ERNIE-5.5-Flash so với GPT-6 Luna: Hạng Flash thực sự nợ bạn điều gì

Flash không phải là một con số tham số. Đó là một lời hứa thương mại với bốn điều khoản: giá trên mỗi triệu token, độ trễ mà bạn có thể lập kế hoạch cho một yêu cầu, cửa sổ ngữ cảnh mà bạn có thể định cỡ ứng dụng theo đó, và điểm số do một bên độc lập kiểm tra. GPT-6 Luna, được OpenAI phát hành vào ngày 22 tháng 9 năm 2026, công bố cả bốn. ERNIE-5.5-Flash, mà Baidu đã phát hành trọng số cơ sở vào ngày 5 tháng 11 năm 2026, không công bố điều nào trong số đó — không giá, không độ trễ phục vụ, không đánh giá độc lập, và một con số ngữ cảnh mô tả cấu hình checkpoint chứ không phải một endpoint. Vì vậy, việc đặt ERNIE-5.5-Flash đối chiếu với GPT-6 Luna không phải là một cuộc so kè trực tiếp. Đó là một phép thử hữu ích về điều mà từ “Flash” được cho là phải bảo đảm, và là minh chứng cho thấy Baidu vẫn chưa đưa ra bao nhiêu phần trong bảo đảm đó. Luna được phục vụ tại giá niêm yết của nhà cung cấp với các chính sách định tuyến cho mức nỗ lực và ngữ cảnh được giữ ở một nơi.

{{1}}Điều khoản một{{/1}}: {{2}}giá{{/2}}

GPT-6 Luna có giá niêm yết $0.10 mỗi triệu token đầu vào và $0.50 mỗi triệu token đầu ra. Đọc đầu vào từ cache có giá khoảng $0.01, ghi cache khoảng $0.125, và các prompt trên 272K token đầu vào sẽ chuyển sang bậc cao hơn với giá $0.20/$0.75. So với GPT-6 Sol ở mức $2/$10 và GPT-6 Astra ở mức $10/$50, Luna có chi phí tương ứng khoảng một phần hai mươi và một phần một trăm — OpenAI mô tả đây là đợt giảm giá vĩnh viễn 50 phần trăm so với giá khuyến mại của GPT-5.6, chứ không phải ưu đãi tạm thời.

ERNIE-5.5-Flash không có giá. Không phải giá chưa công bố, cũng không phải giá báo riêng cho doanh nghiệp: mô hình hậu huấn luyện không tồn tại, nên không có gì để định giá. Thứ tồn tại là ERNIE-5.5-Flash-Base, một MoE thưa 280B tham số với 14B tham số hoạt động trên mỗi token theo Thỏa thuận Giấy phép Mô hình Cơ sở ERNIE 5.5 Flash v1.0, được tải xuống miễn phí ở định dạng FP8 và BF16.

Đó là toàn bộ khoản một. Một mô hình với giá mười xu cho mỗi triệu token đầu vào ở một bên, và một kho lưu trữ ở bên kia.

Khoản hai: độ trễ

Hồ sơ độ trễ của Luna trung thực một cách bất thường về chính những đánh đổi của nó. Tốc độ đầu ra đạt khoảng 154 token mỗi giây. Ở mức nỗ lực suy luận thấp, thời gian trung vị đến token đầu tiên là khoảng 1,5 giây. Ở mức nỗ lực suy luận tối đa, con số này kéo dài đến khoảng 124 giây — một con số khiến mô hình không thể dùng được cho công việc tương tác ở thiết lập đó, nhưng hoàn toàn hợp lý cho phân tích theo lô. Một hạng Flash công bố cả hai con số là đang cho bạn biết nó dành cho những triển khai nào.

ERNIE-5.5-Flash không công bố thông lượng cũng như thời gian đến token đầu tiên, vì không có endpoint được phục vụ để đo. Điều có thể suy ra là ở khía cạnh kiến trúc: 14B tham số hoạt động mỗi token trên tổng 280B là một thiết kế hướng đến giải mã rẻ và nhanh, và 14B hoạt động là một working set nhỏ hơn 18B của GLM-5.3 Flash hay cách chia 8B đầu vào/16B đầu ra của DeepSeek V4.1 Flash. Trên giấy tờ, nó được xây dựng để nhanh. Trên giấy tờ cũng là nơi tuyên bố đó phải dừng lại cho đến khi có ai đó đưa nó vào phục vụ.

Điều khoản ba: ngữ cảnh

Cửa sổ của GPT-6 Luna vào khoảng một triệu token, với đầu ra bị giới hạn ở mức gần 128K. Chi tiết đáng chú ý là con số này lớn hơn 872K của GPT-6 Sol — mô hình rẻ hơn nhận nhiều đầu vào hơn mô hình đắt hơn. Điều đó đảo ngược logic nâng cấp thông thường. Mẫu định tuyến tiêu chuẩn là "gửi tải trọng lớn đến mô hình lớn"; Luna phá vỡ điều đó, và bất kỳ bộ định tuyến nào được cấu hình theo giả định cũ sẽ chi tiêu quá mức.

ERNIE-5.5-Flash-Base báo cáo ngữ cảnh huấn luyện 128K và 1,048,576 token được bật cho tinh chỉnh và suy luận trong cấu hình phát hành. Đó không phải cùng loại con số như của Luna. Một cái là cờ cấu hình trên một checkpoint chưa từng được phục vụ ở độ dài đó; cái còn lại là giới hạn sản phẩm gắn với một bậc giá ở 272K. Bằng chứng ngữ cảnh dài của Baidu là một loạt đánh giá benchmark — HELMET-RAG 71.5, RepoQA 91.7, LongBench-v2 48.7, InfiniteBench 46.5 — được chạy dưới harness riêng của họ, và bài đăng thừa nhận rằng ít nhất hai trong số các dòng ngữ cảnh dài đó thuộc về một mô hình nền tảng của đối thủ.

Điều khoản thứ tư: điểm số do người khác kiểm tra

Vị thế được công bố của Luna mang tính pha trộn, và chính điều đó khiến nó đáng tin cậy. BenchGecko báo cáo điểm trung bình 55.9 với thứ hạng khoảng 116; các số liệu gần với nhà cung cấp gồm DeepSWE v1.1 ở mức 66.6, OSWorld 2.0 ở mức 52.7, LiveBench lập trình 79 và toán 89.1. Terminal-Bench 4.0 đạt khoảng 13.6 phần trăm trong lần chạy của Vals AI, và AutomationBench ở mức 20.7. Artificial Analysis đặt chỉ số thông minh của nó vào khoảng 37 đến 38, thấp hơn Sol ở khoảng 48 và Astra ở khoảng 53, và chỉ số tác nhân lập trình của nó vào khoảng 41 — một sự thoái lui so với mức 43 của GPT-5.6 Luna. Tỷ lệ ảo giác đã cải thiện từ 93 phần trăm xuống 77 phần trăm, tốt hơn nhưng vẫn chưa tốt.

Vậy Luna là một mô hình rẻ với trần hiệu năng đã được ghi nhận và ít nhất một sự suy giảm hiệu năng đã được ghi nhận. Điều đó hữu ích cho người mua hơn một con số mạnh mà không có nguồn gốc, vì nó cho bạn biết nơi không nên dùng nó: các vòng lặp lập trình tự chủ, truy xuất thông tin thực tế có rủi ro cao, và bất cứ thứ gì phụ thuộc vào thao tác môi trường kiểu Terminal-Bench.

Phía ERNIE-5.5-Flash trong điều khoản này là một bảng mô hình nền. MMLU 93.3, MMLU-Pro 78.4, GPQA 60.2, HumanEval+ 82.3, LiveCodeBench 40.1 — tất cả đều được đo trước hậu huấn luyện, trong bộ khung đánh giá của Baidu, so với các checkpoint nền khác. Đó là một bảng hợp lệ. Nó không phải là câu trả lời cho câu hỏi "mô hình tôi sẽ gọi tốt đến mức nào", bởi vì mô hình mà bạn sẽ gọi vẫn chưa được xây dựng.

Tại sao “Flash” ở 280B lại là một con thú khác

Có một điểm về cấu trúc ẩn dưới phép so sánh. Luna là một mô hình nhỏ được làm rẻ nhờ chính việc nó nhỏ. ERNIE-5.5-Flash là một mô hình lớn được làm rẻ bằng cách kích hoạt một phần nhỏ của chính nó — 14B trên 280B mỗi token. Kinh tế học thực sự khác biệt: chi phí bộ nhớ tăng theo tổng 280B, chi phí tính toán tăng theo 14B hoạt động. Với một nhà cung cấp phục vụ ở quy mô lớn, đó là một cấu trúc chi phí hấp dẫn, vì phần đắt được phân bổ qua nhiều yêu cầu đồng thời và phần rẻ chính là thứ mỗi token phải trả.

Đối với một người tự host, cùng hình thái đó lại là một vấn đề. Bạn cần bộ nhớ cho 280B tham số ở FP8 — vào khoảng 280GB trước KV cache — để có được hồ sơ tính toán của một mô hình 14B. Đó là một triển khai trung tâm dữ liệu, không phải máy trạm, và đó là lý do vì sao các checkpoint gốc cỡ này có xu hướng trở thành API thay vì mô hình cục bộ.

Luna thì ngược lại: đủ nhỏ để được cung cấp rộng rãi, giá cả phản ánh điều đó, và có sẵn qua API của OpenAI, ChatGPT Work, Codex cùng ứng dụng máy tính để bàn ở các gói Free và Go. Việc phân phối là một phần của sản phẩm.

OrcaRouter phù hợp ở đâu, và ở đâu thì không

GPT-6 Luna có thể định tuyến trên OrcaRouter dưới dạng openai/gpt-6-luna, theo giá niêm yết của nhà cung cấp với phụ phí 0%. Điều đó còn quan trọng hơn bình thường đối với mô hình này, vì các quyết định định tuyến đáng chú ý xoay quanh Luna không hề liên quan đến giá — mà là mức nỗ lực. Một yêu cầu cần độ trễ token đầu tiên 1,5 giây không nên được gửi tới cùng thiết lập mức nỗ lực như một tác vụ hàng loạt có thể chờ hai phút, và một khối lượng công việc đôi khi cần 800K ngữ cảnh không nên mặc định dùng Sol với giả định rằng mô hình lớn hơn có cửa sổ lớn hơn. Một lớp định tuyến có thể giữ các chính sách đó ở một nơi, với tự động chuyển đổi dự phòng khi một nhà cung cấp bị suy giảm, mới thực sự phát huy tác dụng ở đây.

ERNIE-5.5-Flash không có trong danh mục OrcaRouter — 216 ID mô hình, không có mục ERNIE nào — và không có gì trong bài viết này nên được hiểu là tuyên bố rằng nó có mặt. Không có endpoint nào để định tuyến tới. Quan điểm trung thực là vào ngày Baidu phục vụ mô hình đã qua huấn luyện hậu kỳ, câu hỏi định tuyến sẽ trở nên thú vị; hôm nay nó chỉ là giả thuyết.

Điều gì sẽ khiến ERNIE trở thành đối thủ cạnh tranh của Luna?

Bốn điều, và chúng chính là bốn điều khoản giống nhau.

Mức giá từ $0.10/$0.50 trở xuống. Bất kỳ mức giá nào cao hơn giá của Luna đều phải tự biện minh bằng chất lượng tiếng Trung hoặc vị trí lưu trữ dữ liệu, và Baidu vẫn chưa đưa ra lập luận nào trong hai lập luận đó cho mô hình này.

• Một con số thông lượng được đo lường. Thiết kế 14 tỷ tham số hoạt động gợi ý rằng nó có thể nhanh; cho đến khi một nhà cung cấp công bố số token mỗi giây và thời gian đến token đầu tiên, đó chỉ là suy luận từ kiến trúc, không phải thông số kỹ thuật.

• Giới hạn ngữ cảnh được phục vụ gắn với một mức giá. Cấu hình 1,048,576 token là một năng lực của checkpoint. Cửa sổ của Luna là một điều khoản sản phẩm, bao gồm bậc giá 272K. Đó là những cam kết khác nhau.

• Một mô hình đã qua huấn luyện hậu kỳ với đánh giá độc lập. Đây là điểm mấu chốt. Khoảng cách giữa một checkpoint cơ sở và một mô hình Flash hoàn chỉnh chính là nơi chứa đựng khả năng tuân thủ chỉ dẫn, sử dụng công cụ và kỷ luật định dạng, và đó chính xác là khoảng cách mà Luna đã trải qua.

Cho đến khi bốn mô hình đó ra đời, phép so sánh có một câu trả lời rõ ràng cho bất kỳ ai đang mua năng lực: GPT-6 Luna, với những điểm yếu đã được ghi nhận, là một lựa chọn thực sự với một mức giá thực sự, còn ERNIE-5.5-Flash là một bản phát hành nghiên cứu khoác lên mình cái tên của một phân khúc sản phẩm. Điều đáng chú ý hơn là Baidu đã chọn phát hành trọng số cơ sở trước và công bố rầm rộ kiến trúc — 43 lớp, 37 HCA cộng 6 MLA-DSA, 512 chuyên gia định tuyến ở top-10, bộ từ vựng 201,216 token — điều này giống như một phòng thí nghiệm mời gọi công việc hậu huấn luyện hơn là một nhà cung cấp mở kênh bán hàng. Đánh giá nó theo tiêu chuẩn đó thì đây là một bản phát hành tốt. Đánh giá nó so với Luna thì nó vẫn chưa ở cùng một thị trường.