также несёт таблицу n-граммных эмбеддингов на 51 млрд и MTP-голову примерно на 4 млрд, что даёт около 180 млрд параметров на диске.

• Дизайн внимания — ERNIE использует 43 слоя: 37 слоёв сильно сжатого внимания (HCA) плюс 6 слоёв MLA с разреженным вниманием; Qwen 3.8 Flash использует гибрид Gated DeltaNet и Qwen Sparse Attention в 48 слоях. Оба варианта — это ставка на то, что классическое полное внимание — не то, за что стоит платить по ценам уровня Flash, но к этому они пришли с противоположных сторон.

• Контекст — 1M токенов заявлены у обеих сторон, но достигнуты по-разному: ERNIE обучена на 128K и включает 1M только на этапе дообучения и инференса, тогда как Qwen 3.8 Flash нативно имеет 262K и достигает 1M за счёт расширения YaRN.

• Модальность — ERNIE-5.5-Flash-Base работает только с текстом на английском и китайском языках. Qwen 3.8 Flash принимает текст, изображения и видео, а его таблица от производителя включает результаты AndroidWorld, OSWorld 2.0, MathVision и LVBench, которые текстовый чекпоинт выдать не может.

• Веса на стороне Qwen — рабочая Qwen 3.8 Flash доступна только через API, но её открытая по весам «сестра» Qwen3.8-Flash-Next опубликована под лицензией Qwen Community License 1.0, так что эти две стороны сопоставимы куда сильнее, чем поначалу кажется из противопоставления «API против весов».

• Обслуживание — Baidu поставляет рабочий рецепт: образ lmsysorg/sglang:dev-ernie-55-flash с --tp 4 или vLLM 0.32.0 плюс плагин baidu/vLLM-ERNIE с размером data-parallel 4. Qwen 3.8 Flash не нуждается в рецепте обслуживания, потому что Alibaba обслуживает его за вас.

• Цена — опубликованной цены за токен для ERNIE-5.5-Flash-Base нигде нет, поскольку нет размещённого эндпоинта, для которого её можно было бы указать; $0.15 за входные / $0.47 за выходные данные на миллион токенов для Qwen 3.8 Flash, при этом чтение кэшированных входных данных — $0.0184.

• Лицензия — ERNIE 5.5 Flash Base Model License Agreement v1.0, кастомное соглашение, которое стоит прочитать целиком, прежде чем строить на нём продукт, по сравнению с Qwen Community License 1.0 на стороне открытого Qwen.

Строки бенчмарка, которые выглядят сопоставимыми, но на самом деле таковыми не являются

Вот в чём ловушка, которую создаёт это сравнение. Оба поставщика публикуют показатель LiveCodeBench, и эти два числа — 40,1 и 91,9.

Они измеряют не одно и то же, и разрыв между ними — не разрыв в возможностях. 40,1 у Baidu — это Pass@1 в режиме one-shot на исходном предобученном чекпойнте: модель просят завершать фрагменты кода, хотя её никогда не учили следовать инструкциям. 91,9 у Alibaba — это LiveCodeBench v6 — другая и более поздняя версия бенчмарка, указанная для модели, прошедшей полный цикл постобучения. С парой по GPQA та же проблема: 60,2 у ERNIE при five-shot exact match на базовом чекпойнте, 91,7 у Qwen на GPQA Diamond после дообучения на инструкциях. Даже сравнение по MMLU — 93,3 против модели, которая не публикует MMLU, — не с чем сопоставить.

Это не критика ни одной из моделей. Это утверждение о том, для чего нужно оценивание базовой модели. 40.1 на LiveCodeBench у чекпойнта, который никогда не видел инструкций, — это утверждение о том, сколько структуры кодирования впитал претрейн, и при такой трактовке это разумное число. Оно ничего не говорит о том, как те же веса покажут результат после дообучения кем-либо. Никто, включая Baidu, не публиковал это число.

Единственная таблица, которую можно воспринимать буквально, — собственная таблица Baidu, поскольку все четыре столбца были прогнаны через один и тот же конвейер, промпты и настройки few-shot. В сравнении с DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B) и MiMo-V2.5-Base (310B-A15B) ERNIE-5.5-Flash-Base показывает лучший результат в строке в 24 из 30 бенчмарков, включая MMLU-Pro — 78,4 против 69,2, HumanEval+ — 82,3 против 69,5 и RepoQA — 91,7 против 81,0. Он уступает DeepSeek в ChineseSimpleQA, Hy3 — в FullStackBench и BBH chain-of-thought, а DeepSeek — как в HELMET-Rerank, так и в InfiniteBench. Это цифры, полученные самим вендором на выбранном им же стенде, без независимого воспроизведения, — но они внутренне сопоставимы, а этого не скажешь ни об одном сравнении моделей разных вендоров в этой статье.

Сколько стоит каждый маршрут, с показанными расчётами

Qwen 3.8 Flash — самый простой для расчёта цены. Возьмём рабочую нагрузку по поддержке и извлечению данных в 1000 запросов в день со средним объёмом 6000 входных и 800 выходных токенов: 6 млн входных и 0,8 млн выходных токенов в день, или 180 млн и 24 млн за 30-дневный месяц. При $0,15 и $0,47 за миллион это $27,00 плюс $11,28 — $38,28 в месяц, причём кэшированные чтения по $0,0184 за миллион ещё сильнее сокращают повторяющуюся часть системного промпта.

У ERNIE-5.5-Flash-Base нет эквивалентной статьи затрат, поэтому единственная честная модель стоимости — аппаратная. Репозиторий FP8 состоит из 128 шардов примерно по 2,25 ГБ каждый, что составляет около 288 ГБ весов; BF16-версия удваивает это. Собственная команда запуска SGLang от Baidu разбивает его на четыре части с помощью --tp 4, что размещает около 72 ГБ весов на каждой GPU еще до создания какого-либо KV-кэша — работоспособно на карте с 80 ГБ, только если вы никогда не используете контекстное окно, и комфортно на картах класса H200. Арендуйте четыре такие карты по средней цене $2–3 за GPU-час — и узел будет стоить примерно $5,800–8,600 в месяц при непрерывной работе, еще до того, как вы кому-либо заплатили за дообучение, оценку или поддержание стека обслуживания в актуальном состоянии.

Это примерно в 150–225 раз больше счёта за API Qwen в примере выше, и сравнение намеренно несправедливо в одну сторону: эти варианты не являются взаимозаменяемыми, пока кто-то не выполнит посттренировку чекпоинта ERNIE. Смысл этой арифметики не в том, что самостоятельный хостинг дорог, — а в том, что фиксированная стоимость реальна и возникает ещё до того, как модель сможет ответить хотя бы на одну инструкцию, поэтому объём, при котором владение собственной моделью выгоднее аренды готового решения, намного выше, чем предполагает сравнение по стоимости за токен.

Именно в длинном контексте два варианта дизайна сходятся.

Обе модели заявляют о миллионе токенов, и обе достигают этого, отказываясь от полного внимания по миллиону позиций. Слои HCA в ERNIE кэшируют одну запись на каждые 128 токенов, поэтому у 37 из 43 слоёв KV-кэш растёт в 128 раз медленнее, чем у обычного слоя; шесть слоёв MLA сохраняют доступ с полным разрешением для токенов, которым он нужен. Гибрид GDN плюс QSA у Qwen идёт на такой же компромисс со стороны разреженного внимания, а его 6 млрд активных параметров поддерживают низкие вычисления на токен независимо от того, что делает внимание.

Для читателя практическая разница не в том, какой дизайн изящнее — оба заслуживают доверия, — а в том, что только один из двух сопряжён с затратами на фактическое использование этого контекста. У промпта на миллион токенов в Qwen 3.8 Flash сегодня уже есть конкретная цифра. Для ERNIE-5.5-Flash-Base тот же промпт имеет оценку в GPU-часах и не имеющий ответа вопрос о том, как базовая модель ведёт себя на такой длине без дообучения на инструкциях.

Кто должен выбирать

Выберите Qwen 3.8 Flash, если вам нужна модель, которая следует инструкциям уже сейчас, если ваши входные данные включают скриншоты, документы или видео, если вы хотите, чтобы счёт за длинный контекст стал проблемой планирования мощностей кого-то другого, и если $0.15/$0.47 за миллион токенов вписываются в юнит-экономику того, что вы создаёте. Этой модели два месяца, с момента запуска её отслеживают сторонние трекеры, а цифры вендора — SWE-bench Pro 62.5, GPQA Diamond 91.7, CoWorkBench 73.9 — это утверждения, а не проверенные результаты, поэтому считайте их верхней границей, пока ваша собственная оценка не покажет обратное.

Выберите ERNIE-5.5-Flash-Base если у вас есть компетенции в постобучении и причина владеть моделью, а не арендовать её: домен, данные которого вы не можете отправлять в API; нагрузка на китайском и английском, где CMMLU 90.0 и ChineseSimpleQA 73.0 — те цифры, которые для вас важны; исследовательская программа по RL, которой нужна отправная точка 280B-A14B; или бюджет задержки, оправдывающий выделенный узел с четырьмя GPU. Вам также нужно быть готовым к тому, что лицензия — это кастомное соглашение Baidu, а не Apache, и что модель не делает ничего полезного, пока ваша команда не сделает её полезной.

Не выбирайте ни один из них, но, если вам действительно нужна проверенная модель общего назначения. Qwen 3.8 Flash — готовый продукт без независимой оценки по бенчмаркам, а ERNIE-5.5-Flash-Base — незавершённая модель с таблицей бенчмарков от производителя. Ни одна из них не является тем безопасным выбором по умолчанию, каким была бы флагманская модель двухлетней давности.

Провести эксперимент, не ставя на него дорожную карту

Неловкая часть этого сравнения в том, что к обеим сторонам ведут совершенно разные пути, и слой маршрутизации помогает ровно с одной из них. Qwen 3.8 Flash доступен через OrcaRouter как qwen/qwen3.8-flash, по прайсовой цене провайдера с наценкой 0% — те же $0,15 и $0,47, которые взимает поставщик, переданные без изменений, без каких-либо добавок за переход. ERNIE-5.5-Flash-Base — это не то, что мы предоставляем: это релиз весов, и для него не существует размещённой конечной точки, на которую можно было бы маршрутизировать, — ни здесь, ни где-либо ещё, что нам удалось найти.

В этой ситуации единая конечная точка по-настоящему полезна для того, что происходит после эксперимента. Реалистичный путь для ERNIE 5.5 Flash таков: команда дообучает базовый чекпоинт, и затем возникает вопрос, превосходит ли настроенная модель Qwen 3.8 Flash на вашем собственном трафике. Когда обе модели стоят за одним ключом, это смена model-id, а не второй контракт и второй SDK; DSL маршрутизации может разделять между ними продакшен-трафик, пока вы принимаете решение, а автоматическое переключение при отказе означает, что непроверенный победитель не сможет обрушить всю функцию в первый же плохой день. Слияние моделей даёт третий вариант — панель, отвечающая совместно, — который часто является самым дешёвым способом выяснить, действительно ли новая настройка лучше текущей модели или просто отличается от неё.

Что изменило бы этот ответ?

Три вещи, примерно в порядке вероятности. ERNIE 5.5 Flash с инструкционной дообучением превратил бы это из несовпадения категорий в настоящее прямое сравнение, и базовые цифры позволяют предположить, что он был бы конкурентоспособен — 82,3 на HumanEval+ и 91,7 на RepoQA у необученного чекпойнта — это сильная стартовая позиция. Строка ERNIE 5.5 в прайс-листе Qianfan дала бы расчётам стоимости самостоятельного хостинга ориентир для сравнения и показала бы, собирается ли Baidu продавать эту модель или раздавать её бесплатно. А оценка любой из моделей от третьей стороны позволила бы читателю перестать принимать таблицы вендоров на веру — а именно в таком состоянии эта пара застряла сегодня: у Qwen 3.8 Flash нет на своём счету ни одного независимого результата бенчмарка, а у ERNIE-5.5-Flash-Base нет ни строки ни в одном нейтральном лидерборде.

Пока два из них не выйдут, «что лучше» — это вопрос, который никто не измерял. Ответить сегодня можно на более узкий и более полезный вопрос: Qwen 3.8 Flash — это модель, которую можно вызвать, а ERNIE-5.5-Flash-Base — модель, на которой можно строить. Это разные задачи, и никакая таблица бенчмарков не решит, какая из них вам нужна.