ERNIE-5.5-Flash vs Claude Haiku 5.5: Một checkpoint cơ sở chạm mức giá sàn

Baidu đã đưa ERNIE-5.5-Flash-Base lên Hugging Face sáng nay, và dòng đầu tiên của model card chính là điều quan trọng: trọng số là checkpoint cuối quá trình tiền huấn luyện, không áp dụng mid-training và không áp dụng post-training. Theo bài đăng phát hành của Baidu, ERNIE 5.5 Flash sau post-training "sẽ ra mắt sau". Chỉ một câu đó khiến việc so sánh trực tiếp với Claude Haiku 5.5 hôm nay là bất khả thi, vì Claude Haiku 5.5 là một mô hình hoàn chỉnh, đã được tinh chỉnh theo chỉ dẫn mà Anthropic bán với giá $0.10 mỗi triệu token đầu vào và $0.50 mỗi triệu token đầu ra. Một bên của cuộc đối đầu này là một sản phẩm nghiên cứu. Bên kia là một sản phẩm có bảng giá. Phần tiếp theo trình bày mỗi bên thực sự là gì, những con số Baidu công bố có thể và không thể được đặt cạnh điều gì, và điều gì sẽ phải thay đổi trước khi phép so sánh mà người ta đang tìm kiếm trở thành một phép so sánh thực sự. ERNIE-5.5-Flash hiện chưa có trong đó hôm nay. xem toàn bộ danh mục mô hình Nó liệt kê mọi mô hình mà OrcaRouter có thể định tuyến, cùng giá nhà cung cấp trực tiếp.

Baidu thực sự đã công bố gì hôm nay

Bản phát hành gồm hai kho lưu trữ — baidu/ERNIE-5.5-Flash-Base ở dạng FP8 và baidu/ERNIE-5.5-Flash-Base-BF16 — cùng một bài đăng kỹ thuật trong mục Cập nhật Sản phẩm trên ernie.baidu.com. Đây là một mô hình ngôn ngữ hỗn hợp chuyên gia thưa với tổng cộng 280 tỷ tham số và 14 tỷ tham số được kích hoạt cho mỗi token, được tiền huấn luyện từ đầu trên 33,5 nghìn tỷ token bằng bộ tối ưu hóa Muon và độ chính xác hỗn hợp FP8. Thanh bên của Hugging Face làm tròn tổng số thành 286 tỷ; thẻ mô hình cho biết cả hai con số đều không tính 0,36 tỷ tham số mà Baidu gọi là tham số ECHO.

Kiến trúc rất cụ thể, điều này không bình thường đối với một đợt phát hành âm thầm. Bốn mươi ba lớp, một lớp dense và 42 lớp MoE. Ba mươi bảy lớp sử dụng cơ chế chú ý nén mà Baidu gọi là HCA, lưu đệm một mục trên mỗi 128 token; sáu lớp sử dụng MLA với cơ chế chú ý thưa kiểu DeepSeek. Kích thước ẩn 4.096, 64 đầu, 512 chuyên gia định tuyến với định tuyến top-10 cộng thêm một chuyên gia chia sẻ, và từ vựng gồm 201.216. Ngữ cảnh huấn luyện là 128K; cấu hình phát hành cho phép 1.048.576 token để tinh chỉnh và suy luận.

Công cụ đi kèm với nó. Thẻ mô hình có các ví dụ triển khai SGLang và vLLM, và kho Megatron-Bridge của NVIDIA đã có sẵn một ví dụ ERNIE 5.5 để tinh chỉnh. Đó là phạm vi thực tế của một bản phát hành cơ sở hướng đến những người định huấn luyện trên nó, chứ không phải những người định gọi nó.

Những gì chưa được phát hành: một mô hình instruct, một chat template xứng với tên gọi, một danh mục API, một mức giá, hay một benchmark độc lập nào. Tính đến thời điểm công bố, không có mục ERNIE nào trong danh mục 216 mô hình của OrcaRouter, và không có trang Artificial Analysis. Các điểm số duy nhất tồn tại là của chính Baidu, được chạy trên 30 benchmark theo một harness thống nhất so với ba base mô hình khác: DeepSeek-V4-Flash-Base ở 284B-A13B, Hy3-preview-Base ở 295B-A21B, và MiMo-V2.5-Base ở 310B-A15B.

Claude Haiku 5.5 đang bán gì

Claude Haiku 5.5 ra mắt vào đầu tháng 10 năm 2026 với tư cách là phân khúc nhỏ, nhanh của Anthropic, và hình thức thương mại của nó đối lập với màn ra mắt của Baidu: mọi thứ đều được công bố, niêm yết giá và cung cấp. Điểm đáng chú ý là mức giảm giá khoảng 90% so với Haiku 4.5 ở phân khúc ngữ cảnh ngắn — 0,10 USD đầu vào và 0,50 USD đầu ra cho mỗi triệu token đối với lời nhắc tối đa 100K token, tăng lên 0,50 USD và 2,50 USD khi vượt ngưỡng đó. Lượt đọc đầu vào đã lưu trong bộ nhớ đệm có giá 0,01 USD, xử lý theo lô bằng một nửa mức giá tiêu chuẩn. Cách diễn giải của chính Anthropic là một tokenizer mới đếm nhiều hơn khoảng 30% token cho cùng một văn bản, nên mức tiết kiệm thực tế cho mỗi tác vụ nhỏ hơn so với con số niêm yết — khoảng 75% theo ước tính của chính Anthropic.

Bảng thông số kỹ thuật là một bảng giới thiệu sản phẩm. Ngữ cảnh một triệu token, đầu ra tối đa 128K, đầu vào văn bản và hình ảnh với đầu ra văn bản, ngày cắt kiến thức là tháng 6 năm 2026 và năm mức nỗ lực từ thấp đến tối đa. Anthropic định vị đây là mô hình nhanh nhất của mình ở tốc độ tiêu chuẩn; Artificial Analysis đo được 258 token đầu ra mỗi giây trong lần chạy hiện tại. Mô hình có sẵn thông qua API của chính Anthropic, Amazon Bedrock, Google Vertex AI và Microsoft Foundry.

Đó là hai đối tượng. Một checkpoint gốc 280B tham số theo một giấy phép riêng, và một mô hình được lưu trữ với ngữ cảnh 1M với giá mười xu mỗi triệu token đầu vào. Việc đặt chúng vào cùng một câu chỉ có thể biện minh được nếu bạn nói rõ mình đang trả lời câu hỏi nào.

Vì sao 93,3 MMLU không phải là con số của Haiku

Thẻ mô hình của Baidu báo cáo MMLU 93,3, MMLU-Pro 78,4, GPQA 60,2, BBH 77,1 ở chế độ trực tiếp và 89,2 với chuỗi suy luận, HumanEval+ 82,3, MBPP+ 81,5, LiveCodeBench 40,1, HELMET-RAG 71,5, RepoQA 91,7 và LongBench-v2 48,7. Đó là những con số mạnh đối với một mô hình cơ sở. Về mặt cấu trúc, chúng cũng không thể so sánh với bất kỳ thứ gì Anthropic công bố cho Haiku 5.5.

Ba lý do, và cả ba đều quan trọng. Thứ nhất, các mô hình base được đánh giá bằng cách prompting khác nhau — hoàn thành few-shot thay vì tuân theo chỉ dẫn — nên điểm của một mô hình base đo lường tiên nghiệm đã tiền huấn luyện, chứ không phải trợ lý mà nhà phát triển gọi đến. Thứ hai, các harness khác nhau: Baidu chạy pipeline riêng với prompt và số lượng few-shot riêng của mình, đó là cách đúng để so sánh mô hình của họ với các mô hình base khác và là cách sai để so sánh nó với các benchmark instruct của nhà cung cấp. Thứ ba, MMLU ở mức 93 đã đi sâu vào vùng bão hòa; giờ đây khác biệt giữa các mô hình hàng đầu trên benchmark đó còn nhỏ hơn cả hiệu ứng định dạng giữa các harness.

Vậy cách hiểu trung thực về "ERNIE-5.5-Flash so với Claude Haiku 5.5 trên các benchmark" là: chưa có so sánh như vậy, và bất kỳ ai tuần này công bố một so sánh như thế thì hoặc là đang so sánh một base checkpoint với một instruct model mà không nói ra, hoặc là đang bịa ra các con số của instruct model.

Một chi tiết trong chính bảng của Baidu đáng để giữ lại, vì nó đi ngược lại câu chuyện ra mắt. Bài đăng thừa nhận rằng các đối thủ thắng ở một số dòng — ChineseSimpleQA, INCLUDE-lite, HELMET-Rerank, InfiniteBench và FullStackBench đều thuộc về một trong những mô hình nền khác. Một nhà cung cấp công bố cả những điểm thua của mình trong cùng một bảng với những điểm thắng đang cho bạn một tín hiệu hữu ích về mức độ đáng tin cậy của phần còn lại trong bảng.

Mức giá chưa tồn tại

“Flash” trong cách đặt tên của Baidu là một nhãn phân hạng, không phải thông số kỹ thuật. Dòng ERNIE có một thang giá đã được thiết lập — ERNIE 5.1 nằm ở khoảng 0,59 USD cho đầu vào và 2,65 USD cho đầu ra trên mỗi triệu token trong danh sách Qianfan quốc tế, còn ERNIE 4.5 Turbo thấp hơn nhiều — nhưng ERNIE 5.5 Flash không có mức giá công bố, không có endpoint Qianfan và không có danh sách bên thứ ba. Khi tìm kiếm giá của nó, chỉ trả về bản phát hành cơ sở và không có gì khác.

Khoảng cách đó chính là toàn bộ câu hỏi thương mại. Mức $0.10/$0.50 của Haiku 5.5 đã định lại mức giá mà một mô hình nhỏ được phép có, và đó là con số mà mọi bản ra mắt thuộc tầng Flash hiện đang được đo so với. Nếu Baidu định giá ERNIE 5.5 Flash cao hơn mức đó, mô hình sẽ phải biện minh bằng chất lượng tiếng Trung hoặc bằng việc lưu trú dữ liệu. Nếu định giá thấp hơn, nó trở thành một lựa chọn nghiêm túc cho các khối lượng công việc tại Trung Quốc đại lục. Cho đến khi một mức giá xuất hiện, cả hai nhánh đều không thể được kiểm chứng.

Artificial Analysis, đơn vị có chỉ số được xây dựng lại vào ngày 27 tháng 10 năm 2026, xếp Claude Haiku 5.5 ở vị trí 36 khi ở mức nỗ lực tối đa — một con số thuộc chỉ số hiện tại và không thể so sánh với các con số trước khi tái cơ sở vẫn đang lưu hành cho các mô hình khác. Điểm mấu chốt không phải là giá trị chính xác. Mà là Haiku có một vị trí trên thang đó còn ERNIE-5.5-Flash thì không, vì không có mô hình instruct nào để kiểm thử.

Đây cũng là điểm mà việc định tuyến thay đổi quyết định. OrcaRouter chuyển thẳng giá niêm yết của nhà cung cấp với mức chênh lệch 0%, vì vậy khi một nhà cung cấp cắt giảm giá, mức giá mới sẽ có hiệu lực trên nền tảng ngay trong cùng ngày thay vì sau khi biên lợi nhuận của nhà bán lại được tính lại. ERNIE-5.5-Flash hiện không có trong danh mục đó — 216 mã mô hình, không có mã nào là ERNIE — vì vậy lời khuyên thực tế cho bất kỳ ai đang lập mô hình chi phí là hãy xây dựng nó trên các mô hình thực sự có giá, và xem xét lại khi Baidu công bố bảng giá.

Ai nên clone repo trong tuần này

Không phải các nhà phát triển ứng dụng. Checkpoint gốc không có hành vi tuân thủ hướng dẫn nào đáng kể, và để nó hoạt động như một trợ lý thì bạn sẽ phải tự thiết kế một quy trình hậu huấn luyện. Ba nhóm thì có lý do để tải trọng số về ngay bây giờ.

• Các nhóm thích ứng miền làm việc bằng tiếng Trung — 33,5T token tiền huấn luyện và bộ từ vựng 200K, tiếp tục tiền huấn luyện trên một mô hình nền là điểm khởi đầu hợp lý, và ví dụ Megatron-Bridge giúp giảm chi phí thử nghiệm.

• Các nhà nghiên cứu RL và post-training muốn có một mô hình 14B-active với chi tiết kiến trúc đã được công bố — định tuyến top-10 với 512 chuyên gia và tỷ lệ tách 37/6 HCA-to-MLA được ghi chép đủ rõ để tái tạo.

• Các nhóm đánh giá muốn có một đường cơ sở sạch trước khi mô hình instruct ra mắt — tự mình chạy bản base ngay bây giờ sẽ cho bạn một điểm tham chiếu mà tiếp thị của nhà cung cấp không thể thay đổi về sau.

Mọi người khác nên chờ đã. Một mô hình mà bạn không thể gọi, định giá hoặc đánh giá hiệu năng so với một mô hình instruct thì không phải là một lựa chọn mua sắm, và tổng số tham số 280B nghĩa là tự vận hành nó là một bài toán nhiều GPU ngay cả ở FP8.

Điều gì sẽ làm thay đổi phán quyết

Bốn sự kiện, theo thứ tự mà chúng có khả năng trở nên quan trọng.

• Bản ERNIE 5.5 Flash đã qua huấn luyện sau đã ra mắt. Baidu nói rằng họ sẽ tiếp bước. Cho đến khi điều đó xảy ra, mọi so sánh về năng lực đều chỉ mang tính suy đoán, và khoảng cách giữa một checkpoint cơ sở với một mô hình Flash hoàn chỉnh chính là nơi chứa phần lớn chất lượng mà người dùng có thể thấy.

• Một mức giá xuất hiện trên Qianfan. Đó là lúc việc so sánh với Haiku trở thành một quyết định thực sự, chứ không còn là một lỗi phạm trù.

• Một đánh giá độc lập được công bố. Thông tin từ Artificial Analysis hoặc LMArena sẽ biến bộ khung đánh giá của Baidu thành thứ có thể kiểm chứng chéo. Lưu ý rằng bản thân chỉ số AA đã được rebase vào ngày 27 tháng 10 năm 2026, vì vậy không nên so sánh các số liệu trước rebase đang lưu hành cho Haiku 5.5 và những mô hình khác với các số liệu sau rebase.

• Một bên lưu trữ bên thứ ba tiếp nhận nó. Đó thường là dấu hiệu cho thấy chi phí phục vụ đã được hiểu rõ, và là thời điểm một mô hình trở nên có thể định tuyến thay vì chỉ có thể tải xuống.

Việc so sánh trong tiêu đề sẽ đáng để viết khi hai trong bốn điều đó đã xảy ra. Những gì tồn tại hôm nay là một mô hình nền tảng được ghi chép đầy đủ, một giấy phép không phải Apache, và một tên hạng sản phẩm không có sản phẩm nào đằng sau. Claude Haiku 5.5, trong khi đó, là một mô hình hoàn chỉnh với mức giá mà các nhà cung cấp khác giờ đây phải đáp lại. Ở câu hỏi duy nhất mà người mua đặt ra — một token tốn bao nhiêu và nó làm được gì — một bên có câu trả lời và bên kia có một lời hứa.

Điều thú vị không phải là việc Baidu âm thầm phát hành. Mà là công ty đã chọn phát hành trọng số gốc trước, trước cả mô hình mà bất kỳ ai cũng có thể dùng, và không định giá gì cả. Đó là nhịp phát hành của một phòng nghiên cứu, không phải một buổi ra mắt sản phẩm, và nên được hiểu đúng như vậy.