
Hy4 flash-Base против ERNIE 5.5 Flash Base: единственное честное сравнение, опубликованное кем-либо из этих поставщиков
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 138 tok/s
- tencentНОВИНКАTencent: Hy4 Flash2026-11-16$0.02 / $0.07 за 1 млн токенов · 175 tok/s
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 89 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 97 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 за 1 млн токенов · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 120 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 116 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
Две китайские лаборатории опубликовали предобученные чекпойнты с разницей в двенадцать дней, и на этот раз сравнительная таблица напрашивается сама собой: Hy4 flash-Base в сравнении с ERNIE 5.5 Flash Base, тот же тип артефакта с той же стадии конвейера, оценённый тем же способом. Tencent опубликовала Hy4 flash-Base 17 ноября 2026 года вместе с instruct-моделью. Baidu опубликовала ERNIE 5.5 Flash Base 5 ноября 2026 года, и на момент написания это всё ещё единственный существующий артефакт ERNIE 5.5 — дообученная чат-модель ещё не выпущена.
Эта разница в том, что окружает чекпоинт, во многом и делает это сравнение достойным целой страницы. Сравнение двух базовых моделей показывает, как прошло предварительное обучение. Сравнение двух релизов говорит нечто менее лестное об обеих: одна компания выпустила сырьё и готовый продукт в один день, другая выпустила сырьё и обещание.
Почему базовые чекпоинты — это честное сравнение
Почти каждое сравнение моделей, которое вы читаете, незаметно несправедливо, потому что оно противопоставляет готовую модель одного поставщика, дообученную на инструкциях, готовой модели другого поставщика, также дообученной на инструкциях, причём каждая оценивается в собственной среде тестирования с собственными базовыми показателями. Базовые чекпоинты устраняют одну из этих переменных. Ни одна из моделей не прошла постобучение, ни у одной нет шаблона чата, который формирует формат вывода, и оба поставщика публикуют таблицы few-shot-оценок на стандартных академических бенчмарках, а не на специализированных агентных наборах.
То, что остаётся — харнесс, количество шотов, подмножества — всё ещё специфично для конкретного поставщика, так что здесь нет контролируемого эксперимента. Но таблица «base против base» — это сравнение запусков предварительного обучения, а предварительное обучение — самая дорогая часть. Это самое близкое к сопоставимым цифрам, что эти две компании опубликовали друг о друге.
Две контрольные точки, бок о бок
• Параметры — Hy4 flash-Base: 220,3 млрд всего, 12 млрд активных на токен; ERNIE 5.5 Flash Base: 280 млрд всего, 14 млрд активных на токен.
• Где находятся параметры — Hy4 flash-Base содержит 155,5 млрд в 42-слойном backbone, 63,5 млрд в таблицах n-граммных эмбеддингов Engram, 0,43 млрд в визуальном кодировщике и 0,85 млрд в драфтере DFly2; 280 млрд у ERNIE — это более традиционное распределение MoE, плюс модуль ECHO на 0,36 млрд, исключённый из заявленного общего подсчёта.
• Глубина и маршрутизация — 42 слоя (один плотный, 41 MoE) с 512 маршрутизируемыми экспертами плюс один общий, 16 активных, размер скрытого слоя 3 072, для Hy4 flash-Base; 43 слоя (один плотный, 42 Multi-Router Latent MoE) с 512 маршрутизируемыми экспертами плюс один общий, top-10, размер скрытого слоя 4 096, для ERNIE.
• Контекст — 1,048,576 токенов, настроено на обоих. Tencent обучала Hy4 flash непосредственно на такой длине; Baidu обучала ERNIE на 128 000 и установила в выпущенной конфигурации 1,048,576 для дообучения и инференса, что является возможностью конфигурации, а не измеренным поведением.
• Модальность — текст и изображения на входе, текст на выходе, у обеих моделей. Hy4 flash-Base оснащён видеокодером на основе SigLIP2; в карточке ERNIE 5.5 Flash Base в таблице ссылок на модель указан только текстовый ввод.
• Лицензия — Tencent Hy License v1.0, производная от Apache 2.0 с пунктом о MaaS при выручке $50 млн или 100 млн MAU; ERNIE 5.5 Flash Base Model License v1.0, которая полностью исключает Европейский союз, Соединённое Королевство и Южную Корею как территории.
Спор о лицензии — не сноска. Европейская команда вообще не может использовать чекпоинт ERNIE в рамках своего гранта, и никакое преимущество в бенчмарках этого не меняет. Команда любого размера может использовать Hy4 flash-Base, а команде с доходом от MaaS выше $50 млн нужно отправить письмо, прежде чем это сделать.
Что говорит таблица Baidu — и чего стоит ей верить
Набор для сравнения Baidu — правильный для базового релиза: ERNIE 5.5 Flash Base против DeepSeek-V4-Flash-Base, Hy3-preview-Base и MiMo-V2.5-Base, на одном пайплайне, который, как указано в карточке, используется всеми четырьмя. Все приведённые ниже цифры — по данным Baidu и не воспроизведены.
• MMLU — 93,3 ERNIE, 89,4 DeepSeek-V4-Flash-Base, 87,5 Hy3-preview-Base, 87,6 MiMo-V2.5-Base.
• MMLU-Pro — 78,4 против 69,2, 66,9 и 65,7. Самый большой разрыв в наборе.
• GPQA — 60,2 против 55,9, 50,2 и 51,4.
• HumanEval+ — 82.3 против 69.5, 78.0 и 74.4.
• LiveCodeBench — 40,1 против 31,9, 33,5 и 32,4.
• LongBench-v2 — 48,7 против 44,5, 39,8 и 44,6.
• BBH с цепочкой рассуждений — 89,2 против 90,0 у Hy3-preview-Base и 89,8 у MiMo-V2.5-Base. Равенство трёх участников в пределах шума, что бы ни подразумевало жирное выделение.
• ChineseSimpleQA — 73,0 против 75,3 у DeepSeek. Поражение на бенчмарке, наиболее близком к домашнему рынку Baidu.
{{1}}Таблица{{/1}} теряет строки, поэтому она читается как таблица, которую кто-то построил, а не как та, которую кто-то выбрал. Обратите внимание, чего в ней нет: {{2}}Hy4 flash-Base{{/2}}. Чекпойнт Tencent не существовал 5 ноября, поэтому прямую строку между двумя моделями в этом сравнении никто и никогда не публиковал.
Что говорится в таблице Tencent, включая дисклеймер
Базовая таблица Tencent состоит из пяти вариантов — Hy4 flash-Base, Hy4 Base, Hy3 preview Base, DeepSeek-V4-flash-Base и DeepSeek-V4-Pro-Base — и в ней также теряются строки. Сообщено поставщиком, не воспроизведено:
• MMLU-Pro — 71,1 у Hy4 flash-Base против 73,9 у Hy4 Base, 65,8 у Hy3 preview Base, 68,6 у DeepSeek-V4-flash-Base и 73,4 у DeepSeek-V4-Pro-Base.
• SimpleQA — 37,5 против 57,2, 26,4, 31,3 и 52,1. Крупнейшее отставание в карточке.
• C-Eval — 92,0 против 95,0, 90,1, 91,9 и 93,4.
• CMMLU — 91,6 против 93,1, 89,6, 89,8 и 90,7.
• Китайский AGIEval — 90,6 против 91,2, 87,8, 88,5 и 89,8.
• Belebele — 93,8 против 95,0, 94,2, 94,4 и 95,2.
• INCLUDE — 82,8 против 88,1, 84,3, 84,0 и 84,3.
• MMMU-Pro — 52.0 против 59.6 у Hy4 Base. Мультимодальные строки существуют только для двух моделей Hy.
Если читать целиком: Hy4 flash-Base — меньшая и более дешёвая модель, чем её собратья, и она уступает им по большинству строк, что как раз и ожидается от модели с 12B активных параметров в сравнении с моделью с 49B активных. Интересны строки, связанные с многоязычностью, где она держится в пределах одного-двух пунктов от куда более крупных моделей, и SimpleQA, где она отстаёт от Hy4 Base на двадцать пунктов — разрыв в извлечении фактов, который кое-что говорит о том, насколько эта способность зависит от количества параметров, а не от обучающих данных.
Tencent также добровольно указывает оговорку, которой нет в карточке Baidu: поскольку базовая модель в ходе промежуточного обучения была подвергнута воздействию большого объёма синтетических инструкционных данных, она «иногда не соблюдает ожидаемый формат ответа в few-shot-оценках, что может исказить баллы». То, что поставщик сообщает, что его собственный оценочный стенд может измерять соблюдение формата, — достаточно редкое явление, чтобы заслуживать этого предложения.

Две таблицы нельзя наложить друг на друга
Вот в чём ловушка этого сравнения, и об этом стоит сказать прямо, потому что большая часть интернета этого не сделает. Оба поставщика публикуют результаты MMLU-Pro. Baidu сообщает 78,4 для ERNIE 5.5 Flash Base. Tencent сообщает 71,1 для Hy4 flash-Base. Соблазнительно вычесть и сообщить о победе Baidu на 7,3 пункта. Такое вычитание неоправданно.
Разное количество shot-примеров, разные форматы промптов, а в случае Hy4 flash-Base — признанная проблема с соблюдением формата, которая может занижать макроусреднённую оценку. Единственное число, присутствующее в обеих таблицах и имеющее общее определение — Belebele на подмножестве из пяти языков — составляет 93,8 для Hy4 flash-Base и просто отсутствует в таблице Baidu. Нет пересечения, достаточно строгого, чтобы его вычитать.
То, что можно утверждать, уже́ и при этом всё ещё полезно: чекпойнт каждого вендора превосходит выбранные им самим сторонние базовые модели DeepSeek — на большинстве строк и с отрывом, который дали их собственные харнессы. Два условно независимых утверждения в одном направлении — это более сильное свидетельство, чем любое из них по отдельности, и более слабое, чем общий бенчмарк. Это честный предел того, что подтверждают эти две карточки.

Один релиз завершён; другой — обещание
Это та асимметрия, которая важнее любой строки выше, и дело вовсе не в качестве бенчмарка.
17 ноября Tencent опубликовала три артефакта: instruct-модель, её сборку в FP8 и базовый чекпойнт. Команда, которой чат-модель нужна уже сегодня, может скачать её, загрузить в vLLM с закреплённым vllm/vllm-openai:hy4-flashобразом и запустить. Базовый чекпойнт предназначен для тех, кто хочет дообучить модель, а в карточке есть ссылка на руководство по дообучению.
Baidu опубликовала один артефакт 5 ноября. ERNIE 5.5 Flash Base — это предварительно обученные веса. Нет доступной для скачивания ERNIE 5.5 Flash, дообученной по инструкциям; в материалах релиза не задокументирован API-эндпоинт под таким названием, а карточка описывает модель после дообучения лишь как нечто, что «должно последовать». Команда, которая скачает ERNIE 5.5 Flash Base сегодня, берёт на себя обязательство самостоятельно провести дообучение на 280 млрд весов, прежде чем у неё появится модель, способная ответить на вопрос в пригодном для использования формате.
Для исследовательской группы это и есть тот самый интересный артефакт. Для продуктовой команды это не модель, а отправная точка, к которой привязан неограниченный объём работы, и правильное сравнение — не с Hy4 flash-Base, а с Hy4 flash, которая стоит денег за токен и работает уже сейчас.

Где маршрутизатор вписывается в решение о базовой контрольной точке
Базовые чекпоинты — это не то, что обслуживает роутер, и было бы нечестно утверждать обратное. OrcaRouter не содержит ни Hy4 flash-Base, ни ERNIE 5.5 Flash Base, и ни одна instruct-модель этих поставщиков сегодня не представлена в каталоге. В каталоге есть tencent/hy4-preview — модель 770B/49B, из которой была дистиллирована Hy4 flash — по $0.834 за миллион входных токенов и $2.501 за миллион выходных, при стоимости чтения из кеша $0.042.
Это важно для конкретного решения. Если вы взвешиваете, стоит ли дообучать базовый чекпоинт 220B, первый вопрос — подходит ли поведение этого семейства вашей задаче вообще, и preview-модель отвечает на него за полдня по цене токенов, которые вы потратите на тестирование. Сделать это до того, как вы выделите восемь GPU для развёртывания FP8 с тензорным параллелизмом, — самый дешёвый шаг во всём проекте. А цена из прайс-листа провайдера передаётся с наценкой 0%, поэтому изменение цен Tencent попадает в каталог в день, когда оно происходит, а не при следующей пересборке, и автоматическое переключение при отказе означает, что задание оценки не обрывается из-за того, что у одного из вышестоящих провайдеров выдался плохой час.
Если дообучение сработает, веса принадлежат вам, и маршрутизатор перестаёт быть частью этого пути. Если нет — вы потратили день, а не квартал на то, чтобы это выяснить.
Как читать этот матчап
Если вам нужна модель, способная выполнять работу, эта страница не для вас: Hy4 flash — это готовая модель, а у ERNIE 5.5 Flash готовой модели пока нет. Если вам нужна предобученная база для дальнейшей работы, эти два кандидата ближе друг к другу, чем внушает маркетинг, и дальше друг от друга, чем можно заключить по простому вычитанию показателей бенчмарков.
ERNIE 5.5 Flash Base крупнее, обучалась дольше — 33,5 трлн токенов на оптимизаторе Muon — и демонстрирует более высокие результаты на собственном стенде, включая показатель MMLU-Pro, которого не достигает ни одна модель Tencent в сравнительной таблице. Hy4 flash-Base меньше, дешевле в обслуживании при 12 млрд активных параметров, нативно мультимодальна, поставляется с визуальным энкодером и драфтером спекулятивного декодирования, а также с лицензией, не исключающей три юрисдикции.
Решающим фактором, вероятно, станут не возможности и не лицензия, а двенадцать дней между ними. У чекпойнта Baidu было почти две недели, чтобы сообщество дообучения смогло что-то создать; у Hy4 flash-Base — один день. Следите за тем, появится ли ERNIE 5.5 Flash, дообученный на инструкциях, и за тем, опубликует ли кто-нибудь LoRA для Hy4 flash-Base. Первое сделало бы это настоящим сравнением, за которым, скорее всего, последует общий бенчмарк; второе сказало бы вам, какую базовую модель практики действительно предпочли.
Сравнение в этой статье1
Определено по этой статье
