ในที่สุด ERNIE 5.5 Flash Preview ก็มีโพสต์เปิดตัวแล้ว พร้อมเบนช์มาร์กยี่สิบรายการและคำมั่นเรื่องเวตส์

46.5 บน Terminal-Bench 4.0 เป็นคะแนนแรกที่ Baidu เคยเผยแพร่สำหรับ ERNIE 5.5 Flash Preview และเปิดตัวเมื่อวันที่ 11 พฤศจิกายน 2026 — หนึ่งวันหลังจากที่โมเดลเองเปิดให้ใช้งานบน Qianfan ในฐานะเอนด์พอยต์แบบคิดค่าบริการ พร้อมรายการราคาและไม่มีเอกสารใด ๆ เลย โพสต์ประกาศเปิดตัวที่มาพร้อมตัวเลขนั้นเป็นแถลงการณ์อย่างเป็นทางการฉบับแรกเกี่ยวกับโมเดลนี้ และตอบคำถามสามข้อที่เอนด์พอยต์ตอบไม่ได้: มันคืออะไร (พารามิเตอร์รวม 2.8 แสนล้านตัว โดยเปิดใช้งาน 1.4 หมื่นล้านตัว, บริบท 1M โทเคน, ผ่านการฝึกหลังการเทรนบนเช็กพอยต์ ERNIE 5.5 Flash Base เมื่อวันที่ 5 พฤศจิกายน), Baidu กล่าวว่ามันเทียบได้อย่างไร (แถวเกณฑ์มาตรฐานยี่สิบแถววางเทียบกับ GPT-6.1 Sol, Claude Opus 5.5, GLM-5.3, GLM-5.3-Flash, DeepSeek-V4.1-Flash-1017 และโมเดลที่ระบุเพียงชื่อว่า Hy4) และคุณจะสามารถรันมันเองได้หรือไม่ (น้ำหนัก "จะเปิดซอร์สภายใต้ Apache 2.0 ในไม่ช้า") ตัวเลขทุกตัวในตารางนั้นเป็นข้อมูลที่ผู้ขายรายงานเอง ผลิตบนฮาร์เนสของ Baidu เองด้วยโมเดลผู้ตัดสินที่ Baidu เลือก และไม่มีส่วนใดเลยที่ได้รับการทำซ้ำภายนอกบริษัท กลุ่มเกณฑ์มาตรฐานคือส่วนหนึ่งของการเปรียบเทียบนี้ที่คุณควบคุมได้จริง ราคาตามรายการของผู้ให้บริการโดยบวกเพิ่ม 0% GPT-6.1 Sol, Claude Opus 5.5, GLM-5.3 และ DeepSeek V4.1 Flash ใช้งานผ่านคีย์เดียวในราคาตามรายการของผู้ให้บริการ โดยค่าธรรมเนียม OrcaRouter แสดงเป็น $0.00

สิ่งที่ Baidu ใส่ไว้บนหน้านั้น

โพสต์นี้มีโครงสร้างเป็นเดโมรีลพร้อมภาคผนวก benchmark ซึ่งบอกคุณว่า Baidu คิดว่าข้อโต้แย้งหลักคืออะไร มีสี่ส่วนด้านความสามารถ ได้แก่ การพัฒนาเกม การสร้างโมเดล 3D และการออกแบบ งานองค์ความรู้ และการสร้างวิดีโอ แต่ละส่วนสร้างจากชิ้นงานที่โมเดลผลิตขึ้นเองแบบครบวงจรภายใน agent harness โดยมีแอสเซ็ตและเครื่องมือภายนอกที่ให้เครดิตทีละรายการ ข้อกำหนดทางเทคนิคอยู่ในย่อหน้าเปิดและไม่ถูกกล่าวถึงอีกเลย: 280B ทั้งหมด, 14B ที่ใช้งาน, คอนเท็กซ์ 1M โทเคน, API บน Qianfan, น้ำหนักโมเดลที่สัญญาไว้ภายใต้ Apache 2.0 ไม่มีโมเดลการ์ด ไม่มีวันตัดความรู้ ไม่มีตัวเลขความหน่วง ไม่มีราคา และไม่มีข้อความระบุว่าโมเดลปล่อยโทเคนการให้เหตุผลจำนวนเท่าใดต่องาน

สองประโยคในโพสต์มีความสำคัญมากกว่าส่วนที่เหลือทั้งหมดรวมกัน ประโยคแรกอยู่ในส่วนการพัฒนาเกม ซึ่งอธิบายโปรเจกต์ Unreal Engine 5.8 ว่า "เนื่องจากเป็นโมเดลแบบข้อความล้วนและมองหน้าจอไม่ได้ จึงเปลี่ยนปัญหาที่พบระหว่างการทดสอบเล่นเกม เช่น ตัวละครลอยอยู่เหนือพื้น ทิศทางการวิ่งไม่สม่ำเสมอ และกล้องวางตำแหน่งผิด ให้กลายเป็นการทดสอบที่วัดผลได้ในโค้ด" นี่เป็นคำอธิบายวิธีเลี่ยงปัญหาที่ตรงไปตรงมาอย่างผิดปกติ — โมเดลเขียนการทดสอบเพราะมันมองเกมไม่ได้ — และเป็นข้อความที่ชัดเจนที่สุดจนถึงตอนนี้ว่านี่คือระบบข้อความเข้า ข้อความออก ซึ่งความสามารถด้านภาพถูกมอบหมายให้เครื่องมือจัดการ

ข้อที่สองคือย่อหน้าปิดท้าย: ERNIE 5.5 Flash Preview "เป็นเช็กพอยต์กลางทางจากกระบวนการหลังการฝึก มันแข่งขันได้แล้วกับโมเดลขนาดเดียวกัน แต่เนื่องจากยังฝึกไม่เสร็จ ความสามารถบางอย่างอาจยังไม่ถึงเกณฑ์" โพสต์เปิดตัวที่บอกคุณว่าการเปิดตัวยังไม่เสร็จนั้นมีค่ามากกว่าโพสต์ที่ไม่บอก และมันปรับกรอบทุกอย่างที่อยู่ข้างบนใหม่ คุณไม่ได้กำลังอ่านประกาศผลิตภัณฑ์ แต่กำลังอ่านรายงานความคืบหน้าที่แนบตารางคะแนนมาด้วย ซึ่งเผยแพร่เพื่อให้ผู้ใช้รายงานผลกลับมาก่อนการเปิดตัวอย่างเป็นทางการ

อ่านแถวข้อมูลอ้างอิงทั้งยี่สิบแถวอย่างละเอียด

ตารางภาคผนวกเป็นภาพเพียงภาพเดียว ซึ่งตัวมันเองก็เป็นสัญญาณบอกใบ้เล็ก ๆ ว่า ตัวเลขเหล่านั้นไม่สามารถคัดลอก เรียงลำดับ หรือตรวจสอบเทียบกับสเปรดชีตได้ เมื่ออ่านจากภาพ คอลัมน์ ERNIE มีค่าดังนี้ ทั้งหมดเป็นข้อมูลที่ Baidu รายงานและยังไม่มีการทำซ้ำผล:

• การเขียนโค้ดแบบเอเจนติก — Terminal-Bench 4.0 อยู่ที่ 46.5, DeepSWE v1.1 อยู่ที่ 71.2, ProgramBench (Almost Solved) อยู่ที่ 29.5, NL2Repo-Bench อยู่ที่ 64.8, Terminal-Bench-Science 0.1 อยู่ที่ 21.0

• การใช้คอมพิวเตอร์และระบบอัตโนมัติ — CookieBench ที่ 88.2, AutomationBench ที่ 61.9, APEX-Agents 1.1 ที่ 64.2, DRACO ที่ 84.9

• งานเชิงความรู้ — SpreadsheetBench V2 อยู่ที่ 36.4, OfficeQA Pro V2 อยู่ที่ 67.9, Agents' Last Exam (CLI) อยู่ที่ 29.0, SkillsBench 1.1 แบบข้อความล้วนอยู่ที่ 73.5

• เอเจนต์ทั่วไปและการใช้เครื่องมือ — Toolathlon-Verified อยู่ที่ 79.0, MCP-Atlas อยู่ที่ 84.6, BrowseComp อยู่ที่ 87.4

• การให้เหตุผล — HLE เมื่อไม่ใช้เครื่องมืออยู่ที่ 46.4 พร้อมเครื่องหมายอ้างอิงเชิงอรรถ, AA-Omniscience-Public ที่ 25.2, AA-LCR v1.1 ที่ 79.0

• 3D — BlenderWorld แบบข้อความล้วนที่ 79.0 ซึ่งเป็นแถวเดียวที่กล่าวถึงข้อกล่าวอ้างเกี่ยวกับ CAD และ Blender ในเนื้อหาโดยตรง

เชิงอรรถคือที่ซึ่งความซื่อตรงปรากฏอยู่ และคุ้มค่าที่จะอ่านก่อนดูช่องตารางใด ๆ เบนช์มาร์กแต่ละรายการรันบนฮาร์เนสที่ระบุชื่อไว้ โดยมี Claude Code 2.1.x, mini-swe-agent 2.4.6, Codex 0.162.1 และบางอย่างที่ย่อว่า DSH ปรากฏอยู่ทั้งหมด ส่วนโมเดลผู้ตัดสินคือ Qwen3.8-Max, DeepSeek-V4.1-Flash-1017 และ Gemini 3.1 Flash-Lite เชิงอรรถหนึ่งยอมรับว่า "GLM-5.3 และโมเดลของเราขาดความสามารถมัลติโมดัลแบบเนทีฟ การทำความเข้าใจภาพนั้นมาจากเครื่องมือที่ขับเคลื่อนโดย Claude Opus 5.5" กล่าวอีกนัยหนึ่ง อย่างน้อยเบนช์มาร์กที่ต้องพึ่งการมองเห็นบางรายการก็ถูกทำให้เสร็จโดย ERNIE 5.5 Flash Preview ซึ่งขับเคลื่อนเครื่องมือที่เรียกใช้โมเดลของคู่แข่ง นั่นเป็นการตัดสินใจเชิงวิศวกรรมที่ชอบด้วยเหตุผล และเป็นเรื่องแปลกอย่างแท้จริงที่จะพบในกระดานคะแนน และหมายความว่าแถวใดก็ตามที่เกี่ยวข้องกับการมองสิ่งใดสิ่งหนึ่งนั้นวัดฮาร์เนสทั้งหมด ไม่ใช่แค่โมเดลเพียงลำพัง

สองแถวที่มีคำนำหน้า AA ควรมีข้อควรระวังแยกต่างหาก AA-Omniscience-Public และ AA-LCR v1.1 เป็นเบนช์มาร์กที่เผยแพร่โดย Artificial Analysis ซึ่งเป็นผู้ติดตามอิสระ — แต่ผลเหล่านี้เป็นผลการรันของ Baidu ไม่ใช่ผลการรันของ Artificial Analysis ณ วันที่ 11 พฤศจิกายน ยังไม่มีแถว ERNIE 5.5 บนกระดานผู้นำของ Artificial Analysis ดังนั้นจึงไม่มีตัวเลขอิสระให้ใช้เทียบกับเซลล์ใดเลย

เดโมรีลคือข้อโต้แย้งที่แท้จริง

หากตาราง benchmark เป็นส่วนที่จะถูกอ้างถึง สี่กรณีศึกษาก็เป็นส่วนที่ยากจะปลอมแปลง เพราะกรณีศึกษาเหล่านี้อธิบายผลงานจริงมากกว่าคะแนน รายละเอียดเจาะจงพอที่จะตรวจสอบได้ในหลักการ และชัดเจนพอที่จะมีประโยชน์เมื่อคุณกำลังตัดสินใจว่าจะให้โมเดลนี้ไปทำงานกับอะไร

• {{1}}การพัฒนาเกม{{/1}} — เกม {{2}}มุมมองบุคคลที่สาม{{/2}} บน Unreal Engine 5.8 ที่สร้างขึ้นในงานเขียนโค้ดครั้งเดียว {{3}}11 ชั่วโมง{{/3}} โดยรวมแอสเซ็ตจากหลายรุ่นของเอนจินไว้ในโปรเจกต์เดียวและเขียนเกมด้วย {{4}}C++{{/4}}; อีกส่วนหนึ่ง มีมินิเกมมือถือเกือบ {{5}}100{{/5}} เกมที่สร้างจากเอกสารออกแบบบน {{6}}Cocos{{/6}}, {{7}}Unity{{/7}}, {{8}}LayaAir{{/8}}, {{9}}PixiJS{{/9}} และ {{10}}Canvas 2D{{/10}} โดยส่วนใหญ่จัดโครงสร้างกฎเป็น{{11}}การจำลองแบบดีเทอร์มินิสติก{{/11}} เพื่อให้ {{12}}การเล่นจนจบด้วยบอตและการค้นหาสเปซสถานะ{{/12}} สามารถตรวจสอบได้ว่าแต่ละด่านผ่านได้

• การสร้างแบบจำลอง 3D — เครื่อง Boeing 747 และสนามบิน Beijing Daxing ที่สร้างโดยเอเจนต์สองตัวผ่าน Blender Python API โดยตัวหนึ่งทำสนามบินและอีกตัวทำเครื่องบิน จากนั้นปรับสเกลให้ตรงกัน จัดแสง เรนเดอร์ทีละเฟรมด้วย Cycles และ OptiX และตัดต่อด้วย FFmpeg; กลุ่มวัด Hōryū-ji ที่ค้นคว้าและสร้างทีละขั้นตอน; ซีเควนซ์ previs ที่มีวัตถุราว 2,100 ชิ้นและสามเหลี่ยม 1.82 ล้านรูปกระจายอยู่ในฉาก Blender สี่ฉาก; เครื่องยนต์ W16 อาคารสองแห่งใน Shenzhen และยานสำรวจดวงจันทร์ที่สร้างแบบจำลองใน FreeCAD ผ่านสคริปต์ Python

• งานเชิงความรู้ — รายงานการวิจัยความยาว 20 หน้าเกี่ยวกับต้นทุนค่าไฟฟ้าของศูนย์ข้อมูล, บทวิเคราะห์ระบบขับขี่อัตโนมัติความยาว 24 หน้าที่สร้างจากรายงานอุบัติเหตุของรัฐบาลกลางจำนวน 4,169 ฉบับ, สมุดงานวางแผนความมั่งคั่งแบบโต้ตอบพร้อมการจำลองมอนติคาร์โล 1,000 เส้นทาง และบทเพลงออร์เคสตราความยาว 6 นาที 34 วินาทีที่ส่งมอบในรูปแบบ WAV เรื่องราวการฝึกอบรมเบื้องหลังสิ่งนี้คือตัวเลขที่มากที่สุดในโพสต์: พื้นที่ทำงาน 300,000 แห่งที่เก็บไฟล์อ้างอิง 10 ล้านไฟล์ในไฟล์มากกว่า 40 ประเภท

• วิดีโอ — สภาพแวดล้อมการสร้างสรรค์มากกว่า 150,000 แบบ และวิดีโอที่เสร็จสมบูรณ์ประมาณ 5,300 นาที โดยมีไฮไลต์เป็นแอนิเมชันสั้น 2D ความยาว 116 วินาทีที่เขียนด้วย Python มากกว่า 10,000 บรรทัด ซึ่งพานกกระทุงที่กำหนดพารามิเตอร์ตัวเดียวเคลื่อนผ่านศิลปะ 20 สไตล์

สิ่งที่สิ่งเหล่านี้มีร่วมกันคือไม่มีสิ่งใดเป็นการโต้ตอบผ่านแชตเลย แต่ละอันเป็นการทำงานแบบเอเจนต์ที่ยาวนานพร้อมการเรียกใช้เครื่องมือ และข้อกล่าวอ้างที่นำเสนอนั้นเกี่ยวกับความทนทาน — ว่าโมเดลสามารถรักษาแผนให้เป็นหนึ่งเดียวตลอดหลายชั่วโมงของการแก้ไขได้หรือไม่ นั่นคือคุณสมบัติที่ตาราง benchmark แบบยี่สิบแถววัดได้แย่ที่สุดอย่างแท้จริง และเป็นเหตุผลที่โพสต์ขึ้นต้นด้วยอาร์ติแฟกต์

จุดที่โพสต์เปิดตัวกับเอนด์พอยต์ไม่ตรงกัน

โมเดลที่อธิบายไว้ในโพสต์กับโมเดลที่อธิบายไว้ในเอกสารข้อกำหนดของ Qianfan นั้นเป็นระบบเดียวกันที่มองเห็นได้ชัดเจนจากสองแผนกที่ไม่ได้แลกเปลี่ยนข้อมูลกัน เอนด์พอยต์เปิดใช้งานเมื่อวันที่ 10 พฤศจิกายน ในราคา 0.28 ดอลลาร์ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น และ 1.13 ดอลลาร์ต่อโทเค็นเอาต์พุตหนึ่งล้านโทเค็น โดยการอ่านจากแคชอยู่ที่ 0.028 ดอลลาร์ มีบริบท 1,024,000 โทเค็น เพดานเอาต์พุต 921,600 โทเค็น ใช้การให้เหตุผลแบบบังคับที่ระดับความพยายามสูงเพียงระดับเดียว และไม่มีโมเดลการ์ด โพสต์เปิดตัวซึ่งเผยแพร่ในอีกหนึ่งวันถัดมา ย้ำหน้าต่างบริบทซ้ำ ไม่กล่าวถึงราคาเลย ไม่พูดถึงการใช้เหตุผลแบบบังคับ และให้ข้อมูลการวางตำแหน่งเทียบเท่ากับโมเดลการ์ด โดยไม่ให้โมเดลการ์ดมา

ผลที่ตามมาในทางปฏิบัติคือเรื่องราวสองส่วนนี้ต้องอ่านคู่กัน หรือไม่ก็ไม่ต้องอ่านเลย โพสต์บอกคุณว่าโมเดลสามารถทำงานเขียนโค้ดต่อเนื่องได้สิบเอ็ดชั่วโมง ส่วนเอนด์พอยต์บอกคุณว่าทุกอย่างที่มันคิดจะถูกคิดเงินในอัตราเอาต์พุต และคุณไม่สามารถปิดการคิดได้ การรันหนึ่งครั้งที่ใช้เวลาหลายชั่วโมงในการวนปรับแก้ คือการรันที่ปล่อยโทเคนเอาต์พุตออกมาจำนวนมหาศาล และที่ราคา $1.13 ต่อหนึ่งล้านโทเคน ต้นทุนของคลิปเดโมสาธิตก็เป็นคำถามที่โพสต์ไม่เคยหยิบยกขึ้นมา ตราบใดที่ยังไม่มีใครวัดจำนวนโทเคนเอาต์พุตต่องานที่ทำเสร็จบนเวิร์กโหลดของตนเอง การเปรียบเทียบใด ๆ ระหว่างโมเดลนี้กับโมเดลที่ถูกกว่า ก็เป็นเพียงการเปรียบเทียบตารางอัตราค่าบริการเท่านั้น

อะไรยังขาดอยู่ และมันไม่ใช่เรื่องเล็ก

การขาดหายไปสามประการเป็นตัวกำหนดสถานะปัจจุบันของ ERNIE 5.5 Flash Preview และแต่ละประการจะคลี่คลายในกรอบเวลาที่แตกต่างกัน

• น้ำหนักโมเดล โพสต์สัญญาว่าจะเปิด Apache 2.0 "ในไม่ช้า" แต่ไม่ได้ระบุวันที่ และ ณ วันที่ 11 พฤศจิกายน ยังไม่มีคลังพรีวิวบน Hugging Face — อาร์ติแฟกต์ ERNIE 5.5 เดียวที่เผยแพร่ที่นั่นคือ ERNIE-5.5-Flash-Base และตัวแปร BF16 ของมัน ซึ่งทั้งคู่สร้างขึ้นเมื่อวันที่ 21 ตุลาคม เช็กพอยต์ฐานถูกเผยแพร่ภายใต้สัญญาอนุญาต ERNIE 5.5 Flash Base ซึ่งเป็นสัญญาอนุญาตชุมชนแบบจำกัดที่ยกเว้นสหภาพยุโรป สหราชอาณาจักร และเกาหลีใต้ จำกัดการใช้เชิงพาณิชย์ฟรีโดยอิงจากรายได้ต่อปีที่เกี่ยวข้อง และกำหนดให้ต้องระบุเครดิต "Powered by ERNIE" หากน้ำหนักของพรีวิวมาถึงภายใต้ Apache 2.0 จริง นั่นคือการเปลี่ยนแปลงเงื่อนไขสัญญาอนุญาตของตระกูลโมเดลนี้ และเป็นเรื่องใหญ่กว่าการจัดอันดับในตารางเบนช์มาร์กใดๆ มาก

• คะแนนจากหน่วยงานอิสระ ไม่มีสิ่งใดในรีลีสนี้ที่ถูกทดสอบโดยใครอื่นนอกจาก Baidu เบนช์มาร์กที่มี AA อยู่ในชื่อคือสิ่งที่ต้องจับตา เพราะ Artificial Analysis ใช้ฮาร์เนสของตัวเองและจะเผยแพร่แถวที่เทียบเคียงได้หากและเมื่อเพิ่มโมเดลนี้ จนกว่าจะถึงตอนนั้น ช่องทั้งยี่สิบช่องเหล่านี้เป็นเพียงคำกล่าวอ้าง ไม่ใช่ผลการวัด

• โมเดลเวอร์ชันสมบูรณ์ Baidu กล่าวว่าการฝึกหลังการฝึกยังดำเนินอยู่ และการเปิดตัวอย่างเป็นทางการจะปรับปรุงจากเวอร์ชันตัวอย่าง นี่เป็นข้อความที่ชัดเจนว่าตัวเลขของวันนี้มีอายุการใช้งานจำกัด และทำให้การตัดสินใจใด ๆ ที่จะสร้างบนเช็กพอยต์นี้กลายเป็นการตัดสินใจเกี่ยวกับเป้าหมายที่เคลื่อนไหว

จะประเมินมันได้อย่างไรโดยไม่ต้องเอาเส้นทางโปรดักชันไปเดิมพันกับมัน

การเข้าถึงทำได้ผ่าน Qianfan API ของ Baidu เอง หรือผ่านแพลตฟอร์มบุคคลที่สามที่นำไปขายต่อ OrcaRouter ไม่ได้กำหนดเส้นทางสำหรับ ERNIE 5.5 Flash Preview — ไม่มีรายการ ERNIE ในแคตตาล็อกของเราที่มีโมเดลมากกว่า 200 รายการ และไม่มีเอนด์พอยต์ของ Baidu รองรับอยู่เบื้องหลัง ดังนั้นไม่ควรตีความสิ่งใดในที่นี้ว่าเป็นการเสนอให้บริการโมเดลนี้

สิ่งที่แค็ตตาล็อกมีประโยชน์ในสถานการณ์นี้คืออีกด้านของโต๊ะ: โมเดลที่รุ่นนี้กำลังถูกใช้เป็น基準เปรียบเทียบนั้นล้วนเข้าถึงได้ผ่าน คีย์ที่เข้ากันได้กับ OpenAI เพียงคีย์เดียวในราคาตามรายการของผู้ให้บริการโดยบวกเพิ่ม 0% ซึ่งทำให้คุณสามารถรันงานยี่สิบงานเดียวกันผ่าน GPT-6.1 Sol, Claude Opus 5.5, GLM-5.3 และ DeepSeek V4.1 Flash ด้วยตัวเอง และดูว่าการจัดลำดับของ Baidu ยังคงอยู่เมื่อเจอกับพรอมป์ของคุณหรือไม่ การสลับไปใช้ระบบสำรองอัตโนมัติทำหน้าที่ส่วนที่สอง — พรีวิวที่ไม่มีประวัติอัปไทม์ไม่จำเป็นต้องเป็นสิ่งเดียวที่ค้ำเส้นทางการร้องขอ เพราะฟอลแบ็กที่ถูกจัดเส้นทางสามารถรับช่วงการเรียกได้เมื่อมันหยุดชะงัก

การประเมินที่คุ้มค่าที่จะรันในสัปดาห์นี้มีขอบเขตแคบและต้นทุนต่ำ เลือกงานเอเจนต์ระยะยาวของคุณเองมาสิบงาน รันแต่ละงานผ่านพรีวิวและผ่านสองโมเดลที่คุณไว้วางใจอยู่แล้ว แล้วบันทึกสามอย่างต่อหนึ่งงาน: งานเสร็จหรือไม่ ใช้โทเค็นเอาต์พุตไปเท่าไร และมีค่าใช้จ่ายเท่าไร สิ่งนี้ให้ตัวเลขสองตัวที่ Baidu ไม่ได้เผยแพร่ — โทเค็นต่อหนึ่งงานและค่าใช้จ่ายต่อหนึ่งงานที่ทำเสร็จ — เทียบกับเกณฑ์อ้างอิงที่คุณเลือกเอง ส่วนอย่างอื่นในโพสต์ประกาศเปิดตัว รวมถึง 46.5 เป็นฮาร์เนสของคนอื่น

สิ่งที่ทำให้คำถามนี้ยุติลงไม่ใช่เดโมอีกตัว แต่คือวันที่เผยแพร่ภายใต้ Apache 2.0 การ์ดโมเดลที่มี knowledge cutoff และตารางการประเมิน แถว Artificial Analysis ที่จัดทำโดย Artificial Analysis และ checkpoint ที่สองซึ่งมีตัวเลขที่เทียบกับตัวนี้ได้ Baidu ได้เผยแพร่เรื่องราวที่ควรจะเผยแพร่เมื่อวันที่ 10 พฤศจิกายนแล้ว สิ่งต่อไปที่ต้องมอบให้ผู้ใช้คืออาร์ติแฟกต์ที่ทำให้พวกเขาเลิกเชื่อคำกล่าวอ้างเรื่องกระดานคะแนน