ERNIE 5.5 Flash vs ERNIE 5.5 Flash Preview: Bạn thực sự đang gọi phiên bản nào?

Trang web của chính Baidu liệt kê hai artefact ERNIE 5.5 và không có cái nào tên là ERNIE 5.5 Flash. Có ERNIE 5.5 Flash Base, checkpoint thô 280B được công bố ngày 5 tháng 11, và ERNIE 5.5 Flash Preview, mô hình sau huấn luyện được công bố ngày 11 tháng 11. ERNIE 5.5 Flash — tên không có hậu tố, tên xuất hiện trong bảng giá và bộ chọn mô hình — là mô hình mà Preview là bản xem trước của nó. Đó không phải là một chiêu trò tiếp thị để lấp liếm; đó chính là toàn bộ thực chất của phép so sánh, bởi vì mọi thứ phân biệt ERNIE 5.5 Flash Preview với ERNIE 5.5 Flash là sự khác biệt giữa một checkpoint và một bản phát hành, không phải giữa hai kiến trúc. Cùng 280 tỷ tổng tham số, cùng 14 tỷ tham số hoạt động, cùng ngữ cảnh 1M token. Khác biệt là giấy phép, ngày phát hành, cam kết độ ổn định và một tập hợp các con số mà Baidu đã nói với bạn rằng sẽ thay đổi. Nhóm so sánh là một nửa của quyết định này nằm trong tầm kiểm soát của bạn. giá niêm yết của nhà cung cấp với mức markup 0% GPT-6.1 Sol, Claude Opus 5.5, GLM-5.3 và DeepSeek V4.1 Flash dùng chung một khóa theo giá niêm yết của nhà cung cấp, với phí OrcaRouter được hiển thị là $0.00.

Việc đặt tên là phần gây bối rối, nên hãy bắt đầu từ đó.

Ba cái tên, hai mô hình, một quy trình phát hành. ERNIE 5.5 Flash Base là checkpoint đã được tiền huấn luyện: tổng cộng 280B, 14B hoạt động, 43 lớp, một ngăn xếp hỗn hợp chuyên gia thưa với một chuyên gia chia sẻ, được huấn luyện trên 33,5 nghìn tỷ token, có thể tải xuống ngay hôm nay trên Hugging Face theo giấy phép cộng đồng có hạn chế. ERNIE 5.5 Flash Preview là checkpoint đó sau quá trình hậu huấn luyện — thứ trả lời chỉ dẫn, sử dụng công cụ, viết mã trò chơi và tạo bộ trình chiếu. ERNIE 5.5 Flash, khi nó tồn tại, là cùng mô hình đó sau khi quá trình hậu huấn luyện kết thúc.

Baidu nêu rõ mối quan hệ trong bài đăng phát hành: bản Preview "là một checkpoint trung gian từ quá trình hậu huấn luyện. Nó đã có sức cạnh tranh với các mô hình cùng kích cỡ, nhưng vì quá trình huấn luyện chưa kết thúc, một số năng lực vẫn có thể chưa đạt. Quá trình hậu huấn luyện đang tiếp diễn và ERNIE 5.5 Flash đang cải thiện nhanh chóng." Hãy đọc lại điều đó hai lần. Công ty đang nói với bạn rằng mô hình bạn có thể gọi hôm nay và mô hình bạn sẽ gọi trong vài tháng tới chia sẻ một gốc tên, một kiến trúc và một cửa sổ ngữ cảnh, nhưng khác nhau ở mức độ hoàn thiện. Nếu bạn đang chọn giữa chúng, bạn không phải đang chọn giữa hai hệ thống. Bạn đang chọn giữa mua ngay và chờ đợi.

So sánh, theo từng khía cạnh

Đây là những điểm thực sự khác biệt, với cả hai phía trên mỗi dòng:

• Danh tính — ERNIE 5.5 Flash Preview là một checkpoint có tên, có thể gọi được, được công bố ngày 11 tháng 11 năm 2026; ERNIE 5.5 Flash là phiên bản kế nhiệm chưa phát hành, không có ngày phát hành, không có model card và không có endpoint riêng.

Kiến trúc và kích thước — giống hệt nhau ở cả hai phía: tổng cộng 280B tham số, 14B hoạt động, ngữ cảnh 1M token, kế thừa từ checkpoint ERNIE 5.5 Flash Base ngày 5 tháng 11. Hậu huấn luyện không làm thay đổi kích thước của mô hình.

• Trọng số và giấy phép — bản Preview được hứa hẹn phát hành theo Apache 2.0 "sớm", nhưng tính đến ngày 11 tháng 11 vẫn chưa có kho lưu trữ nào trên Hugging Face; ERNIE 5.5 Flash cuối cùng sẽ chịu sự điều chỉnh của bất kỳ giấy phép nào mà Baidu phát hành tại thời điểm ra mắt chính thức, điều mà công ty chưa công bố và không được đảm bảo là sẽ giống nhau. Hãy coi lời hứa Apache 2.0 là lời hứa dành cho bản preview, không phải cho cả dòng mô hình.

• Tính ổn định — Preview rõ ràng là một sản phẩm trung gian mà năng lực “vẫn có thể còn hạn chế” và điểm số mà Baidu kỳ vọng sẽ được cải thiện; bản phát hành chính thức theo định nghĩa là phiên bản mà Baidu sẵn sàng đứng ra bảo đảm.

• Vị thế trên benchmark — bản Preview có hai mươi dòng do nhà cung cấp tự báo cáo và không có điểm số độc lập; ERNIE 5.5 Flash sẽ có bất kỳ số liệu nào Baidu công bố lúc phát hành, cộng thêm — nếu xu hướng này tiếp diễn — một loạt số liệu thứ hai khiến số liệu của bản Preview trông lỗi thời. Tính đến hôm nay, cả hai đều không có mục nào trên Artificial Analysis.

• Giá — bản Preview có giá 0,28 USD trên mỗi triệu token đầu vào và 1,13 USD trên mỗi triệu token đầu ra trên Qianfan, với giá đọc từ bộ nhớ đệm là 0,028 USD. Không có mức giá nào cho ERNIE 5.5 Flash, và việc giả định rằng nó sẽ khớp với giá của bản preview chỉ là một giả định: giá của bản preview thường chỉ là con số tạm thời.

• Bạn có thể làm gì với nó — bản Preview hiện có thể được gọi ngay hôm nay và không thể tải xuống; ERNIE 5.5 Flash thì không thể được gọi lẫn tải xuống, vì nó chưa tồn tại.

Sự bất đối xứng đáng quan tâm nằm ở cuối danh sách đó. Bản xem trước là một trong hai cái duy nhất bạn có thể kiểm tra, và cũng là cái duy nhất bạn không thể giữ lại.

Bản xem trước làm được những gì mà cái tên chưa nói hết

Preview ngụ ý mỏng, và dựa trên bằng chứng được công bố ngày 11 tháng 11, mẫu này không hề mỏng. Đây là một mô hình chỉ văn bản với khả năng sử dụng công cụ, đầu ra có cấu trúc và cửa sổ một triệu token, được định giá ở mức rẻ của phân khúc flash, và các bản demo của Baidu mô tả sản phẩm công việc thay vì những cuộc trao đổi trò chuyện: một trò chơi Unreal Engine 5.8 được lắp ghép trong một phiên lập trình duy nhất kéo dài 11 giờ, khoảng 100 trò chơi mini trên di động được tạo từ tài liệu thiết kế, một chiếc Boeing 747 và sân bay Daxing được mô hình hóa qua API Python của Blender bởi hai tác nhân phối hợp, một động cơ W16 và một xe tự hành mặt trăng được dựng thành các cụm lắp ráp FreeCAD có thể chỉnh sửa, một báo cáo nghiên cứu 20 trang về chi phí điện của trung tâm dữ liệu, một phân tích 24 trang về lái xe tự động dựa trên 4.169 báo cáo tai nạn liên bang, và một phim hoạt hình ngắn 116 giây được viết bằng hơn 10.000 dòng Python.

Chi tiết hữu ích nhất trong danh sách đó không phải là một tuyên bố về năng lực, mà là một hạn chế mà bài đăng tự nêu ra. Khi mô tả dự án Unreal, Baidu viết rằng "vì đây là một mô hình chỉ xử lý văn bản và không thể nhìn thấy màn hình", mô hình đã chuyển các vấn đề thử nghiệm trò chơi — một nhân vật lơ lửng trên mặt đất, một camera bị đặt sai vị trí — thành các bài kiểm tra đo lường được trong mã và lặp lại cho đến khi bộ kiểm thử vượt qua. Đó chính là hình hài trung thực của năng lực mô hình này: nó không thể nhìn vào bất cứ thứ gì, nên thay vào đó nó viết các khẳng định. Ở những nơi một tác vụ có thể được diễn đạt dưới dạng bài kiểm tra, nó vẫn trụ vững qua các lần chạy dài. Ở những nơi phản hồi duy nhất là đánh giá bằng mắt, mô hình đang làm việc thông qua các công cụ và, trong ít nhất một số bộ khung đánh giá chuẩn, thông qua mô hình thị giác của một công ty khác.

Điểm cuối cùng đó đến từ phần phụ lục của benchmark chứ không phải từ phần nội dung chính. Một chú thích trong bảng nêu rằng “GLM-5.3 và mô hình của chúng tôi thiếu năng lực đa phương thức gốc; khả năng hiểu hình ảnh được cung cấp thông qua một công cụ do Claude Opus 5.5 vận hành.” Dù bạn kết luận thế nào về các điểm số, kiến trúc là rõ ràng không thể nhầm lẫn: không có thị giác gốc, và đánh giá phụ thuộc vào thị giác đo lường một pipeline chứ không phải một mô hình.

Nếu bạn đang chờ ERNIE 5.5 Flash, thì bạn còn chờ gì nữa?

Bốn điều, và chỉ một trong số đó là sự cải thiện về năng lực.

Điều đầu tiên là một bảo đảm về tính ổn định. Một checkpoint trung gian không đưa ra lời hứa rằng hành vi sẽ không thay đổi giữa thời điểm hiện tại và bản phát hành, điều đó ổn cho việc khám phá và gây khó xử cho bất kỳ thứ gì có bộ kiểm thử hồi quy gắn chặt với đầu ra của mô hình.

Cái thứ hai là một bộ benchmark mà bạn có thể dùng để so sánh. Hai mươi dòng của bản xem trước — trong đó có Terminal-Bench 4.0 ở 46.5, DeepSWE v1.1 ở 71.2, MCP-Atlas ở 84.6, BrowseComp ở 87.4, HLE không dùng công cụ ở 46.4, AA-LCR v1.1 ở 79.0 — là do nhà cung cấp báo cáo và chưa được tái lập, và Baidu đã nói rằng mô hình đang cải thiện nhanh chóng. Các con số từ một mô hình đã hoàn thiện hữu ích hơn ngay cả khi chúng cao hơn, vì đó cũng là những con số mà người khác sẽ trích dẫn.

Điều thứ ba là giấy phép. Checkpoint cơ sở được phát hành theo một giấy phép cộng đồng hạn chế, loại trừ EU, Vương quốc Anh và Hàn Quốc, đặt mức trần cho việc sử dụng thương mại miễn phí dựa trên doanh thu hằng năm liên quan và yêu cầu ghi công "Powered by ERNIE" trên các sản phẩm thương mại. Trọng số của bản xem trước được cam kết theo Apache 2.0. Nếu lời hứa đó được giữ, mô hình sau huấn luyện sẽ có mức cho phép rộng rãi hơn nhiều so với checkpoint mà nó được huấn luyện từ đó — một sự đảo ngược thực sự, và là điều đáng xác nhận trên kho lưu trữ thực tế thay vì trên thông báo.

Điểm thứ tư là giá. $0.28 và $1.13 là những con số xem trước. Giá cuối cùng cho một mô hình GA trong phân khúc này có thể thay đổi theo cả hai hướng, và bất kỳ mô hình chi phí nào bạn xây dựng hôm nay nên được tham số hóa theo mức giá đó thay vì gán cứng vào nó.

Không ai trong bốn người đó lập luận rằng nên chờ đợi nếu bạn có một tác vụ có thể đánh giá trong tuần này. Họ lập luận rằng không nên ký một cam kết kéo dài nhiều quý cho một checkpoint mà Baidu đã mô tả, bằng văn bản, là chưa hoàn thiện.

Tự bạn chạy so sánh

Bạn không thể lấy ERNIE 5.5 Flash Preview từ chúng tôi. Nó được cung cấp thông qua API Qianfan của chính Baidu và thông qua các nền tảng bên thứ ba bán lại nó; OrcaRouter định tuyến hơn 200 mô hình và không có mô hình nào trong số đó là ERNIE, vì vậy bất kỳ gợi ý nào rằng chúng tôi có thể cung cấp cho bạn endpoint này đều là sai.

Điều chúng tôi có thể làm là cung cấp nhóm so sánh, tức phần của quyết định này thực sự nằm trong tầm kiểm soát của bạn: các mô hình mà Baidu đã đối chuẩn — GPT-6.1 Sol, Claude Opus 5.5, GLM-5.3, DeepSeek V4.1 Flash — đều nằm trên một khóa tương thích OpenAI với giá niêm yết của nhà cung cấp, phụ phí 0%, vì vậy việc giảm giá từ bất kỳ nhà cung cấp nào trong số đó sẽ đến hóa đơn của bạn ngay trong ngày thay vì vào lần gia hạn hợp đồng tiếp theo.

Bài đánh giá cần chạy cố tình nhàm chán. Hãy chọn mười tác vụ dài hạn từ chính công việc của bạn. Chạy từng tác vụ qua preview và qua hai mô hình mà bạn vốn sẽ dùng. Ghi lại việc nó có hoàn thành hay không, có bao nhiêu output token được gửi đi, và cuộc gọi tốn bao nhiêu. Output token là con số quyết định phép so sánh này, vì preview tính reasoning như output với giá $1.13 mỗi triệu và không có cách nào tắt reasoning — một mô hình dài dòng với bảng giá thấp thường tốn kém hơn cho mỗi tác vụ so với một mô hình ít nói với bảng giá cao. Khi đã có chi phí theo từng tác vụ, câu hỏi preview-so-với-GA không còn là về các hàng benchmark nữa mà trở thành về việc checkpoint hiện tại có đủ tốt để xây dựng tiếp trước khi nó bị thay thế hay không.

Đối với những khối lượng công việc vượt qua bài kiểm tra đó, chuyển đổi dự phòng tự động trả lời phản đối về độ ổn định theo cách duy nhất có thể trả lời được ngày hôm nay: một mô hình có thể thay đổi ngay khi bạn đang dùng thì không bao giờ nên là mô hình duy nhất trong một đường dẫn yêu cầu. Hãy định tuyến bản xem trước làm mô hình chính ở những nơi nó giành ưu thế và giữ một phương án dự phòng ở phía sau, và một sự thay đổi năng lực giữa luồng sẽ trở thành một thay đổi định tuyến thay vì một sự cố gián đoạn dịch vụ.

Năm ngày ngăn cách checkpoint nền với bản xem trước, và Baidu đã nói rằng mô hình hoàn thiện sắp ra mắt. Cách đọc hữu ích về ERNIE 5.5 Flash so với ERNIE 5.5 Flash Preview hoàn toàn không phải là một cuộc đối đầu trực diện — mà là một lịch trình. Một trong hai bản bạn có thể gọi ngay bây giờ nhưng sẽ không thể giữ lâu dài; bản còn lại bạn sẽ có thể giữ nhưng chưa thể gọi. Bất kỳ ai xây dựng trên một trong hai bản đều nên đo lường, chứ không nên cam kết, cho đến khi cột thứ hai có số liệu.