ERNIE-5.5-Flash vs DeepSeek V4.1 Flash: Baidu tự chọn cuộc chiến này

Phép so sánh hữu ích nhất cho ERNIE-5.5-Flash không phải do một người đánh giá viết. Nó nằm trong chính bảng benchmark của Baidu, nơi ERNIE-5.5-Flash-Base mới ra mắt được chấm điểm so với DeepSeek-V4-Flash-Base với tổng 284B và 13B tham số hoạt động — gần như chính xác cùng phân khúc kích thước với ERNIE 280B tổng và 14B hoạt động. Đó là cuộc đối đầu ngang cơ duy nhất trong toàn bộ đợt ra mắt ERNIE 5.5: hai checkpoint tiền huấn luyện, một harness, cùng các prompt. Mọi thứ khác trong màn so tài này đều bất đối xứng, bởi vì DeepSeek V4.1 Flash là một mô hình hoàn chỉnh, được cấp phép MIT, có giá và được phục vụ, còn ERNIE-5.5-Flash là một checkpoint nền mà phiên bản hậu huấn luyện của nó, theo Baidu, “sẽ ra mắt sau”. Bài viết trung thực vì thế là hai bài viết: những gì các con số base-với-base nói lên, và điều gì xảy ra khi bạn đặt những con số đó cạnh một mô hình mà người ta thực sự có thể gọi.OrcaRouter chuyển tiếp giá niêm yết của nhà cung cấp mà không cộng thêm phụ phí, nên ưu đãi theo khung giờ trong ngày của DeepSeek được áp dụng ngay trong ngày nó có hiệu lực.

Phép so sánh duy nhất mà Baidu tiến hành trên cơ sở bình đẳng

Baidu đã công bố 30 bài đánh giá benchmark thuộc bảy hạng mục, được đánh giá trong một pipeline duy nhất với prompt và ví dụ few-shot giống hệt nhau, so với ba mô hình nền: DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B) và MiMo-V2.5-Base (310B-A15B). Dòng DeepSeek là dòng cần đọc kỹ, vì số lượng tham số đủ gần nhau đến mức kiến trúc và chất lượng dữ liệu mới là yếu tố tạo ra khác biệt chứ không phải quy mô.

• Tổng số tham số — ERNIE-5.5-Flash-Base 280B so với DeepSeek-V4-Flash-Base 284B

• Kích hoạt trên mỗi token — 14B so với 13B

• Số token tiền huấn luyện — 33.5T so với không được nêu trên hàng so sánh

• Ngữ cảnh huấn luyện — 128K so với 128K-class

• Đã phát hành trọng số — FP8 và BF16, cả hai đều đã có sẵn ngay bây giờ

• Giấy phép — Thỏa thuận Cấp phép Mô hình Cơ sở ERNIE 5.5 Flash v1.0 so với MIT

Ở những hàng mà Baidu nhấn mạnh, ERNIE dẫn đầu: MMLU 93,3, MMLU-Pro 78,4, GPQA 60,2, BBH 89,2 với chain of thought, HumanEval+ 82,3, MBPP+ 81,5, HELMET-RAG 71,5 và RepoQA 91,7. Đây thực sự là một bảng thông số mô hình nền mạnh. Nhưng nó cũng do nhà cung cấp tự thực hiện, trên một harness do Baidu thiết kế, công bố đúng ngày trọng số được phát hành. Hãy coi đó là một tuyên bố kèm phụ lục chi tiết, không phải một kết quả.

Phần mang nhiều thông tin hơn là chỗ ERNIE thua. Bài đăng của Baidu thừa nhận rằng ChineseSimpleQA, INCLUDE-lite, HELMET-Rerank, InfiniteBench và FullStackBench về tay một đối thủ cạnh tranh. Một bảng ra mắt công bố cả những chỗ thua của chính mình đang cho bạn thấy rằng phép so sánh đã được thực hiện một cách thiện chí — điều này nâng cao, chứ không hạ thấp, giá trị của những hàng mà ERNIE thắng.

Nơi tính đối xứng bị phá vỡ: một mô hình đã hoàn thành

DeepSeek V4.1 Flash được phát hành vào ngày 10 tháng 9 năm 2026, với bản snapshot “1017” vào ngày 17 tháng 10. Đây là mô hình hỗn hợp chuyên gia thưa với phần xương sống 552B và tổng cộng khoảng 763B tham số bao gồm bộ nhớ có điều kiện, kích hoạt 8B ở đầu vào và 16B ở đầu ra. Đầu vào đa phương thức gốc, ngữ cảnh 1M token, 45T token huấn luyện và giấy phép MIT. Theo mức giá niêm yết mà OrcaRouter cung cấp cho mô hình này, chi phí là 0,15 USD mỗi triệu token đầu vào và 0,60 USD mỗi triệu token đầu ra, với lượt đọc từ bộ nhớ đệm ở mức 0,003–0,006 USD; API riêng của DeepSeek có thêm chiết khấu theo thời điểm trong ngày, điều đáng để biết trước khi bạn xây dựng mô hình chi phí dựa trên con số thấp nhất mà mình có thể tìm thấy.

Mô hình đó tuân theo chỉ dẫn, gọi được công cụ, nhận được hình ảnh và có giá niêm yết công khai. ERNIE-5.5-Flash-Base không làm được điều nào trong số đó, vì nó chưa được huấn luyện sau. Vì vậy, phép so sánh có ý nghĩa với người mua không phải là so sánh base với base — mà là so sánh mô hình hoàn chỉnh với mô hình hoàn chỉnh, và một trong hai mô hình hoàn chỉnh đó vẫn chưa tồn tại.

Đây không phải là một lưu ý nhỏ. Post-training là nơi tạo ra khả năng tuân theo chỉ dẫn, sử dụng công cụ, hành vi từ chối, kỷ luật định dạng và phần lớn chất lượng cảm nhận được của một mô hình Flash-tier hiện đại. Điểm MMLU của một checkpoint gốc cho bạn biết về prior. Nó gần như không cho bạn biết liệu mô hình có đáng tin cậy phát ra một đối tượng JSON, tuân theo một system prompt hay trụ được qua một vòng lặp agent 40 lượt hay không. DeepSeek V4.1 Flash đã công bố hành vi trên những trục đó. ERNIE 5.5 Flash mới chỉ có một lời hứa.

Sự khác biệt về giấy phép mới là vấn đề ngầm đáng lưu tâm.

DeepSeek phát hành V4.1 Flash theo giấy phép MIT. Đây gần như là mức cho phép tối đa trong việc cấp phép mô hình: sử dụng thương mại, sửa đổi, phân phối lại, không hạn chế lĩnh vực sử dụng, không có thỏa thuận riêng cần đàm phán. Baidu phát hành ERNIE-5.5-Flash-Base theo Thỏa thuận Giấy phép Mô hình Cơ sở ERNIE 5.5 Flash v1.0 — một giấy phép riêng, không phải Apache 2.0, và đáng chú ý là một bước lùi so với ERNIE 4.5, vốn được phát hành theo Apache 2.0 vào năm 2025.

Đối với một nhóm nghiên cứu, điều này có thể không quan trọng. Nhưng với một công ty muốn tinh chỉnh trên dữ liệu độc quyền và tung ra sản phẩm, đó là điều đầu tiên bộ phận pháp lý sẽ đọc, và các giấy phép mô hình Trung Quốc được thiết kế riêng từ trước đến nay thường đi kèm các hạn chế sử dụng, yêu cầu ghi công và các ngưỡng mà MIT không có. Việc trọng số có thể tải xuống không đồng nghĩa với việc trọng số có thể được sử dụng theo các điều khoản của bạn.

Sự khác biệt đó càng nhân lên theo quy mô. ERNIE với tổng 280B tham số là một bài toán khoảng 280GB ở FP8 trước khi tính thêm bộ nhớ đệm KV và phần dư cho kích hoạt; tổng 763B của DeepSeek V4.1 Flash còn lớn hơn, đó chính xác là lý do hầu hết các nhóm tiếp cận nó qua API thay vì một cụm GPU. Nếu kế hoạch của bạn là tự triển khai một trong hai, thì giấy phép là bài toán rẻ hơn cần giải quyết.

Phục vụ: cả hai repo đều nêu tên các công cụ giống nhau, một bên có lợi thế đi trước hai tháng

Thẻ mô hình của Baidu có các ví dụ SGLang và vLLM, và kho Megatron-Bridge của NVIDIA đã bao gồm một ví dụ tinh chỉnh ERNIE 5.5. Đó là một bản phát hành chỉn chu — một mô hình nền với các công thức phục vụ ngay từ ngày đầu là điều mà nhiều phòng thí nghiệm còn chưa làm được.

Lợi thế hệ sinh thái của DeepSeek không nằm ở các công thức, mà ở số dặm đã chạy. V4.1 Flash đã được đưa vào vận hành gần hai tháng, có bản chụp 1017 với các mức chênh lệch đã công bố — Terminal-Bench 4.0 tăng từ 31.2 lên 42.3, DeepSWE v1.1 từ 74.2 lên 77.0 — và có sẵn qua API của chính nhà cung cấp cùng một số nền tảng bên thứ ba, bao gồm OrcaRouter. Khi một phép lượng tử hóa bị hỏng hoặc một kernel bị hồi quy, đã có người gửi vấn đề rồi.

Cụ thể là trên OrcaRouter, deepseek/deepseek-v4.1-flash và bản được ghim deepseek/deepseek-v4.1-flash-1017 đều có thể định tuyến ngay hôm nay theo giá niêm yết của nhà cung cấp với mức markup 0%, nghĩa là mức giảm ngoài giờ cao điểm sẽ hiện lên trong hoá đơn của bạn ngay vào ngày DeepSeek áp dụng, chứ không phải sau khi đã cộng thêm phần chênh lệch của nhà bán lại. ERNIE-5.5-Flash không có trong danh mục — không có mục ERNIE nào trong số 216 mã mô hình — nên không nên hiểu bất cứ điều gì ở đây là tuyên bố về việc lưu trữ ERNIE. Điểm về định tuyến thì hẹp hơn: nếu bạn đang cân nhắc giữa một mô hình có thể gọi ngay và một mô hình không thể, thì câu hỏi về nền tảng đã được giải quyết rồi.

Việc cần làm trong tuần này

Nếu bạn cần một mô hình Flash giá rẻ, ngữ cảnh dài để chạy trong môi trường production, thì DeepSeek V4.1 Flash chính là câu trả lời, còn ERNIE không nằm trong danh sách cân nhắc. Đó không phải là lời đánh giá về chất lượng checkpoint của Baidu. Đó là khẳng định rằng một mô hình base chưa được định giá, chưa qua post-training và chưa được đưa vào phục vụ thì không thể giữ một suất trong production.

Nếu bạn đang thực hiện continued pretraining bằng tiếng Trung, bài toán sẽ đảo chiều. ERNIE-5.5-Flash-Base với 280B-A14B và 33.5T token hậu thuẫn phía sau là một điểm khởi đầu đáng tin cậy, kiến trúc được tài liệu hóa chi tiết đến mức bất thường — 43 lớp, 37 HCA cộng 6 MLA-DSA, 512 expert được định tuyến ở top-10, vốn từ vựng 201,216 token — và ví dụ Megatron-Bridge rút ngắn con đường đến lần fine-tune đầu tiên. Hãy đọc giấy phép trước khi bạn đọc các benchmark.

Nếu bạn đang đánh giá thay vì xây dựng, động thái hữu ích là tự mình chạy phép so sánh cơ sở đã công bố của Baidu trên hai checkpoint mở. Cả hai đều có thể tải xuống, cả hai đều khớp với cùng một bộ khung đánh giá, và tái tạo bảng là cách duy nhất để biết liệu đợt quét 30 benchmark có đứng vững khi được một người thứ hai kiểm chứng hay không.

Con số cần theo dõi

Đó không phải là MMLU. Đó là mức giá mà Baidu cuối cùng sẽ đặt cho ERNIE 5.5 Flash đã qua hậu huấn luyện. DeepSeek V4.1 Flash đã đặt mức tham chiếu ở $0.15/$0.30 cho đầu vào và $0.60/$1.20 cho đầu ra, với ngữ cảnh 1M và giấy phép MIT. Một mô hình tầm Flash ra mắt với mức giá cao hơn mức đó cần một lý do cụ thể để tồn tại — chất lượng tiếng Trung, lưu trú dữ liệu, hoặc một năng lực mà DeepSeek không có. Một mô hình ra mắt với giá thấp hơn sẽ thay đổi bài toán chi phí cho mọi khối lượng công việc tiếng Trung.

Chừng nào con số đó chưa xuất hiện, cuộc đối đầu này chỉ có đúng một kết luận đứng vững: Baidu đã xây dựng một mô hình nền tảng ngang tài ngang sức với mô hình nền tảng của DeepSeek ở cùng quy mô, và vẫn chưa phát hành thứ sẽ cho phép bất kỳ ai so sánh các sản phẩm. Đó là một kết quả thực sự. Chỉ là nó không phải kết quả mà truy vấn tìm kiếm đang hỏi tới.