ERNIE 5.5 Flash vs ERNIE 5.5 Flash Preview: Vilken anropar du egentligen?

Baidus egen webbplats listar två ERNIE 5.5-artefakter och ingen av dem heter ERNIE 5.5 Flash. Där finns ERNIE 5.5 Flash Base, den råa checkpointen på 280B som publicerades den 5 november, och ERNIE 5.5 Flash Preview, den eftertränade modellen som publicerades den 11 november. ERNIE 5.5 Flash – namnet utan suffix, det som förekommer i prislistor och modellväljare – är den modell som Preview är en förhandsversion av. Det är inte en marknadsföringskuriositet att förbigå; det är hela kärnan i jämförelsen, eftersom allt som skiljer ERNIE 5.5 Flash Preview från ERNIE 5.5 Flash är en skillnad mellan en checkpoint och en release, inte mellan två arkitekturer. Samma 280 miljarder totala parametrar, samma 14 miljarder aktiva, samma kontext på 1M token. Skillnaderna är en licens, ett datum, en stabilitetsgaranti och en uppsättning siffror som Baidu har sagt kommer att ändras. Jämförelsegruppen är den hälft av detta beslut som ligger under din kontroll. leverantörens listpris med 0 % påslag GPT-6.1 Sol, Claude Opus 5.5, GLM-5.3 och DeepSeek V4.1 Flash finns på en och samma nyckel till leverantörens listpris, med OrcaRouter-avgiften visad som $0.00.

Namngivningen är det förvirrande, så börja där

Tre namn, två modeller, en releasepipeline. ERNIE 5.5 Flash Base är den förtränade checkpointen: 280B totalt, 14B aktiva, 43 lager, en gles mixture-of-experts-stack med en delad expert, tränad på 33,5 biljoner tokens, nedladdningsbar idag på Hugging Face under en begränsad community-licens. ERNIE 5.5 Flash Preview är den checkpointen efter efterträning – den som svarar på instruktioner, använder verktyg, skriver spelkod och producerar bildspel. ERNIE 5.5 Flash, när den finns, är samma modell efter att efterträningen är klar.

Baidu anger relationen rakt ut i lanseringsinlägget: Preview "är en mellanliggande checkpoint från efterträningen. Den är redan konkurrenskraftig mot modeller av sin storlek, men eftersom träningen inte är klar kan vissa förmågor fortfarande vara bristfälliga. Efterträningen pågår och ERNIE 5.5 Flash förbättras snabbt." Läs det två gånger. Företaget säger dig att modellen du kan anropa idag och modellen du kommer att anropa om några månader delar en namnstam, en arkitektur och ett kontextfönster, och skiljer sig i hur färdiga de är. Om du väljer mellan dem väljer du inte mellan två system. Du väljer mellan att köpa nu och att vänta.

Jämförelsen, dimension för dimension

Här är vad som faktiskt skiljer sig, med båda sidorna på varje rad:

• Identitet — ERNIE 5.5 Flash Preview är en namngiven, anropbar checkpoint som publicerades 11 november 2026; ERNIE 5.5 Flash är en ännu inte släppt efterträdare utan datum, utan modellkort och utan egen slutpunkt.

• Arkitektur och storlek – identiska på båda sidor: 280B totala parametrar, 14B aktiva, 1M-tokens kontext, ärvda från ERNIE 5.5 Flash Base-checkpointen från 5 november. Efterträning ändrar inte storleken på en modell.

• Vikter och licens — förhandsversionen utlovas under Apache 2.0 "snart", utan något repository på Hugging Face per den 11 november; den slutliga ERNIE 5.5 Flash kommer att styras av vilken licens Baidu än släpper vid den officiella lanseringen, vilket företaget inte har angett och vilken inte garanteras vara densamma. Behandla Apache 2.0-löftet som ett löfte om förhandsversionen, inte om familjen.

• Stabilitet – Preview är uttryckligen en mellanliggande artefakt vars kapacitet "kan fortfarande vara otillräcklig" och vars poäng Baidu förväntar sig ska förbättras; den officiella versionen är per definition den version som Baidu är villig att stå bakom.

• Benchmarkposition – Preview har tjugo leverantörsrapporterade rader och inget oberoende resultat; ERNIE 5.5 Flash kommer att ha det Baidu publicerar vid lanseringen plus, om mönstret håller, en andra omgång siffror som får Preview-siffrorna att se föråldrade ut. Ingen av dem har någon post i Artificial Analysis i dag.

Pris — Preview kostar $0.28 per miljon indatatoken och $1.13 per miljon utdatatoken på Qianfan, med cachade läsningar till $0.028. Det finns inget pris för ERNIE 5.5 Flash, och att anta att det kommer att matcha Preview-priset är ett antagande: prissättningen för förhandsversioner är ofta en platshållare.

• Vad du kan göra med den – Preview kan anropas i dag och kan inte laddas ned; ERNIE 5.5 Flash kan varken anropas eller laddas ned, eftersom den inte finns ännu.

Asymmetrin som spelar roll finns längst ner i den listan. Förhandsgranskningen är den enda av de två som du kan testa, och den är den enda som du inte kan behålla.

Vad förhandsvisningen gör som namnet inte gör rättvisa

En förhandsversion antyder något tunt, men enligt de uppgifter som publicerades den 11 november är den här inte tunn. Det är en textbaserad modell med verktygsanvändning, strukturerad utdata och ett fönster på en miljon tokens, prissatt i den billiga änden av flash-nivån, och Baidus demonstrationer beskriver arbetsprodukter snarare än chattutbyten: ett Unreal Engine 5.8-spel som sammanställdes i en enda 11 timmar lång kodningskörning, cirka 100 mobila minispel genererade från designdokument, en Boeing 747 och Daxing-flygplatsen modellerade via Blender Python API av två koordinerade agenter, en W16-motor och en månrover byggda som redigerbara FreeCAD-sammansättningar, en 20-sidig forskningsrapport om elkostnader för datacenter, en 24-sidig analys av autonom körning baserad på 4 169 federala kraschrapporter, och en 116 sekunder lång animerad kortfilm skriven med över 10 000 rader Python.

Den enskilt mest användbara detaljen i den listan är inte ett påstående om förmåga, utan en begränsning som inlägget självmant tar upp. När Baidu beskriver Unreal-projektet skriver de att modellen, "eftersom den är en enbart textbaserad modell och inte kan se skärmen", omvandlade speltestproblem – en karaktär som svävar ovanför marken, en felplacerad kamera – till mätbara tester i kod och itererade tills testsviten passerade. Det är den ärliga formen av den här modellens kompetens: den kan inte titta på någonting, så i stället skriver den assertioner. När en uppgift kan uttryckas som ett test står den sig väl över långa körningar. När den enda återkopplingen är visuell bedömning arbetar modellen genom verktyg och, åtminstone i vissa benchmarkramverk, genom ett annat företags visionsmodell.

Den sista punkten kommer från benchmarkbilagan snarare än från brödtexten. En fotnot i tabellen anger att "GLM-5.3 och vår modell saknar inbyggda multimodala förmågor; bildförståelse tillhandahålls via ett verktyg som drivs av Claude Opus 5.5." Oavsett vilka slutsatser du drar om resultaten är arkitekturen entydig: ingen inbyggd vision, och visionsberoende utvärdering som mäter en pipeline snarare än en modell.

Om du väntar på ERNIE 5.5 Flash, vad väntar du på?

Fyra saker, och bara en av dem är en kapacitetsförbättring.

Den första är en stabilitetsgaranti. En mellanliggande checkpoint ger inga garantier för att beteendet inte förändras mellan nu och lansering, vilket är bra för utforskning men besvärligt för allt som har en regressionssvit knuten till modellens utdata.

Den andra är en benchmarkuppsättning som du kan jämföra mot. De tjugo raderna i förhandsversionen – Terminal-Bench 4.0 vid 46,5, DeepSWE v1.1 vid 71,2, MCP-Atlas vid 84,6, BrowseComp vid 87,4, HLE utan verktyg vid 46,4, AA-LCR v1.1 vid 79,0 bland dem – är rapporterade av leverantören och inte reproducerade, och Baidu har sagt att modellen förbättras snabbt. Siffror från en färdig modell är mer användbara även när de är högre, eftersom det är de siffror som andra också kommer att citera.

Den tredje är licensen. Bascheckpointen levererades under en begränsad communitylicens som utesluter EU, Storbritannien och Sydkorea, begränsar gratis kommersiell användning baserat på relaterade årliga intäkter och kräver en "Powered by ERNIE"-kreditering på kommersiella produkter. Förhandsvisningens vikter utlovas under Apache 2.0. Om det löftet hålls kommer den eftertränade modellen att vara långt mer tillåtande än checkpointen den tränades från — en verklig vändning, och en som är värd att bekräfta i det faktiska repositoriet snarare än i tillkännagivandet.

Det fjärde är priset. $0.28 och $1.13 är förhandsgranskningssiffror. Det slutliga priset för en GA-modell på den här nivån kan röra sig åt båda hållen, och varje kostnadsmodell du bygger i dag bör parametriseras efter priset i stället för att hårdkodas till det.

Ingen av de fyra argumenterar för att vänta om du har en uppgift som du kan utvärdera den här veckan. De argumenterar för att inte skriva under ett åtagande över flera kvartal för en checkpoint som Baidu skriftligen har beskrivit som ofullständig.

Att köra jämförelsen själv

Du kan inte få ERNIE 5.5 Flash Preview från oss. Den serveras via Baidus eget Qianfan-API och via tredjepartsplattformar som återförsäljer den; OrcaRouter dirigerar mer än 200 modeller och inte en enda av dem är en ERNIE, så varje antydan om att vi kan ge dig denna slutpunkt skulle vara falsk.

Det vi kan göra är att tillhandahålla jämförelsegruppen, vilket är den del av det här beslutet som faktiskt ligger under din kontroll: modellerna som Baidu jämförde med – GPT-6.1 Sol, Claude Opus 5.5, GLM-5.3, DeepSeek V4.1 Flash – finns alla på en och samma OpenAI-kompatibla nyckel till leverantörens listpris med 0 % påslag, så en prissänkning från någon av dessa leverantörer når din faktura samma dag i stället för vid nästa kontraktsförnyelse.

Utvärderingen som ska köras är medvetet tråkig. Välj tio långhorisontella uppgifter från ditt eget arbete. Kör var och en genom preview och genom de två modeller du annars skulle använda. Registrera om den slutfördes, hur många output-token som gick ut och vad anropet kostade. Output-token är det tal som avgör den här jämförelsen, eftersom preview debiterar resonemang som output till $1,13 per miljon och inte erbjuder något sätt att stänga av resonemanget – en ordrik modell med låg taxa är ofta dyrare per uppgift än en tystlåten modell med hög taxa. När du har kostnaden per uppgift slutar frågan preview kontra GA att handla om benchmark-rader och blir i stället en fråga om den nuvarande checkpointen är tillräckligt bra att bygga vidare på innan den ersätts.

För de arbetsbelastningar som klarar det testet besvarar automatisk failover stabilitetsinvändningen på det enda sätt som den kan besvaras i dag: en modell som kan förändras under dig bör aldrig vara den enda modellen i en förfrågningsväg. Routa förhandsversionen som primär där den vinner och behåll en reserv bakom den, och då blir en kapabilitetsförändring mitt i flödet en routningsändring i stället för ett avbrott.

Fem dagar skiljer bascheckpointen från förhandsversionen, och Baidu har sagt att den färdiga modellen är på väg. Det användbara sättet att läsa ERNIE 5.5 Flash kontra ERNIE 5.5 Flash Preview är inte alls en direkt jämförelse – det är ett tidsschema. En av dem kan du anropa nu och kommer inte att kunna behålla; den andra kommer du att kunna behålla men kan ännu inte anropa. Den som bygger på någon av dem bör mäta, inte binda sig, tills den andra kolumnen innehåller siffror.