ERNIE 5.5 Flash Preview đã có thể gọi: $0.28 đầu vào, $1.13 đầu ra, không có Model Card

Sáu ngày sau khi Baidu công bố trọng số thô của ERNIE 5.5 Flash Base, mô hình mà những trọng số đó được kỳ vọng sẽ trở thành đã bắt đầu trả lời các lời nhắc. ERNIE 5.5 Flash — được phục vụ dưới tên ERNIE 5.5 Flash Preview — đã ra mắt dưới dạng endpoint tính phí trên Baidu Qianfan vào ngày 10 tháng 11 năm 2026 với giá 0,28 USD cho mỗi triệu token đầu vào và 1,13 USD cho mỗi triệu token đầu ra, trong đó lượt đọc đầu vào được lưu trong bộ nhớ đệm có giá 0,028 USD. Không có bài đăng ra mắt, không có model card, không có bảng benchmark và không có gì trên trang ERNIE của chính Baidu, trang mà vào ngày 11 tháng 11 vẫn giới thiệu checkpoint gốc ở đầu cùng lời hứa rằng mô hình sau huấn luyện đang "sắp ra mắt." Những gì tồn tại là một endpoint đang hoạt động có giá, cửa sổ ngữ cảnh 1.024.000 token, giới hạn đầu ra 921.600 token và một bảng thông số kỹ thuật dừng lại trước việc cho biết mô hình này tốt đến đâu. Nhóm đối chứng được tính phí theo giá niêm yết của nhà cung cấp với phí OrcaRouter được hiển thị là 0,00 USD, đây là lý do duy nhất khiến một bản xem trước không có model card có thể được kiểm thử so với một thứ gì đó.

Điều gì thực sự đã được đưa vào hoạt động

Endpoint là văn bản vào, văn bản ra. Không có hình ảnh, không có âm thanh, không phân tích PDF — giới hạn phương thức giống như checkpoint cơ sở, và là điều đầu tiên cần kiểm tra trước khi lập kế hoạch bất cứ điều gì xoay quanh nó. Mọi thứ khác trên bảng thông số đều hào phóng hơn so với mức giá gợi ý:

• Bối cảnh — 1,024,000 token đầu vào, với đầu ra tối đa 921,600. Giới hạn đầu ra đó là bất thường: hầu hết các mô hình chỉ giới hạn khả năng tạo ở mức thấp trong khoảng vài trăm nghìn token, cùng lắm là như vậy, còn mô hình này cho phép phản hồi gần một triệu token.

• Giá — 0,28 đô la cho mỗi triệu đầu vào, 1,13 đô la cho mỗi triệu đầu ra, 0,028 đô la cho mỗi triệu lượt đọc đầu vào đã được lưu trong bộ nhớ đệm. Các lượt đọc bộ nhớ đệm được tính phí bằng một phần mười mức giá đầu vào, đây là dòng duy nhất trên bảng này có lợi cho một lời nhắc hệ thống ổn định.

• Suy luận — bắt buộc, được bật theo mặc định và chỉ được cung cấp ở một mức nỗ lực duy nhất: cao. Không có chế độ rẻ, không suy nghĩ nào để dự phòng. Mỗi yêu cầu đều phải trả cho token suy luận, và token suy luận là token đầu ra.

• Công cụ — gọi hàm, đầu ra có cấu trúc và các ràng buộc định dạng phản hồi đều được công khai, và đó chính là điều phân biệt một bản xem trước mà bạn có thể xây dựng dựa trên đó với một bản xem trước mà bạn chỉ có thể trò chuyện cùng.

• Tính khả dụng — một vùng nhà cung cấp duy nhất, không có định tuyến trong khu vực EU. Đối với một đội ngũ châu Âu, độ trễ là một vấn đề; giấy phép của mô hình nền tảng, được thảo luận bên dưới, là một vấn đề khác và lớn hơn.

• Tài liệu — không có thời điểm cắt kiến thức nào được công bố, không có thẻ mô hình, không có bảng đánh giá, không có lưu ý nào về độ dài ngữ cảnh. Phần mô tả đi kèm endpoint dài ba câu và mô tả kiến trúc, chứ không phải chất lượng.

Đặc tả còn thiếu cũng quan trọng ngang với những đặc tả hiện có. Baidu đã công bố ba mươi dòng benchmark cho base checkpoint vào ngày 5 tháng 11. Không một dòng nào trong số đó mô tả mô hình này. Điểm số của một base checkpoint đến từ một pipeline khác, một thiết lập đánh giá khác và một cách định hình nhiệm vụ khác so với mô hình được tinh chỉnh theo chỉ dẫn, và các con số của base không thể được mô hình chat kế thừa — chúng là mức trần cho những gì quá trình hậu huấn luyện có thể làm việc cùng, chứ không phải dự báo về những gì nó đã tạo ra.

Mức trần đầu ra mới là con số đáng quan tâm.

921,600 token đầu ra không phải lỗi đánh máy, cũng không phải chiêu trò tiếp thị — mà là hệ quả trực tiếp của suy luận bắt buộc. Khi một mô hình buộc phải suy nghĩ trước khi trả lời và không thể được yêu cầu đừng làm vậy, cách duy nhất để giữ các lượt chạy tác tử dài không bị cắt ngang giữa kế hoạch là nâng trần đầu ra lên gấp một bậc độ lớn và để mô hình dùng những gì nó cần. Baidu đã làm điều đó ở đây, và chính quyết định thiết kế này cũng quyết định hóa đơn.

Token suy luận được tính theo mức giá đầu ra. Ở mức $1.13 mỗi triệu token, một yêu cầu suy nghĩ 8.000 token và trả lời trong 500 token tốn khoảng một xu — không đáng kể cho mỗi lần gọi, và trên hóa đơn là 8.500 token đầu ra. Nhân với một vòng lặp agent chạy bốn mươi bước, phép tính quan trọng không còn là giá mỗi triệu token mà là giá mỗi nhiệm vụ hoàn thành, con số chi phí duy nhất trụ được khi va chạm với vận hành thực tế. Đây là cùng cái bẫy đã khiến Gemini 3.8 Flash trông rẻ hơn so với mức giá thực của nó: một mức giá cố định trên mỗi token áp dụng cho một mô hình phát ra nhiều hơn 30 đến 34 phần trăm token đầu ra mỗi nhiệm vụ chính là một đợt giảm giá không bao giờ đến.

Không có phép đo nào được công bố về mức độ dài dòng của ERNIE 5.5 Flash Preview. Đó không phải là một khoảng trống nhỏ. Độ dài dòng là yếu tố dao động lớn nhất giữa hai mô hình có cùng giá trên mỗi token, và đó là thứ đầu tiên đáng để bạn tự đo thay vì đọc về nó — một bộ cố định gồm hai mươi prompt của chính bạn, chạy hai lần, đếm số token đầu ra. Cho đến khi ai đó làm điều đó, mọi so sánh chi phí liên quan đến mô hình này đều là so sánh bảng giá, không phải so sánh hóa đơn.

Được định giá so với cái gì, chính xác?

Mốc giá gần nhất là mô hình mà Baidu đã phát hành dựa trên nền tảng của nó: MiniMax M3.1 Flash, với giá 0,15 USD đầu vào và 0,60 USD đầu ra trên mỗi triệu token, đạt 42 điểm trên Artificial Analysis Intelligence Index và tốn 0,22 USD cho mỗi tác vụ chỉ số đã hoàn thành. ERNIE 5.5 Flash Preview có giá mỗi token gần gấp đôi mức đó mà hoàn toàn không có điểm đánh giá độc lập nào. Đó không phải bằng chứng cho thấy nó kém hơn — chỉ số này không đo lường công việc bằng tiếng Trung, và checkpoint nền tảng của Baidu rất mạnh về mã ở quy mô kho lưu trữ — nhưng đó là bằng chứng cho thấy bản xem trước được định giá như một mô hình có năng lực chứ không phải một mô hình rẻ, và rằng trách nhiệm chứng minh thuộc về Baidu trong việc công bố điều gì đó.

So với checkpoint cơ sở, phép so sánh còn rõ rệt hơn theo chiều ngược lại. Trọng số là miễn phí; API tính 1,13 USD cho mỗi triệu token đầu ra. Bất kỳ ai có khối lượng công việc là một tác vụ cố định, lưu lượng lớn nên tính bài toán chi phí trên một bản fine-tune của checkpoint 280B thay vì trả tiền theo từng token mãi mãi — ngoại trừ việc giấy phép, một tài liệu riêng so với các điều khoản API, loại trừ hoàn toàn Liên minh châu Âu, Vương quốc Anh và Hàn Quốc, giới hạn sử dụng thương mại miễn phí ở mức 50 triệu USD doanh thu thường niên liên quan, và yêu cầu gắn nhãn "Powered by ERNIE" trên mọi sản phẩm thương mại. Những điều khoản đó áp dụng cho trọng số. Chúng không áp dụng cho các lời gọi được thực hiện qua API của Baidu, một trong số ít lập luận thực sự cho hướng dịch vụ được lưu trữ.

Cách tiếp cận nó và những việc cần làm trong lúc chờ số liệu

Truy cập được thực hiện qua API Qianfan của chính Baidu hoặc qua các nền tảng bên thứ ba bán lại dịch vụ này. OrcaRouter không định tuyến ERNIE 5.5 Flash Preview — không có mục ERNIE nào trong danh mục hơn 200 mô hình của chúng tôi và cũng không có endpoint Baidu nào để chúng tôi định tuyến tới, nên bất kỳ điều gì ám chỉ ngược lại đều sẽ là sai. Điều danh mục này hữu ích trong tình huống này là nhóm đối chứng: những mô hình mà mô hình này sẽ được đánh giá so với, trong đó có MiniMax M3.1 Flash, GLM-5.3-Flash, DeepSeek V4.1 Flash và dòng Gemini Flash, đều có thể truy cập được thông qua một khóa tương thích OpenAI với giá niêm yết của nhà cung cấp và không phụ phí, và tính năng chuyển đổi dự phòng tự động nghĩa là một bản xem trước có lịch sử thời gian hoạt động chưa được chứng minh không bao giờ phải là thứ duy nhất gánh vác một đường dẫn production.

Đó là hình thái thực tế của vài tuần tới. Hãy dùng bản xem trước ở những nơi hai lợi thế thực sự của nó phát huy tác dụng — cửa sổ đầu vào một triệu token với giá $0.28, và khối lượng công việc chỉ văn bản, nơi giới hạn về phương thức không tốn thêm gì — và giữ một phương án dự phòng được định tuyến phía sau nó. Đừng chuyển một pipeline hiện có sang nó chỉ dựa vào bảng thông số, vì bảng thông số là thứ duy nhất Baidu đã công bố.

Điều có thể thay đổi cục diện thì không hào nhoáng mà rất cụ thể: một model card kèm bảng đánh giá, một điểm số độc lập từ đơn vị theo dõi tự vận hành bộ khung đánh giá riêng, và một phép đo số token đầu ra trên mỗi tác vụ. Baidu đã công bố điều đầu tiên trong số đó cho checkpoint gốc và không công bố điều nào trong số đó cho mô hình chat, một thứ tự làm việc kỳ lạ — nguyên liệu thô được ghi chép chi tiết, còn thành phẩm lại được tung ra trong im lặng. Cho đến khi điều đó thay đổi, cách hiểu trung thực về ERNIE 5.5 Flash Preview là nó tồn tại, nó đủ rẻ để thử, và chưa ai ngoài Baidu biết liệu nó có tốt hay không.