ERNIE-5.5-Flash กับ DeepSeek V4.1 Flash: Baidu เองที่เป็นฝ่ายเลือกเปิดศึกนี้

การเปรียบเทียบที่มีประโยชน์ที่สุดสำหรับ ERNIE-5.5-Flash ไม่ได้เขียนโดยนักรีวิว แต่อยู่ในตาราง benchmark ของ Baidu เอง ซึ่ง ERNIE-5.5-Flash-Base ที่เพิ่งเปิดตัวถูกให้คะแนนเทียบกับ DeepSeek-V4-Flash-Base ที่พารามิเตอร์รวม 284B และพารามิเตอร์ที่ใช้งาน 13B — เกือบจะอยู่ในระดับขนาดเดียวกับ ERNIE ที่พารามิเตอร์รวม 280B และใช้งาน 14B อย่างแน่นอน นั่นคือการเผชิญหน้าแบบเทียบกันได้ตรง ๆ เพียงครั้งเดียวในการเปิดตัว ERNIE 5.5 ทั้งหมด: checkpoint ที่ผ่านการ pretrain สองตัว, harness หนึ่งชุด, พรอมป์เดียวกัน ทุกอย่างอื่นในการจับคู่นี้ไม่สมมาตร เพราะ DeepSeek V4.1 Flash เป็นโมเดลที่เสร็จสมบูรณ์ ได้รับลิขสิทธิ์ MIT ตั้งราคาและให้บริการแล้ว ส่วน ERNIE-5.5-Flash เป็น base checkpoint ที่เวอร์ชัน post-trained ซึ่ง Baidu กล่าวว่า "จะตามมา" บทความที่ซื่อสัตย์จึงเป็นสองบทความ: ตัวเลขแบบ base-to-base บอกอะไร และเกิดอะไรขึ้นเมื่อคุณวางตัวเลขเหล่านั้นไว้ข้างโมเดลที่ผู้คนเรียกใช้ได้จริง OrcaRouter ส่งผ่านราคาตามรายการของผู้ให้บริการ โดยไม่มีการบวกกำไรเพิ่ม ดังนั้นส่วนลดตามช่วงเวลาของวันของ DeepSeek จึงมีผลในวันที่เริ่มใช้

การเปรียบเทียบเพียงครั้งเดียวที่ Baidu ดำเนินการภายใต้เงื่อนไขที่เท่าเทียมกัน

Baidu เผยแพร่ 30 เบนช์มาร์กในเจ็ดหมวดหมู่ ซึ่งประเมินภายใต้ไปป์ไลน์เดียวด้วยพรอมป์และตัวอย่าง few-shot ที่เหมือนกัน เทียบกับโมเดลฐานสามตัว ได้แก่ DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B) และ MiMo-V2.5-Base (310B-A15B) แถวของ DeepSeek คือแถวที่ควรอ่านอย่างละเอียด เพราะจำนวนพารามิเตอร์ใกล้กันมากพอที่สถาปัตยกรรมและคุณภาพข้อมูลจะเป็นตัวขับเคลื่อน มากกว่าขนาด

• จำนวนพารามิเตอร์ทั้งหมด — ERNIE-5.5-Flash-Base 280B เทียบกับ DeepSeek-V4-Flash-Base 284B

• พารามิเตอร์ที่ใช้งานต่อโทเคน — 14B เทียบกับ 13B

• โทเค็นสำหรับการพรีเทรน — 33.5T เทียบกับไม่ได้ระบุในแถวการเปรียบเทียบ

• บริบทการฝึก — 128K เทียบกับระดับ 128K

• ปล่อยเวตแล้ว — FP8 และ BF16 พร้อมใช้งานทั้งสองแบบแล้วตอนนี้

• สัญญาอนุญาต — ERNIE 5.5 Flash Base Model License Agreement v1.0 เทียบกับ MIT

ในแถวที่ Baidu เน้น ERNIE เป็นผู้นำ: MMLU 93.3, MMLU-Pro 78.4, GPQA 60.2, BBH 89.2 ด้วย chain of thought, HumanEval+ 82.3, MBPP+ 81.5, HELMET-RAG 71.5 และ RepoQA 91.7 นี่เป็นตารางฐานโมเดลที่แข็งแกร่งจริง ๆ แต่ก็เป็นการทดสอบที่ผู้ขายเป็นผู้ดำเนินการ บนฮาร์เนสที่ Baidu ออกแบบเอง และเผยแพร่ในวันเดียวกับที่ปล่อยน้ำหนักโมเดล ให้มองสิ่งนี้เป็นคำกล่าวอ้างที่มีภาคผนวกโดยละเอียด ไม่ใช่ผลลัพธ์

ส่วนที่ให้ข้อมูลมากกว่าคือจุดที่ ERNIE แพ้ โพสต์ของ Baidu ยอมรับว่า ChineseSimpleQA, INCLUDE-lite, HELMET-Rerank, InfiniteBench และ FullStackBench ตกเป็นของคู่แข่ง ตารางเปิดตัวที่พิมพ์ความพ่ายแพ้ของตัวเองออกมา กำลังบอกคุณว่าการเปรียบเทียบนั้นทำกันโดยสุจริต ซึ่งยิ่งเพิ่มมากกว่าลดคุณค่าของแถวที่ ERNIE ชนะ

จุดที่ความสมมาตรแตกออก: โมเดลหนึ่งเสร็จสิ้น

DeepSeek V4.1 Flash เปิดตัวเมื่อวันที่ 10 กันยายน 2026 พร้อมสแนปช็อต "1017" เมื่อวันที่ 17 ตุลาคม เป็นโมเดลแบบ sparse mixture-of-experts ที่มีแกนหลักขนาด 552B และมีพารามิเตอร์รวมราว 763B เมื่อนับรวม conditional memory โดยเปิดใช้งาน 8B สำหรับอินพุตและ 16B สำหรับเอาต์พุต รองรับอินพุตแบบมัลติโหมดโดยกำเนิด คอนเท็กซ์ 1M โทเคน โทเคนสำหรับฝึก 45T และสัญญาอนุญาต MIT ในอัตราตามรายการที่ OrcaRouter ให้บริการ ราคาอยู่ที่ $0.15 ต่อล้านโทเคนอินพุต และ $0.60 ต่อล้านโทเคนเอาต์พุต โดยการอ่านจากแคชอยู่ที่ $0.003–$0.006 ส่วน API ของ DeepSeek เองนั้นมีส่วนลดตามช่วงเวลา ซึ่งเป็นเรื่องที่ควรรู้ไว้ก่อนที่คุณจะสร้างโมเดลต้นทุนจากตัวเลขต่ำที่สุดที่หาได้

โมเดลนั้นทำตามคำสั่ง เรียกใช้เครื่องมือ รับภาพได้ และมีราคาที่ประกาศไว้ ส่วน ERNIE-5.5-Flash-Base ไม่ทำสิ่งเหล่านั้นเลย เพราะยังไม่ได้ผ่านการฝึกหลังการฝึก (post-trained) ดังนั้นการเปรียบเทียบที่สำคัญสำหรับผู้ซื้อจึงไม่ใช่การเทียบแบบฐานต่อฐาน — แต่เป็นการเทียบแบบโมเดลที่เสร็จสมบูรณ์ต่อโมเดลที่เสร็จสมบูรณ์ และหนึ่งในสองโมเดลที่เสร็จสมบูรณ์นั้นยังไม่มีอยู่จริง

นี่ไม่ใช่ข้อแม้เล็ก ๆ การฝึกหลังการเทรน (post-training) คือที่มาของการทำตามคำสั่ง การใช้เครื่องมือ พฤติกรรมการปฏิเสธ วินัยในการจัดรูปแบบ และคุณภาพที่รับรู้ได้เกือบทั้งหมดของโมเดลระดับ Flash ในยุคปัจจุบัน คะแนน MMLU ของเช็กพอยต์ฐาน (base checkpoint) บอกคุณได้แค่เกี่ยวกับไพรเออร์ (prior) แทบจะไม่ได้บอกอะไรเลยว่าโมเดลจะสร้างออบเจ็กต์ JSON ได้อย่างสม่ำเสมอ ทำตาม system prompt ได้ หรือจะรอดในลูปเอเจนต์ 40 เทิร์นได้หรือไม่ DeepSeek V4.1 Flash มีพฤติกรรมที่เผยแพร่แล้วในแกนเหล่านี้ ส่วน ERNIE 5.5 Flash มีเพียงคำสัญญา

ความแตกต่างด้านใบอนุญาตคือประเด็นที่แฝงอยู่

DeepSeek ปล่อย V4.1 Flash ภายใต้ MIT ซึ่งถือว่าเปิดกว้างที่สุดเท่าที่การให้สิทธิ์ใช้งานโมเดลจะทำได้: ใช้เชิงพาณิชย์ได้ แก้ไขได้ แจกจ่ายซ้ำได้ ไม่มีข้อจำกัดด้านขอบเขตการใช้งาน และไม่ต้องเจรจาข้อตกลงแยกต่างหาก Baidu ปล่อย ERNIE-5.5-Flash-Base ภายใต้ ERNIE 5.5 Flash Base Model License Agreement v1.0 — สัญญาอนุญาตเฉพาะกิจ ไม่ใช่ Apache 2.0 และถือเป็นความถอยหลังเมื่อเทียบกับ ERNIE 4.5 ซึ่งเปิดตัวภายใต้ Apache 2.0 ในปี 2025

สำหรับทีมวิจัย เรื่องนี้อาจไม่สำคัญ สำหรับบริษัทที่ต้องการไฟน์จูนด้วยข้อมูลที่เป็นกรรมสิทธิ์และวางจำหน่ายผลิตภัณฑ์ สิ่งนี้คือสิ่งแรกที่ฝ่ายกฎหมายจะอ่าน และใบอนุญาตโมเดลจีนที่ออกแบบเฉพาะนั้นในอดีตมักมีข้อจำกัดการใช้งาน ข้อกำหนดการระบุที่มา และเกณฑ์ต่าง ๆ ที่ MIT ไม่มี การที่น้ำหนักโมเดลสามารถดาวน์โหลดได้ δεν เหมือนกับการที่น้ำหนักโมเดลนั้นใช้งานได้ตามเงื่อนไขของคุณ

ความต่างนั้นทบทวีขึ้นตามขนาด ERNIE ที่มีพารามิเตอร์รวม 280B ต้องใช้พื้นที่ราว 280GB ใน FP8 ก่อนจะบวก KV cache และพื้นที่เผื่อสำหรับ activation; ยอดรวม 763B ของ DeepSeek V4.1 Flash ยังใหญ่กว่านั้นอีก ซึ่งเป็นเหตุผลว่าทำไมทีมส่วนใหญ่จึงเข้าถึงมันผ่าน API มากกว่าคลัสเตอร์ GPU หากแผนของคุณคือโฮสต์เองไม่ว่าโมเดลใดโมเดลหนึ่ง ปัญหาเรื่องไลเซนส์เป็นปัญหาที่แก้ได้ถูกกว่า

Serving: ทั้งสอง repo ระบุเครื่องมือเดียวกัน โดยอันหนึ่งเริ่มก่อนมาสองเดือน

การ์ดโมเดลของ Baidu มีตัวอย่าง SGLang และ vLLM และที่เก็บ Megatron-Bridge ของ NVIDIA ก็มีตัวอย่างการ fine-tuning ERNIE 5.5 อยู่แล้ว นี่เป็นการเปิดตัวที่ทำได้ดี — โมเดลฐานที่มีสูตรการให้บริการตั้งแต่วันแรกนั้นเกินกว่าที่หลายแล็บทำได้

ข้อได้เปรียบด้านระบบนิเวศของ DeepSeek ไม่ได้อยู่ที่สูตรสำเร็จ แต่อยู่ที่ไมล์สะสม V4.1 Flash ใช้งานจริงในโปรดักชันมาเกือบสองเดือนแล้ว มีสแนปช็อต 1017 พร้อมเดลต้าที่เผยแพร่แล้ว — Terminal-Bench 4.0 ขยับจาก 31.2 เป็น 42.3, DeepSWE v1.1 จาก 74.2 เป็น 77.0 — และพร้อมใช้งานผ่าน API ของผู้พัฒนาเองและแพลตฟอร์มบุคคลที่สามหลายแห่ง รวมถึง OrcaRouter เมื่อการควอนไทซ์มีปัญหาหรือเคอร์เนลถดถอย มีคนแจ้งปัญหานั้นไว้แล้ว

เฉพาะบน OrcaRouterdeepseek/deepseek-v4.1-flash และเวอร์ชันที่ปักหมุดไว้ deepseek/deepseek-v4.1-flash-1017 ทั้งคู่สามารถกำหนดเส้นทางได้ในวันนี้ในราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม 0% ซึ่งหมายความว่าส่วนลดนอกช่วงพีคจะปรากฏในการเรียกเก็บเงินของคุณในวันที่ DeepSeek เริ่มใช้ส่วนลดนี้ ไม่ใช่หลังจากมีการบวกกำไรของผู้ขายต่อ ERNIE-5.5-Flash ไม่อยู่ในแคตตาล็อก — ไม่มีรายการ ERNIE ในบรรดารหัสโมเดล 216 รายการ — ดังนั้นไม่ควรตีความสิ่งใดที่นี่ว่าเป็นการอ้างว่ามีการโฮสต์ ERNIE ประเด็นเรื่องการกำหนดเส้นทางนั้นแคบกว่า: หากคุณกำลังเลือกระหว่างโมเดลที่เรียกใช้ได้ตอนนี้กับโมเดลที่เรียกใช้ไม่ได้ คำถามเรื่องแพลตฟอร์มก็ถูกตัดสินไปแล้ว

สิ่งที่ต้องทำในสัปดาห์นี้

หากคุณต้องการโมเดล Flash ที่รองรับคอนเท็กซ์ยาวและมีราคาถูกสำหรับใช้งานในโปรดักชัน DeepSeek V4.1 Flash คือคำตอบ และ ERNIE ไม่ได้อยู่ในชุดตัวเลือกที่พิจารณา นั่นไม่ใช่การตัดสินคุณภาพของ checkpoint จาก Baidu แต่เป็นการระบุว่า base model ที่ยังไม่กำหนดราคา ยังไม่ผ่าน post-training และยังไม่ถูกเปิดให้บริการ ไม่สามารถครองตำแหน่งสำหรับงานโปรดักชันได้

หากคุณกำลังทำการพรีเทรนแบบต่อเนื่องในภาษาจีน สมการการตัดสินใจจะเปลี่ยนไป ERNIE-5.5-Flash-Base ขนาด 280B-A14B ที่มีโทเค็น 33.5T เป็นฐานรองรับ ถือเป็นจุดเริ่มต้นที่น่าเชื่อถือ สถาปัตยกรรมมีเอกสารอธิบายไว้ละเอียดผิดปกติ — 43 เลเยอร์, 37 HCA บวก 6 MLA-DSA, routed experts 512 ตัวที่ top-10, คำศัพท์ 201,216 โทเค็น — และตัวอย่าง Megatron-Bridge ช่วยทำให้เส้นทางสู่การ fine-tune ครั้งแรกสั้นลง อ่านสัญญาอนุญาตก่อนอ่านผลเบนช์มาร์ก

หากคุณกำลังประเมินมากกว่าการสร้าง สิ่งที่คุ้มค่าที่จะทำคือลองรันการเปรียบเทียบฐานที่ Baidu เผยแพร่ด้วยตัวเองบนเช็กพอยต์แบบเปิดทั้งสองตัว ทั้งสองตัวดาวน์โหลดได้และเข้ากับฮาร์เนสเดียวกัน และการทำตารางให้ซ้ำได้คือวิธีเดียวที่จะรู้ว่าการทดสอบแบบครอบคลุม 30 เบนช์มาร์กนั้นยังคงผ่านเมื่อมีคนอื่นมาลงมือทำด้วยหรือไม่

ตัวเลขที่ต้องจับตา

ไม่ใช่ MMLU แต่เป็นราคาที่ Baidu จะกำหนดกับ ERNIE 5.5 Flash หลังการ post-train ในที่สุด DeepSeek V4.1 Flash ตั้งราคาอ้างอิงไว้ที่อินพุต $0.15/$0.30 และเอาต์พุต $0.60/$1.20 พร้อมบริบท 1M และสัญญาอนุญาต MIT โมเดลระดับ Flash ที่เปิดตัวในราคาสูงกว่านั้นต้องมีเหตุผลเฉพาะในการมีอยู่ — คุณภาพภาษาจีน การเก็บข้อมูลในประเทศ หรือความสามารถที่ DeepSeek ไม่มี โมเดลที่เปิดตัวในราคาต่ำกว่านั้นจะเปลี่ยนบทสนทนาเรื่องต้นทุนสำหรับงานภาษาจีนทุกรูปแบบ

จนกว่าตัวเลขนั้นจะมีอยู่ การเปรียบเทียบนี้มีข้อสรุปที่ป้องกันได้เพียงข้อเดียวเท่านั้น: Baidu สร้างโมเดลฐานที่สูสีกับโมเดลฐานของ DeepSeek ในขนาดเดียวกัน และยังไม่ได้ปล่อยสิ่งที่ทำให้ใครก็ตามสามารถเปรียบเทียบผลิตภัณฑ์ออกมา นั่นเป็นผลลัพธ์จริง เพียงแต่มันไม่ใช่ผลลัพธ์ที่คำค้นหาต้องการ