
Hy4 flash-Base vs ERNIE 5.5 Flash Base: Den enda rättvisa jämförelsen som någon av leverantörerna har publicerat
- OrcaNYOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M tokens · 138 tok/s
- tencentNYTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M tokens · 175 tok/s
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 89 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 120 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 116 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
Två kinesiska labb publicerade förtränade checkpoints med tolv dagars mellanrum, och för en gångs skull skriver jämförelsetabellen sig själv: Hy4 flash-Base mot ERNIE 5.5 Flash Base, samma typ av artefakt från samma steg i pipelinen, utvärderad på samma sätt. Tencent publicerade Hy4 flash-Base den 17 november 2026 tillsammans med instruktionsmodellen. Baidu publicerade ERNIE 5.5 Flash Base den 5 november 2026, och när detta skrivs är det fortfarande den enda ERNIE 5.5-artefakten som finns – den eftertränade chattmodellen har inte släppts.
Den skillnaden i vad som omger checkpointen är det mesta av det som gör den här jämförelsen värd en sida. Att jämföra de två baserna visar hur förträningen gick. Att jämföra de två lanseringarna säger något mindre smickrande om båda: det ena företaget levererade råmaterialet och den färdiga produkten samma dag, det andra levererade råmaterialet och ett löfte.
Varför bascheckpoints är den ärliga jämförelsen
Nästan varje modelljämförelse du läser är i tysthet orättvis, eftersom den ställer en leverantörs färdiga, instruktionstränade modell mot en annan leverantörs färdiga, instruktionstränade modell, där var och en utvärderas i sitt eget testramverk med sina egna baslinjer. Bascheckpoints tar bort en av dessa variabler. Ingen av modellerna har eftertränats, ingen av dem har en chattmall som formar utdataformatet, och båda leverantörerna publicerar few-shot-tabeller på standardakademiska benchmarks snarare än anpassade agentiska sviter.
Det som återstår – utvärderingsramverket, antalet exempel, delmängderna – är fortfarande leverantörsspecifikt, så inget här är ett kontrollerat experiment. Men en tabell med bas mot bas är en jämförelse av förträningskörningar, och förträning är den dyra delen. Det är det närmaste ett jämförbart tal som dessa två företag har publicerat om varandra.
De två kontrollpunkterna, sida vid sida
• Parametrar — Hy4 flash-Base 220,3B totalt, 12B aktiva per token; ERNIE 5.5 Flash Base 280B totalt, 14B aktiva per token.
• Var parametrarna sitter — Hy4 flash-Base har 155,5B i den 42-lagriga stommen, 63,5B i Engram n-gram-inbäddningstabeller, 0,43B i en visionskodare och 0,85B i en DFly2-drafter; ERNIE:s 280B är en mer konventionell MoE-fördelning, plus en ECHO-modul på 0,36B som inte räknas in i rubriksiffran.
• Djup och routning – 42 lager (ett dense-lager, 41 MoE-lager) med 512 routade experter plus en delad, 16 aktiva, hidden-storlek 3 072, för Hy4 flash-Base; 43 lager (ett dense-lager, 42 Multi-Router Latent MoE) med 512 routade experter plus en delad, top-10, hidden-storlek 4 096, för ERNIE.
• Kontext — 1 048 576 token konfigurerade hos båda. Tencent tränade Hy4 flash direkt vid den längden; Baidu tränade ERNIE vid 128 000 och ställde in den publicerade konfigurationen på 1 048 576 för finjustering och inferens, vilket är en egenskap hos konfigurationen snarare än ett uppmätt beteende.
• Modalitet – text och bild in, text ut, på båda. Hy4 flash-Base levereras med en SigLIP2-härledd visionskodare; ERNIE 5.5 Flash Base-kortet beskriver endast textinmatning i modellänkstabellen.
• Licens — Tencent Hy License v1.0, en derivatlicens av Apache 2.0 med en MaaS-klausul vid 50 miljoner USD i intäkter eller 100 miljoner MAU; ERNIE 5.5 Flash Base Model License v1.0, som helt utesluter Europeiska unionen, Storbritannien och Sydkorea som territorier.
Licensfrågan är inte en fotnot. Ett europeiskt team kan inte använda ERNIE-checkpointen alls inom ramen för sitt anslag, och ingen benchmarkfördel, hur stor den än är, ändrar på det. Ett team oavsett storlek kan använda Hy4 flash-Base, och ett team med över 50 miljoner USD i MaaS-intäkter måste skicka ett e-postmeddelande innan det gör det.
Vad Baidus tabell säger, och vad det kostar att tro på den
Baidus jämförelseuppsättning är den rätta för en basrelease: ERNIE 5.5 Flash Base mot DeepSeek-V4-Flash-Base, Hy3-preview-Base och MiMo-V2.5-Base, på en pipeline som kortet beskriver som delad av alla fyra. Alla siffror nedan är rapporterade av Baidu och har inte reproducerats.
• 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 mot 69,2, 66,9 och 65,7. Den största skillnaden i uppsättningen.
• GPQA — 60,2 mot 55,9, 50,2 och 51,4.
• HumanEval+ — 82,3 mot 69,5, 78,0 och 74,4.
• LiveCodeBench — 40,1 mot 31,9, 33,5 och 32,4.
• LongBench-v2 — 48,7 mot 44,5, 39,8 och 44,6.
• BBH med kedjetänkande — 89,2 mot Hy3-preview-Base 90,0 och MiMo-V2.5-Base 89,8. Ett oavgjort resultat mellan tre, inom felmarginalen, oavsett vad fetstilen antyder.
• ChineseSimpleQA — 73,0 mot DeepSeeks 75,3. En förlust, på det benchmark som ligger närmast Baidus hemmamarknad.
Tabellen saknar rader, vilket är anledningen till att den framstår som en tabell som någon har byggt snarare än en som någon har valt ut. Notera vad som saknas i den: Hy4 flash-Base. Tencents checkpoint fanns inte den 5 november, så ingen har någonsin publicerat en direkt rad mellan de två modellerna i den här jämförelsen.
Vad Tencent-tabellen säger, inklusive ansvarsfriskrivningen.
Tencents bastabell är femvägs — Hy4 flash-Base, Hy4 Base, Hy3 preview Base, DeepSeek-V4-flash-Base och DeepSeek-V4-Pro-Base — och den tappar även rader. Leverantörsrapporterat, ej reproducerat:
• MMLU-Pro — 71,1 för Hy4 flash-Base jämfört med 73,9 för Hy4 Base, 65,8 för Hy3 preview Base, 68,6 för DeepSeek-V4-flash-Base och 73,4 för DeepSeek-V4-Pro-Base.
• SimpleQA — 37,5 mot 57,2, 26,4, 31,3 och 52,1. Den största förlusten på kortet.
• C-Eval — 92,0 jämfört med 95,0, 90,1, 91,9 och 93,4.
• CMMLU — 91,6 mot 93,1, 89,6, 89,8 och 90,7.
• AGIEval Chinese — 90,6 jämfört med 91,2, 87,8, 88,5 och 89,8.
• Belebele – 93,8 mot 95,0, 94,2, 94,4 och 95,2.
• INCLUDE — 82,8 mot 88,1, 84,3, 84,0 och 84,3.
MMMU-Pro — 52,0 mot 59,6 för Hy4 Base. De multimodala raderna finns endast för de två Hy-modellerna.
Läst som helhet: Hy4 flash-Base är en mindre och billigare modell än sina syskon och förlorar mot dem på de flesta rader, vilket är precis vad en modell med 12B aktiva parametrar bör göra mot en med 49B aktiva. De intressanta raderna är de flerspråkiga, där den ligger inom en eller två poäng från mycket större modeller, och SimpleQA, där den ligger tjugo poäng efter Hy4 Base — en lucka i faktahämtning som säger något om hur mycket av den förmågan som sitter i parameterantalet snarare än i träningsdata.
Tencent tar också frivilligt upp en varning som Baidus kort inte gör: eftersom basmodellen exponerades för en stor mängd syntetisk instruktionsdata under mellanträningen, "misslyckas den ibland med att följa det förväntade svarsformatet i few-shot-utvärderingar, vilket kan snedvrida poängen." Att en leverantör säger att deras egen utvärderingsrigg kan mäta formatefterlevnad är tillräckligt sällsynt för att vara värt meningen.

De två borden kan inte läggas ovanpå varandra.
Här är fällan i den här jämförelsen, och det är värt att säga rakt ut eftersom större delen av internet inte kommer att göra det. Båda leverantörerna publicerar MMLU-Pro. Baidu rapporterar 78,4 för ERNIE 5.5 Flash Base. Tencent rapporterar 71,1 för Hy4 flash-Base. Det är frestande att subtrahera och rapportera en 7,3-poängs seger för Baidu. Den subtraktionen är inte försvarbar.
Olika antal few-shot-exempel, olika promptformat och, när det gäller Hy4 flash-Base, ett erkänt problem med formatföljning som kan sänka ett makroaveragerat resultat. Det enda talet i båda tabellerna som har en gemensam definition – Belebele på en delmängd med fem språk – ligger på 93,8 för Hy4 flash-Base och saknas helt i Baidus tabell. Det finns ingen överlappning som är tillräckligt rigorös för att kunna subtraheras.
Det du kan säga är snävare och fortfarande användbart: varje leverantörs checkpoint slår de tredjeparts-DeepSeek-baslinjer som var och en av dem valde, på de flesta rader, med marginaler som deras egna harnessar producerade. Två någorlunda oberoende påståenden i samma riktning är starkare bevis än något av dem var för sig och svagare än ett gemensamt benchmark. Det är det ärliga taket för vad dessa två kort stöder.

En release är klar; den andra är ett löfte.
Detta är asymmetrin som spelar större roll än någon rad ovan, och det handlar inte om benchmarkkvalitet.
Tencent publicerade tre artefakter den 17 november: instruktionsmodellen, dess FP8-bygge och bascheckpointen. Ett team som vill ha en chattmodell i dag kan ladda ner en, läsa in den i vLLM med den låsta vllm/vllm-openai:hy4-flash-imagen och servera den. Bascheckpointen finns där för dem som vill finjustera, och modellkortet hänvisar till en finjusteringsguide.
Baidu publicerade en artefakt den 5 november. ERNIE 5.5 Flash Base är förtränade vikter. Det finns ingen instruktionstränad ERNIE 5.5 Flash att ladda ner, ingen API-slutpunkt dokumenterad under det namnet i lanseringsmaterialet, och modellkortet beskriver den eftertränade modellen endast som något som "förväntas följa". Ett team som laddar ner ERNIE 5.5 Flash Base i dag åtar sig att göra efterträningen själva, på 280B vikter, innan de har en modell som kan svara på en fråga i ett användbart format.
För en forskningsgrupp är det just den intressanta artefakten. För ett produktteam är det inte en modell, det är en utgångspunkt med en gränslös mängd arbete kopplad till sig, och den korrekta jämförelsen är inte mot Hy4 flash-Base utan mot Hy4 flash – som kostar pengar per token och fungerar nu.

Var en router passar in i ett bascheckpoint-beslut
Bascheckpoints är inte vad en router serverar, och det vore oärligt att antyda något annat. OrcaRouter har varken Hy4 flash-Base eller ERNIE 5.5 Flash Base, och ingen av leverantörerna har sin instruct-modell i katalogen i dag. Det som däremot finns i katalogen är tencent/hy4-preview — 770B/49B-modellen som Hy4 flash destillerades från — för $0.834 per miljon inputtokens och $2.501 per miljon output, med en cacheläsning på $0.042.
Det spelar roll för ett specifikt beslut. Om du överväger huruvida du ska finjustera en bascheckpoint på 220B är den första frågan om familjens beteende överhuvudtaget passar din uppgift, och förhandsvisningsmodellen svarar på det under en eftermiddag för priset av de tokens du spenderar på att testa. Att göra det innan du avsätter åtta GPU:er för en tensor-parallell FP8-distribution är det billigaste steget i hela projektet. Leverantörens listpris går igenom med 0 % påslag, så en prisändring från Tencent når katalogen samma dag som den sker i stället för vid nästa ombyggnad, och automatisk redundansväxling innebär att ett utvärderingsjobb inte dör för att en uppströmsleverantör hade en dålig timme.
Om finjusteringen fungerar äger du vikterna och routern ingår inte längre i den vägen. Om den inte fungerar har du lagt en eftermiddag i stället för ett kvartal på att ta reda på det.
Så här läser du den här matchningen
Om du vill ha en modell som kan utföra arbete är det här fel sida: Hy4 flash är den färdiga modellen och ERNIE 5.5 Flash har ingen ännu. Om du vill ha en förtränad bas att bygga vidare på är de två kandidaterna närmare varandra än marknadsföringen antyder och längre ifrån varandra än vad en subtraktion av benchmarkresultat skulle indikera.
ERNIE 5.5 Flash Base är större, tränad under längre tid – 33,5 biljoner tokens med Muon-optimeraren – och rapporterar starkare resultat i sitt eget testramverk, inklusive en MMLU-Pro-siffra som ingen Tencent-modell på jämförelsekortet matchar. Hy4 flash-Base är mindre, billigare att köra med 12B aktiva parametrar, har inbyggd multimodalitet, levereras med en vision-encoder och en draftmodell för spekulativ avkodning samt kommer med en licens som inte utesluter tre jurisdiktioner.
Den avgörande faktorn blir sannolikt varken förmågan eller licensen utan de tolv dagarna mellan dem. Baidus checkpoint har haft nästan två veckor på sig för finjusteringscommunityt att åstadkomma något; Hy4 flash-Base har haft en. Håll utkik efter om en instruktionstränad ERNIE 5.5 Flash dyker upp, och håll utkik efter om någon publicerar en LoRA för Hy4 flash-Base. Det första skulle göra detta till en riktig jämförelse, med en gemensam benchmark som med stor sannolikhet följer; det andra skulle visa vilken basmodell utövarna faktiskt föredrog.
Jämförda i den här artikeln1
Identifierat från den här artikeln
