ERNIE 5.5 Flash vs MiniMax M3.1 Flash: Två fönster på två miljoner token, en publicerad poäng

Båda modellerna uppger ett kontextfönster på en miljon tokens, båda tillhör Flash-nivån, båda kostar mindre än en dollar per miljon indatatokens, och exakt en av dem har en siffra i namnet. MiniMax M3.1 Flash har fått poängen 42 på Artificial Analysis Intelligence Index sedan lanseringen den 19 oktober 2026, till $0,22 per slutförd indextask. ERNIE 5.5 Flash började säljas på Baidu Qianfan den 10 november 2026 med ett pris, en specifikation och ingen utvärdering av något slag – inte en leverantörstabell, inte en oberoende körning, inte en kunskapsavgränsning. Den användbara frågan är alltså inte vilken modell som är bättre. Det är hur mycket den saknade poängen är värd, och om de två fönstren är samma fönster.

Där de två specifikationerna faktiskt skiljer sig åt

De framträdande siffrorna ligger tillräckligt nära för att verka utbytbara, och det är de inte. Fyra av raderna nedan avgör verkliga arbetsbelastningar.

• Inmatningsfönster – ERNIE 1 024 000 tokens mot MiniMax 1 000 000. En skillnad på 24 000 tokens är brus; behandla dem som likvärdiga och sluta jämföra dem.

• Utdatatak — ERNIE 921 600 tokens vs MiniMax 524 288. ERNIE:s tak är nästan dubbelt så högt, och anledningen är arkitektonisk snarare än generös: dess resonemang kan inte stängas av, så långa agentloopar behöver någonstans där tänkandet kan ta vägen.

• Pris per miljon — ERNIE $0,28 in / $1,13 ut / $0,028 cachad vs MiniMax $0,15 / $0,60 / $0,015. ERNIE är 1,87× indata-taxan och 1,88× utdata-taxan. Cachade läsningar skalas på samma sätt.

• Modalitet – ERNIE är endast text. MiniMax tar emot text, bild och video och returnerar text. För alla arbetsbelastningar som innehåller en skärmbild, ett diagram, en UI-avbildning eller ett inspelat samtal avgör den här raden jämförelsen innan priset ens diskuteras.

• Styrning av resonemang — ERNIE:s resonemang är obligatoriskt, aktiverat som standard och erbjuds på en enda ansträngningsnivå: hög. MiniMax exponerar justerbart tankdjup, vilket innebär att ett klassificeringsanrop kan hoppa över det tänkande som det inte behöver.

• Vikter — MiniMax publicerade 428B parametrar (23B aktiva) den 23 oktober, 252,4 GB fördelat på 48 shards under en gemenskapslicens med en intäktslinje på 20 miljoner dollar. ERNIE:s bascheckpoint går att ladda ner; den eftertränade ERNIE 5.5 Flash gör det inte, och inget datum har angetts.

• Oberoende poäng — MiniMax 42 på Intelligence Index, 41:a av 173 vid tidpunkten för poängsättningen, 0,22 USD per uppgift. ERNIE: ingen. Artificial Analysis har rader för ERNIE 4.5 och ERNIE 5.0 och ingen rad för ERNIE 5.5 alls.

Kör fakturan tre gånger, inte en gång.

En prislista är det minst användbara sättet att jämföra två modeller som båda tänker innan de svarar. Samma uppgift, prissatt på tre sätt, är ärligare.

Ta en arbetsbelastning för dokumentgranskning: 400 000 indatatokens, 3 000 utdatatokens per begäran, hundra begäranden om dagen. På ERNIE 5.5 Flash är det 40 miljoner indatatokens till $0.28 och 300 000 utdatatokens till $1.13 — $11.20 plus $0.34, alltså $11.54 om dagen. På MiniMax M3.1 Flash är det $6.00 plus $0.18, eller $6.18. ERNIE kostar $5.36 mer per dag, eller ungefär $1 950 per år, för samma 100 dokument.

Upprepa det nu med en systemprompt som är värd att cachelagras. Om 380 000 av dessa indatatokens är stabila instruktioner och endast 20 000 ändras, gör ERNIE:s cachade läsningar till $0,028 att inputraden går från $11,20 till ungefär $1,62; MiniMaxs cachade taxa på $0,015 tar dess $6,00 till omkring $0,87. Gapet minskar till klart under en dollar per dag, och båda modellerna blir tillräckligt billiga för att valet slutar vara ekonomiskt. Cachning är inte en mikrooptimering på ett fönster på en miljon tokens – det är större delen av räkningen.

Den tredje körningen är den som ingen publicerar. Lägg till resonemangstokens. Man kan inte be ERNIE att hoppa över dem; på en uppgift där den tänker i 6 000 tokens innan den skriver 3 000, är utvolymen 9 000 tokens och utraden tredubblas. MiniMax kan instrueras att tänka mindre, och dess dokumenterade beteende är redan ovanligt ordrikt — 180 miljoner utdatatokens i Intelligence Index mot en median på 99 miljoner — så de två kan närma sig varandra i praktiken. Ingen vet, eftersom bara en av dessa modeller överhuvudtaget har mätts. Tills du räknar utdatatokens för dina egna promptar är andra decimalen i varje jämförelse här bara dekoration.

Obligatoriskt resonemang är ett designställningstagande, inte en bugg

Det är frestande att läsa ERNIEs obligatoriska resonemang med hög ansträngning som en begränsning, och för vissa arbetsbelastningar är det precis vad det är — det finns ingen snabbväg för en klassificering på ett ord, och varje begäran betalar en latens- och tokenavgift som MiniMax låter dig undvika. Men samma beslut förklarar utdatataket, och det säger något om vem Baidu byggde detta för.

En modell som alltid resonerar, med en utdatatilldelning på 921 600 token, är byggd för långa agentiska körningar: refaktoreringar i repositoriestorlek, flerstegsforskning, planeringsloopar som behöver någonstans att tänka. Baidus släpp av bascheckpointen drar åt samma håll – förträningskorpusen betonar "kod i repositoriestorlek och lång kontext", och de benchmarkrader som smickrar den mest är HumanEval+ på 82,3 och RepoQA på 91,7, båda siffror för basmodellen som inte säger något direkt om chattmodellen men som säger vad träningsdatan prioriterade.

MiniMax design pekar åt ett annat håll. Justerbart tänkande djup, inbyggd bild- och videoinmatning, 125,5 output-tokens per sekund och 1,04 sekunders tid till första token beskriver en modell byggd för genomströmning – autonoma loopar, skärmbildsdrivna gränssnitt, dokumentflöden där indata är en inskanning snarare än en diff. Dess eget positioneringsspråk handlar om kostnad per token vid volym, och de $0,22 per indexuppgift är siffran som stöder det.

Två modeller i Flash-klassen, två olika satsningar: en på djup per förfrågan, en på förfrågningar per sekund. Ingen av dem är fel, och specifikationsbladen är ovanligt tydliga med vilken som är vilken.

Båda är billiga; bara den ena är ett beslut du kan fatta idag

Den asymmetri som spelar roll handlar om bevisning. MiniMax M3.1 Flash har en publicerad indexpoäng, en publicerad kostnad per uppgift, ett publicerat modellkort, nedladdningsbara vikter och en oberoende mätning av hur många tokens den förbrukar för att slutföra ett benchmark. Ett upphandlingsbeslut kan fattas utifrån det. ERNIE 5.5 Flash Preview har ett prisblad, ett kontextfönster och en Baidu-presssida som fortfarande inleder med bascheckpointen och frasen "kommer snart" om den eftertränade modellen – vilket besvärande nog är den modell som nu säljs.

Det gör inte förhandsversionen till en dålig modell. Det gör den till en omätt modell, och rätt hållning till en omätt modell till dubbla priset av en uppmätt konkurrent är inte att anta att den är sämre. Baidus bascheckpunkt slog DeepSeek V4 Flash Base på 26 av 30 rader; en stark efterträningskörning på den basen skulle rimligen kunna landa över 42. Den skulle också kunna landa under. Poängen är att ingen utanför Baidu för närvarande kan avgöra det, och en prislista är inte bevis.

Testar båda utan att skriva under två kontrakt

En av dessa modeller ligger på en routad nyckel och en gör det inte. OrcaRouter erbjuder MiniMax M3.1 Flash till leverantörens listpris med 0 % påslag, tillsammans med GLM-5.3-Flash, DeepSeek V4.1 Flash, Qwen 3.8 Flash och Gemini 3.8 Flash — mer än 200 modeller bakom en enda OpenAI-kompatibel slutpunkt, med automatisk failover mellan leverantörer och ett routnings-DSL för att kombinera flera modeller i ett enda anrop. ERNIE 5.5 Flash Preview finns inte i den katalogen; det finns ingen ERNIE-post och ingen Baidu-slutpunkt som vi kan routa till, så den måste anropas via Baidus eget API med en andra nyckel och en andra faktura.

Den praktiska vägen genom den asymmetrin är att bygga utvärderingen först och integrationen sedan. Lägg dina tjugo prompter bakom den routade nyckeln, kör MiniMax och resten av Flash-nivån och registrera output-tokens per uppgift – inte bara pris per miljon. Rikta sedan samma tjugo prompter mot Baidu-slutpunkten och jämför på samma axel. Om ERNIE vinner på de uppgifter du bryr dig om, är dess 1,88×-taxa en premie värd att betala och det saknade modellkortet blir en olägenhet snarare än ett hinder. Om den inte gör det har du lagt en eftermiddag och en liten faktura på att ta reda på det.

Det som skulle avgöra saken på rätt sätt är en enda rad i en resultattabell som kör sin egen testrigg. MiniMax har haft en sedan lanseringsdagen. Baidu skulle kunna publicera en i morgon, och då skulle artikelns centrala osäkerhet försvinna – vilket är tecknet på att osäkerheten egentligen inte alls handlar om modellerna. Den handlar om vilken leverantör som valde att redovisa sitt arbete.