ERNIE-5.5-Flash กับ GLM-5.3 Flash: สองรีโปเปิด สองดีลที่แตกต่างกันอย่างสิ้นเชิง

ทั้ง ERNIE-5.5-Flash และ GLM-5.3 Flash ต่างดาวน์โหลดได้ในสัปดาห์นี้ ทั้งคู่เป็นโมเดลแบบ sparse mixture-of-experts ในระดับน้ำหนักเดียวกัน และทั้งคู่พอดีกับ GPU ประมาณชั้นวางเดียวกันใน FP8 ความคล้ายคลึงกันจบเพียงเท่านี้ GLM-5.3 Flash ซึ่ง Z.ai เปิดตัวเมื่อวันที่ 26 สิงหาคม 2026 เป็นโมเดลมัลติโมดัลที่เสร็จสมบูรณ์ภายใต้สัญญาอนุญาต MIT พร้อมราคาที่ประกาศไว้และ endpoint ที่ให้บริการ ส่วน ERNIE-5.5-Flash-Base ซึ่ง Baidu เปิดตัวเมื่อวันที่ 5 พฤศจิกายน 2026 เป็น checkpoint สิ้นสุดการ pretraining ของโมเดลที่ยังไม่ได้ผ่าน post-training ภายใต้สัญญาอนุญาตเฉพาะ โดยไม่มีราคาและไม่มี endpoint การเปรียบเทียบทั้งสองในฐานะโมเดลเปิดที่เป็นคู่แข่งกันนั้นสมเหตุสมผล แต่การเปรียบเทียบทั้งสองในฐานะโมเดลที่ใช้แทนกันได้นั้นไม่สมเหตุสมผล และช่องว่างนี้เป็นเรื่องกฎหมายและขั้นตอนก่อนที่จะเป็นเรื่องเทคนิคทั้งสองรุ่นของ GLM คิดค่าบริการในอัตราราคาตามรายการของผู้ให้บริการ ดังนั้นรุ่นระดับฟรีจึงไม่มีค่าใช้จ่ายในการลอง

จริงๆ แล้วมีอะไรอยู่ในแต่ละรีโพซิทอรี

GLM-5.3 Flash เป็นโมเดลที่มีพารามิเตอร์ 320B โดยเปิดใช้งาน 18B ต่อโทเคน มี 45 เลเยอร์ และใช้ไฮบริดของแอตเทนชันแบบเชิงเส้นและแบบสแปร์ส ซึ่ง Z.ai กล่าวว่าช่วยลดปริมาณการคำนวณของแอตเทนชันลงราวสามเท่า และลดขนาด KV cache ลงประมาณ 4.4 เท่าเมื่อเทียบกับ GLM-5.3 ที่รองรับเฉพาะข้อความ หน้าต่างบริบทมีขนาด 1,048,576 โทเคน เอาต์พุตถูกจำกัดไว้ระหว่าง 128K ถึง 131K ขึ้นอยู่กับโฮสต์ และโมเดลรับข้อความ รูปภาพ และวิดีโอเป็นอินพุต โดยส่งออกเป็นข้อความ น้ำหนักแบบ FP8 บน Hugging Face มีขนาดประมาณ 328GB

ERNIE-5.5-Flash-Base มีขนาดรวม 280B โดยมี 14B ที่ทำงานอยู่ ใช้โทเคนพรีเทรน 33.5T จำนวน 43 เลเยอร์ — เป็นแบบ dense หนึ่งเลเยอร์บวก MoE 42 เลเยอร์ — โดย 37 เลเยอร์ใช้ HCA attention แบบบีบอัด และหกเลเยอร์ใช้ MLA ร่วมกับ sparse attention สไตล์ DeepSeek ขนาด hidden 4,096, 64 heads, routed experts 512 ตัวที่ top-10 บวกกับ shared expert หนึ่งตัว, ขนาดคำศัพท์ 201,216 บริบทการเทรน 128K โดยเปิดใช้งาน 1,048,576 สำหรับการปรับแต่งละเอียดและการอนุมานในคอนฟิกที่เผยแพร่ มีทั้งเวอร์ชัน FP8 และ BF16 ทั้งคู่บน Hugging Face

• จำนวนพารามิเตอร์ทั้งหมด — ERNIE 280B เทียบกับ GLM 320B

• พารามิเตอร์ที่ใช้งานต่อโทเคน — 14B เทียบกับ 18B

• เลเยอร์ — 43 เทียบกับ 45

• บริบท — 1M สำหรับการอนุมาน เทียบกับ 1M

• รูปแบบข้อมูล — ข้อความเท่านั้น เทียบกับข้อความ รูปภาพ และวิดีโอขาเข้า

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

• หลังการฝึก — ไม่มี เทียบกับ ปรับแต่งด้วยคำสั่ง

• ราคา — ไม่มีการเปิดเผย เทียบกับ $0.15 สำหรับอินพุต / $0.50 สำหรับเอาต์พุต

ช่องว่างของพารามิเตอร์นั้นเล็กกว่าที่ชื่อเรียกบ่งบอก และเป็นไปในทางตรงกันข้ามกับที่คุณอาจคิด: ERNIE เปิดใช้งานพารามิเตอร์ต่อโทเคนน้อยกว่าและมีจำนวนรวมน้อยกว่า ซึ่งตามทฤษฎีแล้วทำให้มันเป็นตัวเลือกที่ถูกกว่าในการให้บริการระหว่างสองตัวนี้ ขนาดพื้นที่ FP8 328GB ของ GLM คือตัวเลขที่ชัดเจน; ส่วน ERNIE ที่ 280B นั้นอยู่ในลำดับขนาดเดียวกัน ก่อนที่จะนับ KV cache

ใบอนุญาตคือทางแยกแรกบนเส้นทาง

MIT ไม่ใช่แค่รายละเอียดทางการตลาด แต่หมายถึงการใช้งานเชิงพาณิชย์ การดัดแปลง การเผยแพร่ต่อ และโมเดลที่ต่อยอดได้ โดยไม่มีข้อกำหนดขอบเขตการใช้งานให้ต้องเจรจา และไม่มีสัญญาแยกต่างหากให้ต้องลงนาม ทีมงานสามารถนำ GLM-5.3 Flash ไปปรับแต่ง (fine-tune) ด้วยข้อมูลเฉพาะขององค์กร แล้วนำผลลัพธ์ออกเผยแพร่ได้โดยไม่ต้องพูดคุยกับฝ่ายกฎหมายของ Z.ai เลย

ERNIE-5.5-Flash-Base เผยแพร่ภายใต้ ERNIE 5.5 Flash Base Model License Agreement v1.0 ซึ่งเป็นข้อตกลงที่ออกแบบขึ้นเฉพาะ และความแตกต่างที่ควรทราบนั้นเป็นเรื่องเชิงประวัติศาสตร์: Baidu เปิดตัวตระกูล ERNIE 4.5 ภายใต้ Apache 2.0 ในปี 2025 การเปลี่ยนมาใช้สัญญาอนุญาตแบบกำหนดเองสำหรับฐาน 5.5 ถือเป็นการกระชับเงื่อนไขอย่างจงใจ ไม่ใช่การมองข้าม และเกิดขึ้นในจังหวะที่ weights กลายเป็นประโยชน์อย่างแท้จริง — base checkpoint มีแนวโน้มที่จะถูก fine-tune และเผยแพร่ต่อมากกว่าโมเดลแบบ instruction-tuned มาก

สำหรับการใช้งานทางวิชาการและงานวิจัย ความแตกต่างในทางปฏิบัติอาจไม่มีเลย สำหรับใครก็ตามที่กำลังสร้างผลิตภัณฑ์ นี่คือเอกสารแรกที่ต้องอ่าน และอาจเป็นเหตุผลในการเลือกใช้รีโพซิทอรีอีกแห่ง ค่าน้ำหนักที่คุณดาวน์โหลดได้ไม่เหมือนกับค่าน้ำหนักที่คุณสามารถสร้างผลิตภัณฑ์ต่อยอดได้

มอดัลลิตีเป็นตัวกำหนดภาระงานได้มากกว่าที่เกณฑ์มาตรฐานกำหนด

GLM-5.3 Flash รองรับวิดีโอ ความสามารถเพียงข้อเดียวนี้ทำให้มันหลุดออกจากการเปรียบเทียบกับ ERNIE สำหรับงานจำนวนมากในปี 2026 — การบันทึกหน้าจอ ฟุตเทจสินค้า คลิปจากกล้องวงจรปิด การบันทึกการบรรยาย GLM ยังจัดการรูปภาพได้ ซึ่งครอบคลุมใบแจ้งหนี้ แผนภูมิ ภาพหน้าจอ และหมวดหมู่การประมวลผลเอกสารทั้งหมด

ERNIE-5.5-Flash-Base เป็นโมเดลภาษา ข้อความเข้า ข้อความออก หาก ERNIE 5.5 Flash ที่ผ่านการฝึกหลังการฝึกจะเปิดตัวพร้อมอินพุตแบบหลายรูปแบบในอนาคต Baidu ก็ไม่ได้ระบุไว้เช่นนั้น การประกาศเปิดตัวอธิบายถึงโมเดลข้อความ และชุดการทดสอบมาตรฐานครอบคลุมความรู้ การให้เหตุผล คณิตศาสตร์ โค้ด หลายภาษา และบริบทแบบยาว ไม่มีสิ่งใดในเอกสารที่เผยแพร่ที่บ่งชี้ถึงความสามารถด้านภาพ

ความไม่สมมาตรนี้ควรพูดให้ชัดเจน เพราะมันหายไปได้ง่ายเมื่ออยู่ในการเปรียบเทียบสเปก โมเดลข้อความ 280B กับโมเดลมัลติโมดัล 320B ไม่ใช่ทางเลือกที่แข่งขันกันในการตัดสินใจจัดซื้อ但它们เป็นคำตอบสำหรับคำถามที่ต่างกัน จุดที่ทับซ้อนกันมีเพียงการสร้างข้อความล้วน และในจุดทับซ้อนนั้น โมเดลที่เสร็จสมบูรณ์แล้วชนะโดยปริยาย เพราะมันมีอยู่จริง

จุดที่ GLM-5.3 Flash อ่อนแอกว่าที่การเปิดตัวบ่งบอกไว้

ความซื่อตรงต้องมีทั้งสองทาง จุดแข็งที่เผยแพร่ของ GLM-5.3 Flash เป็นของจริง — DeepSWE 63.4 เทียบกับ 46.2 ของ GLM-5.2, Terminal-Bench 2.1 ที่ 84.3, MMLU-Pro 86.1, MMMU-Pro 86.0, HLE with tools 55.3 — และ Artificial Analysis จัดให้ coding index อยู่ที่ 71.5 และ general intelligence index ที่ 41.8 แต่การประเมินชุดเดียวกันยังเผยให้เห็นโมเดลที่มีจุดอ่อนแคบแต่ลึก: ProgramBench ได้ประมาณศูนย์ถึง 1.5, SRE Bench 0.8, Legal Agent 6.7 ความหน่วงของโทเคนแรกก็ช้าอย่างเห็นได้ชัดสำหรับโมเดลระดับ Flash — 6.36 วินาทีที่ p50 จากทราฟฟิกเจ็ดวันของ OrcaRouter — เทียบกับประมาณ 1.7 วินาทีสำหรับ GLM-5 ที่ใหญ่กว่า

ไม่มีข้อใดในนั้นทำให้ ERNIE เป็นตัวเลือกที่ดีกว่า มันทำให้ GLM เป็นสิ่งที่รู้จักกันดี — โมเดลที่รูปแบบความล้มเหลวได้รับการวัดโดยบุคคลที่สามแล้ว รูปแบบความล้มเหลวของ ERNIE ยังไม่ได้รับการวัดเลย เพราะไม่มีโมเดล instruct ให้วัด ในการตัดสินใจที่ขับเคลื่อนด้วยการประเมิน รูปแบบความล้มเหลวที่ไม่รู้จักนั้นแย่กว่ารูปแบบที่ได้รับการบันทึกไว้ แม้ว่ารูปแบบที่บันทึกไว้จะแย่ก็ตาม

เส้นทางการปรับแต่งละเอียด: ทั้งสองเส้นทางมีอยู่ โดยเส้นทางหนึ่งได้เปรียบจากการเริ่มต้นก่อน

Baidu ทำสิ่งที่ถูกต้องในด้านเครื่องมือ การ์ดโมเดล ERNIE มีตัวอย่าง SGLang และ vLLM และรีโพซิทอรี Megatron-Bridge ของ NVIDIA ได้เพิ่มตัวอย่าง ERNIE 5.5 ที่ครอบคลุมการ fine-tuning สำหรับเช็กพอยต์ฐาน นั่นคือความแตกต่างระหว่างผลงานวิจัยกับจุดเริ่มต้นที่ใช้งานได้

GLM-5.3 Flash ดาวน์โหลดได้ตั้งแต่ปลายเดือนสิงหาคม และได้สะสมประสบการณ์ใช้งานจริงในระบบนิเวศมาสามเดือนแล้ว ทั้งการควอนไทซ์ การเชื่อมต่อกับผู้ให้บริการ และรายงานบั๊ก เมื่อเคอร์เนลพังตอนตีสอง ปัญหาของ GLM ก็มีคนอื่นแจ้งไว้แล้ว สิ่งนี้ไม่ใช่ benchmark แต่เป็นต้นทุนจริงของการนำไปใช้ และควรถูกนำมาพิจารณาในการตัดสินใจ

สำหรับใครก็ตามที่อยากลอง GLM-5.3 Flash โดยไม่ต้องผูกมัดกับคลัสเตอร์ GPU OrcaRouter ให้บริการเส้นทาง z-ai/glm-5.3-flash ในราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม 0% และยังมีตัวเลือกระดับฟรีในแคตตาล็อกด้วย แคตตาล็อกเดียวกันนี้ไม่มีรายการ ERNIE ในบรรดา 216 รหัสโมเดล — ไม่มีเส้นทางแบบโฮสต์ ไม่มีราคา ไม่มีอะไรให้จัดเส้นทาง นั่นไม่ใช่การวิจารณ์การเปิดตัวของ Baidu แต่เป็นผลลัพธ์ในทางปฏิบัติของการปล่อยเวตก่อนที่จะมีผลิตภัณฑ์

จะโคลนรีโพซิทอรีไหน

โคลน GLM-5.3 Flash หากคุณต้องการโมเดลเปิดแบบมัลติโมดัลที่นำไปวางหลัง API ได้ ปรับแต่งเชิงพาณิชย์ได้ และเปรียบเทียบกับการประเมินจากบุคคลที่สามที่เผยแพร่แล้วได้ MIT บวกกับ endpoint ที่ให้บริการจริง บวกกับประสบการณ์ใช้งานจริงสามเดือนถือเป็นชุดค่าผสมที่แข็งแรง และจุดอ่อนที่ dokumented ไว้ก็แคบพอที่จะหลีกเลี่ยงได้

โคลน ERNIE-5.5-Flash-Base หากคุณกำลังทำ continued pretraining, domain adaptation หรือวิจัย post-training โดยเฉพาะในภาษาจีน และคุณพร้อมที่จะอ่านสัญญาอนุญาตเฉพาะก่อนลงทุนในไปป์ไลน์ รูปร่าง 280B-A14B นั้นมีประสิทธิภาพ งบประมาณ 33.5T โทเคนถือว่าจริงจัง สถาปัตยกรรมมีเอกสารอธิบายละเอียดกว่าการเปิดตัวฐานโมเดลส่วนใหญ่ และตัวอย่าง Megatron-Bridge หมายความว่าการ fine-tune ครั้งแรกไม่ใช่โครงการวิจัยแยกต่างหาก

อย่าโคลนตัวใดตัวหนึ่งโดยคาดหวังว่ามันจะเป็นตัวแทนที่ใช้แทนกันได้แบบทันที ตัวหนึ่งเป็นผลิตภัณฑ์ที่เสร็จสมบูรณ์พร้อมสัญญาอนุญาตที่อนุญาตแทบทุกอย่าง ส่วนอีกตัวเป็นจุดเริ่มต้นที่แข็งแกร่งพร้อมสัญญาอนุญาตที่อนุญาตได้น้อยกว่า และเป็นผลิตภัณฑ์ที่ยังไม่มีอยู่จริง คำถามที่น่าสนใจคือ Baidu จะส่งอะไรในโมเดลที่ผ่าน post-training และในราคาเท่าใด — เพราะหากมันลงมาใกล้ $0.15/$0.50 ด้วยพารามิเตอร์ที่ใช้งานจริง 14B สิ่งนี้จะไม่ใช่การเปรียบเทียบสองรีโพซิทอรีอีกต่อไป แต่จะกลายเป็นการแข่งขันจริงระหว่างโมเดล Flash แบบเปิดสองตัว จนถึงตอนนั้น รีโพซิทอรีทั้งสองไม่ได้อยู่บนชั้นเดียวกันเลย