ERNIE 5.5 Flash Preview vs GPT-5.6 Luna: Prislistan som den mäts mot är redan avvecklad

ERNIE 5.5 Flash Preview och GPT-5.6 Luna nämns i samma andetag den här veckan, och det besvärliga är kalendern. ERNIE 5.5 Flash Preview togs i drift som en debiterad slutpunkt på Baidus Qianfan-plattform den 10 november 2026, och lanseringsinlägget kom en dag senare. GPT-5.6 Luna släpptes den 9 juli 2026 och har markerats som utfasad i Artificial Analysis tracker sedan den 22 september 2026, då GPT-6 Luna kom till ungefär halva priset. Så den jämförelse en läsare faktiskt behöver är inte den som de två namnen antyder. Det är ERNIE 5.5 Flash Preview mot en prislista som dess egen leverantör redan har gått vidare från – och, för det andra, mot efterträdaren som ersatte den. Efterträdaren är prissatt till $0,10 och $0,50 med samma uppmätta index och ligger på samma nyckel som modellen den ersatte.

Det gör inte den direkta jämförelsen meningslös. Det gör den till ett annat slags arbete. Det finns en verklig prisskillnad, en verklig kontextskillnad och en genuin fråga om vilken av dessa två du skulle sätta framför en obevakad uppgift. Det som inte finns, på någon av sidorna, är en gemensam resultattavla. Varje siffra nedan är antingen Baidus egen körning, Artificial Analysiss egen körning eller en publicerad siffra, och ingen av dem kan subtraheras från den andra.

Vad hände med GPT-5.6 Luna, och varför det spelar roll här

GPT-5.6 Luna är en modell med 1M kontext som kostar $0,20 per miljon indatatoken och $1,20 per miljon utdatatoken. På Artificial Analysis har den ett Intelligence Index på 23,8, och samma post har en flagga för utfasad status med ersättningsdatum 22 september 2026. Dess ersättare, GPT-6 Luna, listas till $0,10 för indata och $0,50 för utdata med samma 1M-kontext och får 23,5 vid xhigh effort och 18,5 vid medium på samma index — statistiskt likvärdig med modellen den ersatte, till mindre än halva utdatapriset.

Det följer två saker, och båda talar emot den uppenbara inramningen av den här sidan. För det första är en utfasad SKU inte en död sådan – den svarar fortfarande på förfrågningar, och massor av kod pekar fortfarande på den – men det är ett kort som ingen längre försvarar prismässigt. För det andra, om din anledning till att jämföra {{1}}ERNIE 5.5 Flash Preview{{/1}} med en {{2}}Luna{{/2}} är att Luna är den billiga, snabba nivån du redan känner till, så är modellen du faktiskt känner till nu GPT-6 Luna. Att ställa en två dagar gammal förhandsversion mot ett pensionerat kort smickrar förhandsversionen prismässigt och säger dig ingenting om räkningen du skulle betala nästa kvartal.

Det finns en tredje sak, mindre smickrande för jämförelsen och värd att säga tidigt: GPT-5.6 Luna har en oberoende poäng. ERNIE 5.5 Flash Preview har det inte. Från och med den 11 november finns det ingen ERNIE 5.5-rad någonstans på Artificial Analysis resultattavla, så varje ERNIE-siffra i den här artikeln är Baidus, körd på Baidus testramverk, bedömd av modeller som Baidu valde.

Sex dimensioner, båda sidorna på samma linje

Läs dessa som en karta över var de två inte stämmer överens, inte som en sammanräkning. Raderna för pris och kontext är hårda siffror från publicerade kort. Poängraderna är inte samma sorts siffror som varandra, vilket är ämnet för nästa avsnitt.

• Pris – ERNIE 5.5 Flash Preview för 0,28 USD in och 1,13 USD ut per miljon tokens, jämfört med GPT-5.6 Luna för 0,20 USD in och 1,20 USD ut. ERNIE:s indata är 40 % dyrare; dess utdata är cirka 6 % billigare.

• Efterträdarpris — ERNIE har ingen efterträdare och ett kort jämfört med GPT-6 Luna till $0.10 in och $0.50 ut, vilket är under hälften av ERNIE:s outputpris och en femtedel av dess inputpris.

• Kontextfönster — 1 024 000 tokens vs 1 000 000. En avrundningsskillnad; ingen av dem är den avgörande faktorn.

• Utmatningstak — 921 600 token i ett enda anrop jämfört med en kontext på 1M utan något jämförbart utmatningstak för ett enda anrop publicerat i samma form. Detta är den enda specifikationen där ERNIE verkligen är i en annan klass.

• Oberoende poäng — ingen rad från Artificial Analysis mot ett Intelligence Index på 23,8. Ena sidan av denna linje har en tredje part bakom sig och den andra har det inte.

• Uppmätt kostnad per uppgift – ej publicerad av Baidu jämfört med 0,33 USD per uppgift i Artificial Analysis testsvit vid ett genomsnitt på 522 sekunder per uppgift, som sjunker till 0,15 USD per uppgift med GPT-6 Luna.

• Status – en förhandsversion som Baidu kallar en mellanliggande checkpoint från efterträning, kontra en SKU som markerats som föråldrad med en namngiven ersättare som redan finns tillgänglig.

Varför de två huvudnumren inte kan subtraheras

Det tal som folk kommer att vilja ställa sida vid sida är Terminal-Bench 4.0: 46,5 för ERNIE 5.5 Flash Preview, från Baidus bilaga, mot 11,6 för GPT-5.6 Luna, enligt den utvärdering som Artificial Analysis själva har gjort. En skillnad på 35 punkter ser avgörande ut. Det är inte en skillnad alls, eftersom de två siffrorna kommer från olika utvärderingsramverk, olika scaffolding och olika domare, och bara en av dem togs fram av någon som inte hade något eget intresse i resultatet.

Baidu är ovanligt öppna om sin bench-uppsättning, vilket är det som gör bristen på överensstämmelse tydlig. I fotnoterna namnges ramverken – Claude Code 2.1.x, mini-swe-agent 2.4.6, Codex 0.162.1 och något som förkortas DSH – samt domarmodellerna Qwen3.8-Max, DeepSeek-V4.1-Flash-1017 och Gemini 3.1 Flash-Lite. En fotnot medger att ERNIE 5.5 Flash Preview och GLM-5.3 saknar inbyggd multimodal förmåga, och att bildförståelse under utvärderingen tillhandahölls via ett verktyg som drivs av Claude Opus 5.5. Så åtminstone några visionsberoende rader mäter ett system där modellen som testas anropar en annan leverantörs modell för att titta på saker. Det är ett försvarbart ingenjörsval. Det är också en anledning till att dessa rader inte är en poäng på lika villkor.

Allvetenhetsparet har samma problem i en subtilare form. Baidu rapporterar AA-Omniscience-Public som 25,2; Artificial Analysis registrerar −17,1 för GPT-5.6 Luna i sitt Omniscience-index. Etiketterna skiljer sig, en siffra är en leverantörskörning och den andra är det inte, och måttet bestraffar självsäkra felaktiga svar, vilket är exakt det beteende som en självrapporterad utvärdering minst sannolikt avslöjar. Behandla dessa som två orelaterade datapunkter, inte som en spridning på 42 punkter.

Den enda jämförelse som verkligen är rättvis är den interna: GPT-5.6 Luna på 23,8 mot GPT-6 Luna på 23,5, båda mätta på samma sätt av samma personer. Det paret är hur man kan se att efterträdaren är ett drag på priset snarare än ett drag i kapacitet – och det är paret som visar vad ERNIE 5.5 Flash Preview egentligen förväntas slå.

Vad varje sida faktiskt vinner

ERNIE 5.5 Flash Preview vinner på maxtaket och på färskheten. En tillåten utmatning på 921 600 token mot ett fönster på 1 024 000 token innebär att ett enda anrop kan sända ut nästan lika mycket som det kan rymma, vilket är det mekaniska förhandsvillkoret för det elva timmar långa Unreal Engine-bygget som Baidu satte i centrum för sitt lanseringsinlägg. Inget på GPT-5.6 Lunas specifikationsblad konkurrerar med det, och inget på GPT-6 Lunas gör det heller. ERNIE vinner också den enda tävlingen som inte handlar om siffror: det är modellen som har något att bevisa den här månaden, och Baidu har utlovat Apache 2.0-vikter, ett datum som företaget inte har angett.

GPT-5.6 Luna vinner på verifiering och på indatapris. Det finns en tredjepartspoäng du kan kontrollera, en publicerad kostnad per slutförd uppgift, en uppmätt tid per uppgift och en 40 % lägre indatataxa. Det är sådant som gör en modell säker att sätta bakom en produkt, och ERNIE 5.5 Flash Preview har för närvarande inget av det – inget modellkort, ingen kunskapsgräns, ingen latenssiffra och ingen oberoende rad.

GPT-6 Luna vinner på pris rakt av, och det är upptäckten som ger sidan ett nytt perspektiv. Om frågan är "vilken billig, snabb modell ska jag anropa", är svaret inom Luna-familjen inte GPT-5.6 Luna; det är efterföljaren till $0.10 och $0.50 med samma uppmätta index och en kostnad per uppgift som är mindre än hälften av föregångarens. En jämförelse som stannar vid GPT-5.6 Luna jämför ERNIE mot fel halva av familjen.

Beslutet, uttalat utan omsvep

Om du idag behöver en oberoende poängsatt modell till en känd kostnad per uppgift behöver du inte ERNIE 5.5 Flash Preview – du behöver en Luna, och specifikt den nuvarande. Det finns inget att utvärdera, eftersom någon annan redan har gjort det.

Om du har en uppgift vars utdata verkligen uppgår till hundratusentals tokens i en enda körning – en lång build, en refaktorering av ett helt kodarkiv, ett dokument som ingen vill dela upp – är ERNIE 5.5 Flash Preview den enda modellen på den här sidan som publicerar ett utdatatak som möjliggör det, och dess utdatahastighet är något lägre än GPT-5.6 Luna:s. Det är ett snävt, specifikt fall, och det är det enda fallet som specifikationsbladet stöder.

Om du befinner dig någonstans mittemellan är det ärliga svaret att inget av korten avgör saken, eftersom ingen av leverantörerna har publicerat tokens per slutförd uppgift för den arbetsbelastning du har i åtanke. GPT-5.6 Lunas $0,33 är Artificial Analysis svit, inte din.

En nyckel, två prislistor och migreringen som inte är ett projekt

ERNIE 5.5 Flash Preview är inte något som OrcaRouter tillhandahåller. Det finns ingen ERNIE-post i katalogen och ingen Baidu-endpoint bakom den, så Baidus eget Qianfan-API och tredjepartsplattformar som återförsäljer den är dit du skulle vända dig. Inget här utgör ett erbjudande om att routa den.

Situationen med Luna är den motsatta, och den är lärorik. Både GPT-5.6 Luna och GPT-6 Luna finns i OrcaRouter-katalogen, till leverantörens listpris utan påslag – $0.20 och $1.20 för den utfasade SKU:n, $0.10 och $0.50 för den som ersatte den. Så här ser ett ersatt prisblad ut inifrån: modellsträngen ändras, men inte nyckeln, och ingen behöver skriva under något. När en leverantör avvecklar en modell mitt i ett kvartal – som hände här den 22 september – kostar bytet en rad i en konfiguration i stället för en upphandlingscykel, och du kan ställa de gamla och nya kortens priser mot varandra på samma faktura.

Det som skulle avgöra den här jämförelsen är inte ännu en benchmarktabell. Det är en ERNIE 5.5-rad framtagen av Artificial Analysis, en publicerad siffra för tokens per uppgift för elvatimmarsbygget, och en prislista för ERNIE på den nivå som GPT-6 Luna nu intar. Tills något av detta finns är ERNIE 5.5 Flash Preview kontra GPT-5.6 Luna en två dagar gammal förhandsversion som mäts mot ett avvecklat kort av två grupper som aldrig har delat ett testramverk – och den användbara versionen av frågan är huruvida förhandsversionen kan behålla sitt försprång i utdatatak när någon utan intresse i svaret kör testet.