
Hy4 flash-Base กับ ERNIE 5.5 Flash Base: การเปรียบเทียบที่เป็นธรรมเพียงหนึ่งเดียวที่ผู้จำหน่ายรายใดรายหนึ่งเผยแพร่
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 138 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 175 tok/s
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 89 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 97 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 120 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 116 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
สองแล็บจีนเผยแพร่เช็กพอยต์ที่ผ่านการฝึกมาก่อนห่างกันสิบสองวัน และอย่างน้อยก็ครั้งนี้ที่ตารางเปรียบเทียบเขียนออกมาเองได้: Hy4 flash-Base เทียบกับ ERNIE 5.5 Flash Base ซึ่งเป็นอาร์ติแฟกต์ประเภทเดียวกันจากขั้นตอนเดียวกันของไปป์ไลน์ และประเมินด้วยวิธีเดียวกัน Tencent เผยแพร่ Hy4 flash-Base เมื่อวันที่ 17 พฤศจิกายน 2026 ควบคู่กับโมเดล instruction Baidu เผยแพร่ ERNIE 5.5 Flash Base เมื่อวันที่ 5 พฤศจิกายน 2026 และ ณ เวลาที่เขียนนี้ มันยังเป็นอาร์ติแฟกต์ ERNIE 5.5 เพียงชิ้นเดียวที่มีอยู่ — โมเดลแชตที่ผ่าน post-training ยังไม่ออกจำหน่าย
ความแตกต่างในสิ่งที่อยู่รอบ ๆ เช็กพอยต์คือส่วนใหญ่ที่ทำให้การเปรียบเทียบคู่นี้คุ้มค่าที่จะเขียนถึงสักหน้า การเปรียบเทียบฐานทั้งสองบอกให้รู้ว่าการพรีเทรนเป็นอย่างไร การเปรียบเทียบการเปิดตัวทั้งสองบอกอะไรบางอย่างที่ไม่ค่อยน่าชื่นชมเกี่ยวกับทั้งคู่: บริษัทหนึ่งปล่อยวัตถุดิบและผลิตภัณฑ์สำเร็จรูปออกมาในวันเดียวกัน ส่วนอีกบริษัทปล่อยวัตถุดิบและคำสัญญา
ทำไมเช็กพอยต์พื้นฐานจึงเป็นการเปรียบเทียบที่ซื่อตรง
การเปรียบเทียบโมเดลเกือบทุกชิ้นที่คุณอ่านนั้นไม่เป็นธรรมอย่างเงียบ ๆ เพราะมันเอาคุณลักษณะโมเดลที่ผ่านการฝึกจนสมบูรณ์และผ่านการปรับแต่งตามคำสั่งของผู้ขายรายหนึ่ง ไปเทียบกับโมเดลที่ผ่านการฝึกจนสมบูรณ์และผ่านการปรับแต่งตามคำสั่งของผู้ขายอีกราย โดยแต่ละตัวถูกประเมินบนฮาร์เนสของตัวเองและมีเส้นฐานของตัวเอง การใช้เช็กพอยต์ฐานช่วยตัดตัวแปรหนึ่งนั้นออกไป ทั้งสองโมเดลยังไม่ได้ผ่านการฝึกหลังการฝึกขั้นต้น ทั้งคู่ไม่มีเทมเพลตแชตที่กำหนดรูปแบบเอาต์พุต และผู้ขายทั้งสองเผยแพร่ตาราง few-shot บนเบนช์มาร์กวิชาการมาตรฐาน แทนที่จะเป็นชุดทดสอบแบบเอเจนต์ที่สร้างขึ้นเอง
สิ่งที่เหลืออยู่ — ฮาร์เนส จำนวนช็อต และชุดย่อย — ยังคงเป็นข้อมูลเฉพาะของผู้ขายแต่ละราย ดังนั้นจึงไม่มีสิ่งใดในนี้เป็นการทดลองแบบควบคุม แต่ตารางเปรียบเทียบแบบฐานต่อฐานเป็นการเปรียบเทียบการรันพรีเทรน และพรีเทรนคือส่วนที่แพงที่สุด มันจึงเป็นสิ่งที่ใกล้เคียงที่สุดกับตัวเลขแบบ Apples-to-Apples ที่สองบริษัทนี้เคยเผยแพร่เกี่ยวกับกันและกัน
จุดตรวจทั้งสองแห่งที่วางเคียงข้างกัน
• พารามิเตอร์ — Hy4 flash-Base รวมทั้งหมด 220.3B, ใช้งาน 12B ต่อโทเคน; ERNIE 5.5 Flash Base รวมทั้งหมด 280B, ใช้งาน 14B ต่อโทเคน
• การกระจายของพารามิเตอร์ — Hy4 flash-Base มี 155.5B ในแกนหลัก 42 ชั้น, 63.5B ในตาราง embedding n-gram ของ Engram, 0.43B ในตัวเข้ารหัสภาพ และ 0.85B ใน DFly2 drafter; ส่วน 280B ของ ERNIE เป็นการกระจายแบบ MoE ที่เป็นมาตรฐานมากกว่า พร้อมโมดูล ECHO ขนาด 0.36B ที่ไม่นับรวมในจำนวนหลัก
• ความลึกและการกำหนดเส้นทาง — 42 เลเยอร์ (หนึ่งเลเยอร์แบบ dense, 41 เลเยอร์ MoE) พร้อม routed experts 512 ตัว บวก shared expert หนึ่งตัว, เปิดใช้งาน 16 ตัว, ขนาด hidden 3,072 สำหรับ Hy4 flash-Base; 43 เลเยอร์ (หนึ่งเลเยอร์แบบ dense, 42 เลเยอร์ Multi-Router Latent MoE) พร้อม routed experts 512 ตัว บวก shared expert หนึ่งตัว, top-10, ขนาด hidden 4,096 สำหรับ ERNIE
• บริบท — กำหนดค่า 1,048,576 โทเค็นบนทั้งสองระบบ Tencent ฝึก Hy4 flash โดยตรงที่ความยาวนั้น ส่วน Baidu ฝึก ERNIE ที่ 128,000 และตั้งค่าคอนฟิกที่เผยแพร่เป็น 1,048,576 สำหรับการปรับแต่งละเอียดและการอนุมาน ซึ่งเป็นความสามารถของคอนฟิกมากกว่าพฤติกรรมที่วัดได้
• Modality — รับข้อความและภาพเป็นอินพุต ส่งออกเป็นข้อความ ทั้งสองรุ่น Hy4 flash-Base มาพร้อมตัวเข้ารหัสภาพที่พัฒนามาจาก SigLIP2; การ์ดของ ERNIE 5.5 Flash Base ระบุเฉพาะการป้อนข้อความบนตารางลิงก์โมเดล
• ใบอนุญาต — Tencent Hy License v1.0 ซึ่งเป็นอนุพันธ์ของ Apache 2.0 พร้อมข้อกำหนด MaaS ที่รายได้ 50 ล้านดอลลาร์สหรัฐ หรือผู้ใช้งานรายเดือน (MAU) 100 ล้านคน; ERNIE 5.5 Flash Base Model License v1.0 ซึ่งยกเว้นดินแดนสหภาพยุโรป สหราชอาณาจักร และเกาหลีใต้ทั้งหมด
แถวข้อมูลใบอนุญาตไม่ใช่เชิงอรรถ ทีมจากยุโรปไม่สามารถใช้ ERNIE checkpoint ได้เลยภายใต้ทุนของตน และไม่ว่าข้อได้เปรียบด้าน benchmark จะมากเพียงใดก็ไม่เปลี่ยนสิ่งนั้น ทีมขนาดใดก็ได้สามารถใช้ Hy4 flash-Base และทีมที่มีรายได้จาก MaaS เกิน $50 ล้านต้องส่งอีเมลก่อนใช้งาน
สิ่งที่ตารางของ Baidu บอก และสิ่งที่ต้องแลกมาหากจะเชื่อมัน
ชุดการเปรียบเทียบของ Baidu เป็นชุดที่เหมาะสมสำหรับการเปิดตัวรุ่น Base: ERNIE 5.5 Flash Base เทียบกับ DeepSeek-V4-Flash-Base, Hy3-preview-Base และ MiMo-V2.5-Base บนไปป์ไลน์เดียวที่การ์ดระบุว่าใช้ร่วมกันทั้งสี่รุ่น ตัวเลขทุกตัวด้านล่างเป็นการรายงานโดย Baidu และยังไม่ได้รับการทำซ้ำเพื่อตรวจสอบ
• MMLU — ERNIE 93.3, DeepSeek-V4-Flash-Base 89.4, Hy3-preview-Base 87.5, MiMo-V2.5-Base 87.6
• MMLU-Pro — 78.4 เทียบกับ 69.2, 66.9 และ 65.7 ช่องว่างที่ใหญ่ที่สุดในชุดนี้
• GPQA — 60.2 เทียบกับ 55.9, 50.2 และ 51.4
• HumanEval+ — 82.3 เทียบกับ 69.5, 78.0 และ 74.4
• LiveCodeBench — 40.1 เทียบกับ 31.9, 33.5 และ 32.4
• LongBench-v2 — 48.7 เทียบกับ 44.5, 39.8 และ 44.6
• BBH ด้วย chain-of-thought — 89.2 เมื่อเทียบกับ Hy3-preview-Base 90.0 และ MiMo-V2.5-Base 89.8 นี่คือการเสมอกันสามทางที่อยู่ในช่วงความคลาดเคลื่อน ไม่ว่าการจัดรูปแบบตัวหนาจะสื่ออะไรก็ตาม
• ChineseSimpleQA — 73.0 เมื่อเทียบกับ 75.3 ของ DeepSeek ถือเป็นความพ่ายแพ้บนเบนช์มาร์กที่ใกล้เคียงตลาดหลักของ Baidu มากที่สุด
ตารางนี้ขาดแถวไป ซึ่งเป็นสาเหตุที่ทำให้มันดูเหมือนตารางที่ใครบางคนสร้างขึ้นมา มากกว่าตารางที่ใครบางคนหยิบเลือกมา สังเกตสิ่งที่ไม่มีอยู่ในตารางนี้: Hy4 flash-Base เช็กพอยต์ของ Tencent ยังไม่มีอยู่เมื่อวันที่ 5 พฤศจิกายน ดังนั้นจึงไม่เคยมีใครเผยแพร่แถวที่เปรียบเทียบโดยตรงระหว่างสองโมเดลในการเปรียบเทียบนี้เลย
สิ่งที่ตารางของ Tencent ระบุ รวมถึงข้อความปฏิเสธความรับผิดชอบ
ตารางฐานของ Tencent มีห้าทาง — Hy4 flash-Base, Hy4 Base, Hy3 preview Base, DeepSeek-V4-flash-Base และ DeepSeek-V4-Pro-Base — และยังสูญเสียแถวอีกด้วย ตามที่ผู้ขายรายงาน ยังไม่ได้ทำซ้ำ:
• MMLU-Pro — 71.1 สำหรับ Hy4 flash-Base เทียบกับ 73.9 สำหรับ Hy4 Base, 65.8 สำหรับ Hy3 preview Base, 68.6 สำหรับ DeepSeek-V4-flash-Base และ 73.4 สำหรับ DeepSeek-V4-Pro-Base
• SimpleQA — 37.5 เทียบกับ 57.2, 26.4, 31.3 และ 52.1 ซึ่งเป็นการลดลงมากที่สุดในรายการนี้
• C-Eval — 92.0 เทียบกับ 95.0, 90.1, 91.9 และ 93.4
• CMMLU — 91.6 เทียบกับ 93.1, 89.6, 89.8 และ 90.7
• AGIEval ภาษาจีน — 90.6 เทียบกับ 91.2, 87.8, 88.5 และ 89.8
• Belebele — 93.8 เทียบกับ 95.0, 94.2, 94.4 และ 95.2
• INCLUDE — 82.8 เทียบกับ 88.1, 84.3, 84.0 และ 84.3
• MMMU-Pro — 52.0 เทียบกับ 59.6 สำหรับ Hy4 Base แถวมัลติโมดัลมีอยู่เฉพาะสำหรับโมเดล Hy สองรุ่นเท่านั้น
เมื่อมองภาพรวม Hy4 flash-Base เป็นโมเดลที่เล็กกว่าและถูกกว่าพี่น้องของมัน และแพ้ให้กับรุ่นเหล่านั้นในแถวส่วนใหญ่ ซึ่งเป็นสิ่งที่โมเดลที่มีพารามิเตอร์ใช้งานจริง 12B ควรเป็นเมื่อเทียบกับรุ่น 49B แถวที่น่าสนใจคือแถวด้านภาษาต่างประเทศ ซึ่งมันรักษาคะแนนไว้ได้ภายในหนึ่งหรือสองจุดจากโมเดลที่ใหญ่กว่ามาก และ SimpleQA ซึ่งมันตามหลัง Hy4 Base อยู่ยี่สิบจุด — ช่องว่างด้านการค้นคืนข้อเท็จจริงที่บอกอะไรบางอย่างเกี่ยวกับว่าความสามารถนั้นอาศัยจำนวนพารามิเตอร์มากเพียงใดแทนที่จะเป็นข้อมูลฝึก
Tencent ยังเสนอข้อแม้หนึ่งโดยสมัครใจ ซึ่งการ์ดของ Baidu ไม่ได้ระบุไว้: เนื่องจากโมเดลฐานได้รับข้อมูลคำสั่งสังเคราะห์ปริมาณมากระหว่างการฝึกช่วงกลาง โมเดลจึง “บางครั้งไม่ปฏิบัติตามรูปแบบคำตอบที่คาดไว้ในการประเมินแบบ few-shot ซึ่งอาจทำให้คะแนนบิดเบี้ยว” การที่ผู้จำหน่ายบอกคุณเองว่าเครื่องมือประเมินของตนอาจกำลังวัดการปฏิบัติตามรูปแบบอยู่นั้น หายากพอที่จะคุ้มค่ากับประโยคนี้

โต๊ะทั้งสองตัวไม่สามารถวางซ้อนทับกันได้
นี่คือกับดักในการเปรียบเทียบนี้ และควรพูดให้ชัดเจนเพราะอินเทอร์เน็ตส่วนใหญ่จะไม่ทำเช่นนั้น ทั้งสองผู้ขายเผยแพร่ MMLU-Pro Baidu รายงาน 78.4 สำหรับ ERNIE 5.5 Flash Base Tencent รายงาน 71.1 สำหรับ Hy4 flash-Base มันชวนให้ลบแล้วรายงานว่า Baidu ชนะ 7.3 คะแนน การลบแบบนั้นไม่สามารถถือเป็นข้อสรุปที่มีเหตุผลรองรับได้
จำนวนช็อตที่แตกต่างกัน รูปแบบพรอมต์ที่แตกต่างกัน และในกรณีของ Hy4 flash-Base มีปัญหาการทำตามรูปแบบที่ได้รับการยอมรับซึ่งอาจทำให้คะแนนเฉลี่ยแบบมาโครลดลง ตัวเลขหนึ่งตัวในทั้งสองตารางที่มีคำจำกัดความร่วมกัน — Belebele บนชุดย่อยห้าภาษา — ระบุค่า 93.8 สำหรับ Hy4 flash-Base และไม่ปรากฏเลยในตารางของ Baidu ไม่มีส่วนทับซ้อนที่เข้มงวดพอจะลบออกได้
สิ่งที่พูดได้นั้นแคบลงแต่ยังมีประโยชน์: checkpoint ของผู้ขายแต่ละรายเอาชนะ baseline DeepSeek ของบุคคลที่สามที่แต่ละรายเลือกไว้ ในแถวส่วนใหญ่ ด้วยส่วนต่างที่ harness ของพวกเขาเองสร้างขึ้น ข้อกล่าวอ้างสองข้อที่ค่อนข้างเป็นอิสระจากกันแต่ชี้ไปในทิศทางเดียวกันเป็นหลักฐานที่แข็งแรงกว่าข้อใดข้อหนึ่งเพียงลำพัง และอ่อนกว่าการใช้ benchmark ร่วมกัน นั่นคือเพดานอันซื่อตรงของสิ่งที่การ์ดสองใบนี้รองรับ

การเปิดตัวหนึ่งเสร็จสิ้นแล้ว ส่วนอีกอันคือคำมั่นสัญญา
นี่คือความไม่สมมาตรที่สำคัญยิ่งกว่าทุกแถวข้างต้น และไม่เกี่ยวกับคุณภาพของเกณฑ์มาตรฐาน
Tencent เผยแพร่อาร์ติแฟกต์สามรายการเมื่อวันที่ 17 พฤศจิกายน: โมเดล instruct, บิลด์ FP8 ของโมเดลนี้ และเช็กพอยต์ฐาน ทีมที่ต้องการโมเดลแชทในวันนี้สามารถดาวน์โหลดได้หนึ่งตัว โหลดใน vLLM ด้วยอิมเมจที่ปักหมุดไว้ vllm/vllm-openai:hy4-flash และให้บริการได้ เช็กพอยต์ฐานมีไว้สำหรับผู้ที่ต้องการ fine-tune และการ์ดชี้ไปยังคู่มือการ fine-tune
Baidu เผยแพร่อาร์ติแฟกต์หนึ่งรายการเมื่อวันที่ 5 พฤศจิกายน ERNIE 5.5 Flash Base เป็นน้ำหนักที่ผ่านการฝึกมาก่อนแล้ว (pre-trained weights) ไม่มี ERNIE 5.5 Flash ที่ผ่านการปรับแต่งตามคำสั่งให้ดาวน์โหลด ไม่มี API endpoint ที่ระบุไว้ภายใต้ชื่อนั้นในเอกสารเผยแพร่ และการ์ดอธิบายโมเดลที่ผ่านการฝึกหลัง (post-trained model) เพียงว่าเป็นสิ่งที่ "คาดว่าจะตามมา" ทีมที่ดาวน์โหลด ERNIE 5.5 Flash Base วันนี้กำลังตกลงที่จะทำ post-training ด้วยตนเอง บนน้ำหนัก 280B ก่อนที่พวกเขาจะมีโมเดลที่สามารถตอบคำถามในรูปแบบที่ใช้งานได้
สำหรับกลุ่มวิจัยแล้ว นั่นคืออาร์ติแฟกต์ที่น่าสนใจอย่างยิ่ง สำหรับทีมผลิตภัณฑ์ มันไม่ใช่โมเดล แต่เป็นจุดเริ่มต้นที่มาพร้อมกับงานปริมาณมหาศาลอย่างไม่มีขอบเขต และการเปรียบเทียบที่ถูกต้องไม่ใช่กับ Hy4 flash-Base แต่กับ Hy4 flash — ซึ่งมีค่าใช้จ่ายต่อโทเคนและใช้งานได้แล้วในตอนนี้

เราเตอร์เข้ามาเกี่ยวข้องตรงจุดใดในการตัดสินใจเกี่ยวกับ base-checkpoint
เช็กพอยต์ฐานไม่ใช่สิ่งที่เราเตอร์ให้บริการ และการบอกเป็นอย่างอื่นก็ไม่ใช่ความจริงใจ OrcaRouter ไม่มีทั้ง Hy4 flash-Base และ ERNIE 5.5 Flash Base และโมเดล instruct ของทั้งสองผู้ให้บริการก็ไม่อยู่ในแคตตาล็อกในวันนี้ สิ่งที่แคตตาล็อกมีคือ tencent/hy4-preview — โมเดล 770B/49B ที่ Hy4 flash ถูกกลั่นมาจาก — ในราคา $0.834 ต่อหนึ่งล้านโทเคนอินพุต และ $2.501 ต่อหนึ่งล้านโทเคนเอาต์พุต โดยมีค่าอ่านแคชที่ $0.042
เรื่องนี้สำคัญต่อการตัดสินใจเฉพาะอย่างหนึ่ง หากคุณกำลังชั่งน้ำหนักว่าจะ fine-tune base checkpoint ขนาด 220B หรือไม่ คำถามแรกคือพฤติกรรมของตระกูลโมเดลนั้นเหมาะกับงานของคุณหรือเปล่าเลย และ โมเดล preview ตอบคำถามนั้นได้ภายในบ่ายเดียว ในราคาเท่ากับโทเค็นที่คุณใช้ในการทดสอบ การทำเช่นนั้นก่อนที่คุณจะจัดสรร GPU แปดตัวสำหรับการดีพลอยแบบ tensor-parallel FP8 ถือเป็นขั้นตอนที่ถูกที่สุดในทั้งโปรเจกต์ ราคาตามรายการของผู้ให้บริการส่งผ่านมาที่มาร์กอัป 0% ดังนั้นการเปลี่ยนแปลงราคาของ Tencent จะไปถึงแคตตาล็อกในวันที่เกิดขึ้นจริง ไม่ใช่ตอนรีบิลด์ครั้งถัดไป และ ระบบ failover อัตโนมัติหมายความว่างานประเมินจะไม่ล้มตาย เพราะผู้ให้บริการต้นทางรายหนึ่งมีชั่วโมงที่แย่
ถ้าการ fine-tune ได้ผล คุณจะเป็นเจ้าของ weights และ router จะไม่เป็นส่วนหนึ่งของเส้นทางนั้นอีกต่อไป ถ้าไม่ได้ผล คุณก็ใช้เวลาแค่บ่ายเดียวแทนที่จะเป็นหนึ่งไตรมาสในการรู้ผล
วิธีอ่านแมตช์นี้
หากคุณกำลังมองหาโมเดลที่ทำงานได้จริง หน้านี้คือหน้าที่คุณมาผิด: Hy4 flash คือโมเดลที่เสร็จสมบูรณ์แล้ว ส่วน ERNIE 5.5 Flash ยังไม่มีโมเดลแบบนั้น หากคุณต้องการฐานที่ผ่านการฝึกมาแล้วเพื่อนำไปต่อยอด ผู้ contender ทั้งสองรายนี้ใกล้เคียงกันมากกว่าที่ข้อความทางการตลาดสื่อ และห่างกันมากกว่าที่ผลต่างของคะแนน benchmark จะบ่งชี้
ERNIE 5.5 Flash Base มีขนาดใหญ่กว่า ผ่านการฝึกนานกว่า — 33.5 ล้านล้านโทเคนบน Muon optimizer — และรายงานคะแนนที่แข็งแกร่งกว่าใน harness ของตัวเอง รวมถึงตัวเลข MMLU-Pro ที่ไม่มีโมเดล Tencent ใดบนการ์ดเปรียบเทียบเทียบได้ ส่วน Hy4 flash-Base มีขนาดเล็กกว่า ให้บริการได้ถูกกว่าที่ 12B แอ็กทีฟ รองรับมัลติโมดัลโดยกำเนิด มาพร้อมตัวเข้ารหัสภาพและดราฟเตอร์แบบ speculative decoding และมีใบอนุญาตที่ไม่ยกเว้นสามเขตอำนาจศาล
ปัจจัยชี้ขาดน่าจะไม่ใช่ความสามารถหรือใบอนุญาต แต่เป็นระยะเวลาสิบสองวันที่ต่างกันระหว่างทั้งสอง Baidu's checkpoint มีเวลาเกือบสองสัปดาห์ให้ชุมชน fine-tuning สร้างบางสิ่งออกมา ส่วน Hy4 flash-Base มีเวลาเพียงหนึ่งสัปดาห์ จับตาดูว่าจะมี ERNIE 5.5 Flash ที่ผ่านการปรับด้วยคำสั่งปรากฏขึ้นหรือไม่ และจับตาดูว่าจะมีใครเผยแพร่ LoRA สำหรับ Hy4 flash-Base หรือไม่ กรณีแรกจะทำให้สิ่งนี้เป็นการเปรียบเทียบจริง ซึ่งมีแนวโน้มสูงว่าจะตามมาด้วย benchmark ที่ใช้ร่วมกัน ส่วนกรณีที่สองจะบอกคุณว่าผู้ปฏิบัติงานจริงชื่นชอบ base ตัวใดมากกว่า
การเปรียบเทียบในบทความนี้1
ตรวจพบจากบทความนี้
