Ling-3.2-flash vs ERNIE 5.5 Flash: Den ena är en produkt, den andra är en utgångspunkt

Två kinesiska labb släppte flaggskeppsnära modeller inom några timmar från varandra den 5 november 2026, och nästan varje jämförelse man kan skriva om Ling-3.2-flash och ERNIE 5.5 Flash upplöses i samma stund som man inser att de inte är samma sorts objekt. Ling-3.2-flash är en färdig, instruktionstrimmad multimodal chattmodell: text, bild och video in, svar ut, tillgänglig via Ant Lings OpenAI-kompatibla endpoint och gratis i två veckor. Det Baidu publicerade är ERNIE-5.5-Flash-Base — checkpointen i slutet av förträningen, före mellanträningen, före instruktionstrimningen, endast text, och serverad via en completions-endpoint eftersom den ännu inte har lärts att följa instruktioner. Baidus egen lanseringssida säger att den eftertränade ERNIE 5.5 Flash "kommer att följa".

Den där enda asymmetrin avgör de flesta av de praktiska frågorna nedan. En modell kan du anropa redan i eftermiddag. Den andra kan du ladda ner, finjustera och göra om till något — vilket är ett helt annat köp, med ett juridiskt avtal kopplat till sig.

De två objekten, sida vid sida

Det som följer är vad respektive leverantör dokumenterar i dag. När en siffra är leverantörens egen och inte har återgivits, anges det.

• Totala och aktiva parametrar – Ling-3.2-flash 560B totalt / 25B aktiva; ERNIE-5.5-Flash-Base 280B totalt / 14B aktiva per token, plus 0,36B ECHO-parametrar som båda antalen exkluderar.

• Indata — Ling-3.2-flash tar emot text, bilder och video direkt, med image_url- och video_url-block i förfrågan; ERNIE-5.5-Flash-Base är endast text, punkt slut.

• Vad du får — Ling-3.2-flash är en eftertränad chattmodell bakom ett API; ERNIE-5.5-Flash-Base är råa förträningsvikter som du förväntas efterträna själv.

• Arkitektur — Ling-3.2-flash är en MoE i den hybridlinjära Ling-serien som Ant har kört sedan 3.1; ERNIE-5.5-Flash-Base har 43 lager (ett tätt FFN, 42 Multi-Router Latent MoE), 512 routade experter med top-10-routing plus en delad expert, 37 lager med Heavily Compressed Attention och sex MLA-lager med gles attention.

• Kontext — Ling-3.2-flash erbjuder ett fönster på 1 miljon token i API:et; ERNIE-5.5-Flash-Base tränades på 128K, och dess publicerade konfiguration möjliggör 1 048 576 token för finjustering och inferens, vilket inte är samma påstående.

• Vikter — Ling-3.2-flash har inga publicerade sådana; ERNIE-5.5-Flash-Base levereras med FP8- och BF16-safetensors på Hugging Face och ModelScope.

• Pris — Ling-3.2-flash är gratis i två veckor efter lansering, utan publicerad taxa för dag femton; ERNIE-5.5-Flash-Base har inget hostat pris eftersom Baidu inte erbjuder det, och självhosting kostar vad 280B vikter kostar dig.

Ingen av de raderna är ett kvalitetspåstående. De är en beskrivning av vad du skulle köpa.

Vad Ling-3.2-flash faktiskt är bra för, enligt bevisen

Ants lanseringsmaterial är tre benchmarkvärden och fem demovideor. Värdena jämför Ling-3.2-flash med Opus 5 vid maximal ansträngning på OmniDocBench1.5 (92,21 mot 90,56), ZEROBench(Sub) (43,71 mot 39,52) och Vision2Web (85,86 mot 80,20). Alla tre är leverantörsrapporterade, alla tre är visuella och ingen har reproducerats av en tredje part. Lästa som en helhet gör de anspråk på en sak: inom dokumenttolkning, 3D-scenresonemang och vision-till-webb-uppgifter anser Ant att det överträffar en sluten frontiermodell. De gör inga som helst anspråk på textresonemang, kodning eller agentbaserat terminalarbete, vilket är där merparten av produktionstrafiken fortfarande går.

Demonstrationerna är mer informativa än siffrorna, eftersom de visar den återkopplingsslinga som Ant byggde modellen för. Ling-3.2-flash inspekterar headless-renderingar av materialsfärer, jämför råhets- och normalmappar och skriver om sitt eget skript; den styr Blender via UI-åtgärder; den omvandlar tekniska ritningar till 3D-webbmodeller; den läser forsknings-PDF:er med ekvationer och implementerar algoritmerna i kod. Alla dessa uppgifter kräver att modellen tittar på en mellanliggande artefakt och korrigerar sig själv. Det är vad inbyggd multimodal träning ger dig jämfört med en textmodell med en vision-adapter, och det är den förmåga du bör testa först om det här är ditt användningsfall.

Två operativa förbehåll hör hemma i samma andetag. Ant dokumenterar en global gräns på två frågor per sekund med 429:or över den, och en timeout på 90 sekunder för synkrona anrop där streaming rekommenderas. Och modellen är gratis endast till ungefär den 19 november; prissidan säger att de ursprungliga priserna återupptas efteråt utan att säga vad de är.

Vad ERNIE-5.5-Flash-Base faktiskt är bra på

Baidus pitch är kostnadsförskjutning, och den håller ihop. Företaget lade förträningsberäkningskraften på 33,5 biljoner token med Muon-optimeraren; du lägger din på domänanpassning, instruktionstuning eller förstärkningsinlärning, med utgångspunkt från en checkpoint som redan har kod i arkivskala och långkontextbeteende inbyggt. Släppet är ovanligt rent som forskningsbaslinje: en checkpoint i slutet av förträningen, ingen mellanträning, ingen efterträning, så två finjusteringsmetoder kan jämföras utan att man bråkar om vad basen redan visste.

Baidus utvärdering jämför den med tre öppna basmodeller av liknande storlek – DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B) och MiMo-V2.5-Base (310B-A15B) – under en och samma testram, en promptuppsättning och en domare, över 30 benchmarktester i sju kategorier. Det är en bättre kontrollerad jämförelse än de flesta lanseringstabeller, och den är fortfarande leverantörskörd. Det arkitektoniska huvudpåståendet som är värt att känna till: 37 av de 43 lagren utför attention över en sekvens som komprimerats 128×, och Baidu säger att de sex MLA-lagren räcker för att upprätthålla långkontextprestanda. Om det håller vid oberoende testning är det det mest intressanta i lanseringen – en 128× kompression som inte kostar dig hämtning i långa kontexter.

Haken är licensen, och det är ingen liten hake. ERNIE 5.5 Flash Base Model License Agreement v1.0 definierar ett Territorium som är "alla geografiska områden världen över utom Europeiska unionen, Förenade kungariket och Sydkorea", och kräver att materialen inte används, distribueras eller visas utanför det. Kommersiell användning är gratis under 50 miljoner US-dollar i årlig intäkt från relaterade produkter, förutsatt att du skickar ett engångsmeddelande och visar "Powered by ERNIE" framträdande i ett användargränssnitt, på en webbplats, en om-sida eller i produktdokumentation. Över 50 miljoner US-dollar behöver du Baidus separata skriftliga förhandsgodkännande innan du överskrider gränsen, och användningen måste avbrytas om du överskrider den utan ett sådant.

Så den ärliga formuleringen av den "gratis" 280B-checkpointen är: gratis att ladda ner överallt utanför tre jurisdiktioner, gratis att använda kommersiellt upp till en intäktströskel, och med en varumärkesförpliktelse som de flesta produktteam kommer att märka på sin marknadsföringssajt innan de märker den i licensen.

Vilken du ska välja beror på vad du gör.

Välj Ling-3.2-flash om arbetet är visuellt och du behöver ett svar denna månad. Dokumentutvinning där layout spelar roll, skärmbildsdrivna UI-agenter, omvandling från ritning till 3D, triage av medicinsk bilddiagnostik, allt där modellen måste kontrollera sin egen renderade utdata. API:et är OpenAI-format, så integrationen är en ändring av bas-URL:en, och den kostnadsfria tvåveckorsperioden innebär att utvärderingen inte kostar något annat än din tid. Lägg inte in det i produktionsflödet ännu: det finns inget publicerat pris, inget oberoende resultat, inga vikter och ingen reservleverantör.

Välj ERNIE-5.5-Flash-Base om ni har kapacitet för efterträning och en domän. En 280B-A14B-bas med en dokumenterad arkitektur, fungerande SGLang- och vLLM-recept, en FP8- och en BF16-build samt ett Megatron-Bridge-exempel för finjustering är en verklig tillgång för ett team som vill ha sin egen modell. Kontrollera Territory-klausulen mot er juridiska person innan ni börjar, inte efter. Och benchmarka den inte som en chattmodell – den fortsätter text, den svarar inte på förfrågningar, så varje jämförelse av instruktionsföljning mot Ling-3.2-flash mäter fel sak.

Om det du egentligen ville ha var en färdig ERNIE att anropa, vänta. Baidu säger att den eftertränade ERNIE 5.5 Flash är på väg, och tills den lanseras finns det ingen hostad ERNIE 5.5 på Qianfans prislista – den internationella lista vi läste i dag innehåller ERNIE 5.1, ERNIE 5.0 och ERNIE 4.5 Turbo, utan någon rad för 5.5.

Ingen av dem finns i vår katalog – här är vad som finns

För att tala klarspråk om routing: vi läste om OrcaRouter-katalogen den 6 november och den returnerar 215 modellidentifierare. Det finns ingen post för Ling, inclusionAI, Ring eller ERNIE i den; de enda "ling"-träffarna är Kling-videomodeller. Så den här jämförelsen är inte ett val mellan två saker som en enda nyckel redan når.

Vad en enda nyckel faktiskt når, till leverantörens listpris utan påslag, är de modeller som täcker samma två uppgifter. För visionsarbete med en publicerad taxa kostar Qwen3.8-Flash $0.15 per miljon indata och $0.47 per miljon utdata. För billiga textagenter i stor skala kostar DeepSeek V4.1 Flash $0.15 och $0.60, och GLM-5.3-Flash kostar $0.15 och $0.50. Alla tre tar emot en OpenAI-formad förfrågan, så en Ling-3.2-flash-integration som porteras till dem är en ändring av modellsträngen snarare än en omskrivning – vilket spelar roll när det fria fönstret stängs och du fortfarande inte har något priskort.

Det är också argumentet för att sätta en router framför en självhostad ERNIE-fintrimning i stället för att peka din app direkt mot ditt eget kluster: en slutpunkt, en nyckel och automatisk redundansväxling till en hostad modell när dina GPU:er är fullbelastade eller din utrullning pågår. Routnings-DSL:en kombinerar flera modeller till ett enda anrop, vilket är så du skulle köra en bildmodell och en textmodell som ett steg i stället för två.

Det man ska hålla ögonen på

Båda utgåvorna är halvfärdiga i motsatta riktningar, och båda luckorna stängs enligt någon annans tidsplan. Ant är skyldig en prislista, ett modellkort och – om mönstret från 2026 håller i sig – en MIT-licensierad checkpoint. Baidu är skyldig den eftertränade ERNIE 5.5 Flash, och är skyldig ett tydligare uttalande om huruvida Territory-klausulen gäller modellens utdata eller endast vikterna och deras derivat, vilket texten såsom den är skriven antyder är bredare än vad de flesta team kommer att anta.

Tills ett av dem lanseras har jämförelsen en enkel form: Ling-3.2-flash är den du kan utvärdera i dag men inte räkna med i budgeten, och ERNIE-5.5-Flash-Base är den du kan räkna med i budgeten men inte anropa.