ERNIE 5.5 Flash กับ MiniMax M3.1 Flash: หน้าต่างบริบทขนาดสองล้านโทเคน หนึ่งคะแนนที่เผยแพร่

ทั้งสองโมเดลอ้างว่ามีหน้าต่างบริบทหนึ่งล้านโทเค็น ทั้งคู่อยู่ในระดับ Flash ทั้งคู่มีค่าใช้จ่ายน้อยกว่าหนึ่งดอลลาร์ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น และมีเพียงหนึ่งเดียวเท่านั้นในสองโมเดลนี้ที่มีตัวเลขอยู่ในชื่อ MiniMax M3.1 Flash ได้คะแนน 42 บน Artificial Analysis Intelligence Index นับตั้งแต่เปิดตัวเมื่อ 19 ตุลาคม 2026 ในราคา 0.22 ดอลลาร์ต่องานดัชนีที่ทำเสร็จหนึ่งงาน ERNIE 5.5 Flash วางจำหน่ายที่ Baidu Qianfan เมื่อ 10 พฤศจิกายน 2026 พร้อมราคา ข้อกำหนด และไม่มีการประเมินใด ๆ เลย — ไม่ใช่ตารางจากผู้ขาย ไม่ใช่การทดสอบอิสระ ไม่ใช่วันตัดความรู้ ดังนั้นคำถามที่มีประโยชน์จึงไม่ใช่โมเดลไหนดีกว่า แต่เป็นคะแนนที่หายไปนั้นมีมูลค่าเท่าไร และหน้าต่างทั้งสองเป็นหน้าต่างเดียวกันหรือไม่

จุดที่สเปกทั้งสองแตกต่างกันจริง ๆ

ตัวเลขหลักใกล้เคียงกันมากพอจนดูเหมือนสลับกันได้ แต่จริง ๆ แล้วไม่ใช่ สี่แถวด้านล่างเป็นตัวกำหนดเวิร์กโหลดจริง

• หน้าต่างอินพุต — ERNIE 1,024,000 โทเค็น เทียบกับ MiniMax 1,000,000 โทเค็น ความต่าง 24,000 โทเค็นถือเป็นความผันแปรที่ไม่มีนัยสำคัญ ให้ถือว่าทั้งสองเทียบเท่ากันและเลิกเปรียบเทียบกันได้แล้ว

• เพดานเอาต์พุต — ERNIE 921,600 โทเค็น เทียบกับ MiniMax 524,288 เพดานของ ERNIE เกือบเป็นสองเท่า และเหตุผลเป็นเรื่องสถาปัตยกรรมมากกว่าความใจกว้าง: การให้เหตุผลของมันปิดไม่ได้ ดังนั้นลูปของเอเจนต์ที่ยาวจึงต้องมีที่ให้ความคิดนั้นดำเนินต่อไป

• ราคาต่อหนึ่งล้านโทเคน — ERNIE $0.28 ขาเข้า / $1.13 ขาออก / $0.028 แบบแคช เทียบกับ MiniMax $0.15 / $0.60 / $0.015 โดย ERNIE มีอัตราค่าเข้าเป็น 1.87 เท่า และอัตราค่าออกเป็น 1.88 เท่า การอ่านจากแคชก็ปรับเพิ่มในสัดส่วนเดียวกัน

• รูปแบบข้อมูล — ERNIE รองรับเฉพาะข้อความ ส่วน MiniMax รับข้อความ รูปภาพ และวิดีโอ แล้วส่งคืนข้อความ สำหรับงานใดก็ตามที่มีภาพหน้าจอ แผนภูมิ ภาพแคปเจอร์ UI หรือการบันทึกการโทร แถวนี้จะจบการเปรียบเทียบก่อนที่จะพูดถึงราคา

• การควบคุมการให้เหตุผล — การให้เหตุผลของ ERNIE เป็นสิ่งบังคับ เปิดใช้โดยค่าเริ่มต้น และมีให้ใช้เพียงระดับความพยายามเดียว: สูง MiniMax เปิดให้ปรับความลึกของการคิดได้ ซึ่งหมายความว่าการเรียกเพื่อจำแนกประเภทสามารถข้ามการคิดที่ไม่จำเป็นได้

• น้ำหนักโมเดล — MiniMax เผยแพร่โมเดลที่มีพารามิเตอร์ 428B (ใช้งานจริง 23B) เมื่อวันที่ 23 ตุลาคม ขนาด 252.4 GB แบ่งออกเป็น 48 shard ภายใต้ไลเซนส์ชุมชน พร้อมรายได้ 20 ล้านดอลลาร์ เช็กพอยต์ฐานของ ERNIE นั้นดาวน์โหลดได้ ส่วน ERNIE 5.5 Flash ที่ผ่านการฝึกหลังการเทรนนั้นดาวน์โหลดไม่ได้ และยังไม่มีการระบุวันที่

• คะแนนอิสระ — MiniMax 42 บน Intelligence Index อยู่อันดับที่ 41 จาก 173 ณ เวลาที่ให้คะแนน ราคา $0.22 ต่องาน ERNIE: ไม่มี Artificial Analysis มีแถว ERNIE 4.5 และ ERNIE 5.0 และไม่มีแถว ERNIE 5.5 เลย

รันบิลสามครั้ง ไม่ใช่ครั้งเดียว

ตารางราคาเป็นวิธีที่มีประโยชน์น้อยที่สุดในการเปรียบเทียบสองโมเดลที่ต่างก็คิดก่อนตอบ งานเดียวกันที่ถูกประเมินราคาสามแบบตรงไปตรงมามากกว่า

ลองพิจารณาภาระงานตรวจเอกสาร: โทเค็นอินพุต 400,000 โทเค็น โทเค็นเอาต์พุต 3,000 โทเค็นต่อคำขอ และหนึ่งร้อยคำขอต่อวัน บน ERNIE 5.5 Flash นั่นคือโทเค็นอินพุต 40 ล้านโทเค็นในราคา $0.28 และโทเค็นเอาต์พุต 300,000 โทเค็นในราคา $1.13 — $11.20 บวก $0.34 รวมเป็น $11.54 ต่อวัน บน MiniMax M3.1 Flash คือ $6.00 บวก $0.18 หรือ $6.18 ERNIE มีค่าใช้จ่ายมากกว่า $5.36 ต่อวัน หรือประมาณ $1,950 ต่อปี สำหรับเอกสาร 100 ฉบับเดียวกัน

ตอนนี้ให้ทำซ้ำโดยใช้ system prompt ที่คุ้มค่าต่อการแคช หากในโทเค็นอินพุตเหล่านั้น มี {{1}}380,000{{/1}} โทเค็นที่เป็นคำสั่งคงที่ และมีเพียง {{2}}20,000{{/2}} โทเค็นที่เปลี่ยนแปลง การอ่านจากแคชของ ERNIE ที่ {{3}}$0.028{{/3}} ทำให้ค่าใช้จ่ายอินพุตจาก {{4}}$11.20{{/4}} เหลือประมาณ {{5}}$1.62{{/5}}; อัตราแคชของ MiniMax ที่ {{6}}$0.015{{/6}} ทำให้ค่าใช้จ่าย {{7}}$6.00{{/7}} ลดเหลือประมาณ {{8}}$0.87{{/8}} ช่องว่างลดลงเหลือต่ำกว่าหนึ่งดอลลาร์ต่อวันมาก และทั้งสองโมเดลก็ถูกพอที่การเลือกจะไม่ใช่เรื่องการเงินอีกต่อไป การแคชไม่ใช่การปรับแต่งเล็กน้อยบนหน้าต่างหนึ่งล้านโทเค็น — แต่เป็นส่วนใหญ่ของค่าใช้จ่าย

รอบที่สามคือรอบที่ไม่มีใครเผยแพร่ เพิ่มโทเคนการให้เหตุผล ไม่สามารถขอให้ ERNIE ข้ามโทเคนเหล่านี้ได้; ในงานที่มันใช้ 6,000 โทเคนในการคิดก่อนจะเขียน 3,000 โทเคน ปริมาณเอาต์พุตจะเป็น 9,000 โทเคน และเส้นเอาต์พุตจะเพิ่มเป็นสามเท่า MiniMax สามารถถูกสั่งให้คิดน้อยลงได้ และพฤติกรรมที่เอกสารระบุไว้ก็ละเอียดเกินจำเป็นผิดปกติอยู่แล้ว — 180 ล้านโทเคนเอาต์พุตทั่วทั้ง Intelligence Index เทียบกับค่ามัธยฐาน 99 ล้าน — ดังนั้นทั้งสองอาจลู่เข้าหากันในทางปฏิบัติ ไม่มีใครรู้ เพราะมีเพียงหนึ่งในโมเดลเหล่านี้เท่านั้นที่ถูกวัดเลย จนกว่าคุณจะนับโทเคนเอาต์พุตบนพรอมป์ของคุณเอง ทศนิยมตำแหน่งที่สองของการเปรียบเทียบใด ๆ ที่นี่เป็นเพียงของประดับเท่านั้น

การบังคับให้ต้องให้เหตุผลเป็นจุดยืนด้านการออกแบบ ไม่ใช่บั๊ก

เป็นเรื่องที่น่าจะมองว่าการให้เหตุผลแบบใช้ความพยายามสูงซึ่งเป็นภาคบังคับของ ERNIE เป็นข้อจำกัด และสำหรับบางเวิร์กโหลดมันก็เป็นเช่นนั้นจริง ๆ — ไม่มีเส้นทางเร็วสำหรับการจำแนกประเภทเพียงคำเดียว และทุกคำขอต้องแลกกับเวลาแฝงและค่าใช้จ่ายโทเคนที่ MiniMax ให้คุณหลีกเลี่ยงได้ แต่การตัดสินใจเดียวกันนี้อธิบายเพดานเอาต์พุต และมันบอกอะไรบางอย่างเกี่ยวกับว่า Baidu สร้างสิ่งนี้มาเพื่อใคร

โมเดลที่คิดวิเคราะห์ทุกครั้ง พร้อมเพดานเอาต์พุต 921,600 โทเคน ถูกออกแบบมาสำหรับการทำงานแบบเอเจนต์ที่ยาวนาน เช่น การรีแฟกเตอร์ระดับทั้งรีโพซิทอรี การวิจัยหลายขั้นตอน และลูปการวางแผนที่ต้องมีที่ให้คิด การเปิดตัวเช็กพอยต์ฐานของ Baidu ก็ไปในทางเดียวกัน — คอร์ปัสก่อนฝึกให้ความสำคัญกับ "โค้ดระดับรีโพซิทอรีและบริบทขนาดยาว" และแถวเบนช์มาร์กที่ทำให้มันดูดีที่สุดคือ HumanEval+ ที่ 82.3 และ RepoQA ที่ 91.7 ซึ่งทั้งคู่เป็นตัวเลขของโมเดลฐานที่ไม่ได้บอกอะไรโดยตรงเกี่ยวกับโมเดลแชต แต่บอกว่าข้อมูลฝึกให้ความสำคัญกับอะไร

การออกแบบของ MiniMax มุ่งไปที่อื่น ความลึกของการคิดที่ปรับได้ การรับภาพและวิดีโอแบบเนทีฟ 125.5 โทเคนเอาต์พุตต่อวินาที และเวลาถึงโทเคนแรก 1.04 วินาที สื่อถึงโมเดลที่สร้างมาเพื่อทรูพุต — ลูปอัตโนมัติ อินเทอร์เฟซที่ขับเคลื่อนด้วยภาพหน้าจอ และไปป์ไลน์เอกสารที่อินพุตเป็นสแกนมากกว่าดิฟฟ์ ภาษาการวางตำแหน่งของโมเดลเองพูดถึงต้นทุนต่อโทเคนในปริมาณมาก และ $0.22 ต่องานจัดทำดัชนีคือตัวเลขที่สนับสนุนเรื่องนี้

โมเดลระดับ Flash สองรุ่น สองเดิมพันที่ต่างกัน: รุ่นหนึ่งเน้นความลึกต่อคำขอ อีกรุ่นเน้นจำนวนคำขอต่อวินาที ไม่มีรุ่นไหนผิด และเอกสารสเปกก็ระบุชัดเจนกว่าปกติว่ารุ่นไหนเป็นแบบไหน

ทั้งคู่ราคาถูก มีเพียงอย่างเดียวเท่านั้นที่เป็นการตัดสินใจที่คุณทำได้วันนี้

ความไม่สมมาตรที่สำคัญคือเรื่องหลักฐาน MiniMax M3.1 Flash มีคะแนนดัชนีที่เผยแพร่แล้ว มีต้นทุนต่องานที่เผยแพร่แล้ว มีการ์ดโมเดลที่เผยแพร่แล้ว มีน้ำหนักโมเดลที่ดาวน์โหลดได้ และมีการวัดผลโดยอิสระว่าต้องใช้กี่โทเคนจึงจะทำ benchmark ให้เสร็จ การตัดสินใจจัดซื้อสามารถอิงจากข้อมูลเหล่านั้นได้ ส่วน ERNIE 5.5 Flash Preview มีตารางอัตราค่าบริการ มีหน้าต่างบริบท และมีหน้าข่าวประชาสัมพันธ์ของ Baidu ที่ยังขึ้นต้นด้วย base checkpoint และวลี "coming soon" เกี่ยวกับโมเดลที่ผ่าน post-training ซึ่งน่าอึดอัดที่โมเดลนั้นคือโมเดลที่กำลังขายอยู่ในขณะนี้

นั่นไม่ได้ทำให้โมเดลพรีวิวเป็นโมเดลที่แย่ แต่ทำให้มันเป็นโมเดลที่ยังไม่ได้ถูกวัด และท่าทีที่ถูกต้องต่อโมเดลที่ยังไม่ได้วัดซึ่งมีราคาเป็นสองเท่าของคู่แข่งที่ถูกวัดแล้ว ไม่ใช่การสันนิษฐานว่ามันแย่กว่า checkpoint ฐานของ Baidu เอาชนะ DeepSeek V4 Flash Base ได้ใน 26 จาก 30 แถว; การรัน post-training ที่แข็งแกร่งบนฐานนั้นมีโอกาสสมเหตุสมผลที่จะได้สูงกว่า 42 และก็อาจต่ำกว่านั้นได้เช่นกัน ประเด็นคือตอนนี้ไม่มีใครนอก Baidu ที่บอกได้ และ rate card ไม่ใช่หลักฐาน

ทดสอบทั้งสองอย่างโดยไม่ต้องลงนามในสัญญาสองฉบับ

หนึ่งในโมเดลเหล่านี้ใช้คีย์ที่ผ่านเราเตอร์ ส่วนอีกโมเดลหนึ่งไม่ได้ใช้ OrcaRouter ให้บริการ MiniMax M3.1 Flash ในราคาตามรายการของผู้ให้บริการโดยไม่บวกกำไร 0% ควบคู่กับ GLM-5.3-Flash, DeepSeek V4.1 Flash, Qwen 3.8 Flash และ Gemini 3.8 Flash — โมเดลมากกว่า 200 รายการภายใต้ endpoint เดียวที่เข้ากันได้กับ OpenAI พร้อมการสลับไปยังผู้ให้บริการรายอื่นโดยอัตโนมัติเมื่อเกิดความล้มเหลว และ routing DSL สำหรับการรวมหลายโมเดลไว้ในการเรียกครั้งเดียว ERNIE 5.5 Flash Preview ไม่อยู่ในแคตตาล็อกนั้น ไม่มีรายการ ERNIE และไม่มี Baidu endpoint ให้เรา route ไป จึงต้องเรียกผ่าน API ของ Baidu เองด้วยคีย์ที่สองและบิลที่สอง

วิธีปฏิบัติผ่านความไม่สมมาตรนั้นคือสร้างการประเมินก่อน แล้วค่อยทำการเชื่อมต่อทีหลัง ใส่พรอมป์ทั้งยี่สิบของคุณไว้หลังคีย์ที่จัดเส้นทางไว้ รัน MiniMax และตัวอื่น ๆ ในระดับ Flash แล้วบันทึกจำนวนโทเค็นเอาต์พุตต่องาน ไม่ใช่แค่ราคาต่อล้าน จากนั้นชี้พรอมป์ยี่สิบตัวเดียวกันไปยัง endpoint ของ Baidu และเปรียบเทียบบนแกนเดียวกัน ถ้า ERNIE ชนะในงานที่คุณให้ความสำคัญ อัตรา 1.88× ของมันก็เป็นพรีเมียมที่คุ้มค่าที่จะจ่าย และการที่ไม่มีโมเดลการ์ดก็กลายเป็นเรื่องน่ารำคาญมากกว่าอุปสรรค ถ้าไม่ชนะ คุณก็เสียเวลาหนึ่งบ่ายกับใบแจ้งหนี้เล็ก ๆ หนึ่งใบเพื่อหาคำตอบ

สิ่งที่ทำให้เรื่องนี้ยุติได้อย่างเหมาะสมคือแถวเดียวในแทร็กเกอร์ที่รันฮาร์เนสของตัวเอง MiniMax มีสิ่งนี้มาตั้งแต่วันเปิดตัวแล้ว Baidu อาจเผยแพร่สิ่งนี้ได้พรุ่งนี้ และความไม่แน่นอนหลักของบทความนี้ก็จะหายไป — ซึ่งนั่นคือสิ่งที่บอกว่าความไม่แน่นอนนี้แท้จริงแล้วไม่ได้เกี่ยวกับตัวโมเดลเลย แต่เกี่ยวกับว่าผู้ขายรายใดเลือกที่จะแสดงให้เห็นถึงวิธีการทำงานของตน