ERNIE 5.5 Flash 对比 ERNIE 5.5 Flash Preview：你实际调用的究竟是哪一个？

百度自家网站列出了两个 ERNIE 5.5 产物，而它们都不叫 ERNIE 5.5 Flash。一个是 ERNIE 5.5 Flash Base，即 11 月 5 日发布的 280B 原始检查点；另一个是 ERNIE 5.5 Flash Preview，即 11 月 11 日发布的训练后模型。ERNIE 5.5 Flash——不带后缀、出现在价目表和模型选择器中的那个名字——才是 Preview 所预览的模型。这不是可以一带而过的营销怪癖；这正是比较的全部实质，因为将 ERNIE 5.5 Flash Preview 与 ERNIE 5.5 Flash 区分开的一切，都是检查点与正式发布版之间的差异，而不是两种架构之间的差异。同样是 2800 亿总参数，同样是 140 亿激活参数，同样是 1M token 上下文。差异在于许可证、日期、稳定性保证，以及一组百度已明确告知你会变化的数字。 对比组是这一决策中你能掌控的那一半。 供应商目录价，0% 加价 GPT-6.1 Sol、Claude Opus 5.5、GLM-5.3 和 DeepSeek V4.1 Flash 都以供应商目录价挂在同一个密钥下，OrcaRouter 费用显示为 $0.00。

命名才是让人困惑的部分，所以从那里开始吧

三个名字、两个模型、一条发布流水线。ERNIE 5.5 Flash Base 是预训练检查点：总参数 280B、激活参数 14B、43 层，采用带共享专家的稀疏混合专家架构，在 33.5 万亿个 token 上训练，今天即可在 Hugging Face 上以受限社区许可证下载。ERNIE 5.5 Flash Preview 是该检查点经过后训练后的版本——它能遵循指令、使用工具、编写游戏代码并生成幻灯片。ERNIE 5.5 Flash 则在存在时，是同一模型在后训练完成后的版本。

百度在发布帖中直白地说明了这层关系：Preview“是后训练阶段的一个中间检查点。它已经能与同规模模型竞争，但由于训练尚未完成，部分能力可能仍有不足。后训练仍在进行，ERNIE 5.5 Flash 正在快速提升。”把这句话读两遍。公司在告诉你，你今天可以调用的模型和你几个月后将会调用的模型，共享同一个名称词干、同一套架构和同一个上下文窗口，区别只在于完成度不同。如果你在它们之间做选择，你并不是在两个系统之间做选择。你是在选择现在买，还是等待。

比较，逐维度进行

以下是实际存在差异的地方，每一行都列出了双方的内容：

• 身份——ERNIE 5.5 Flash Preview 是一个有名称、可调用的检查点，于2026年11月11日发布；ERNIE 5.5 Flash 是一个尚未发布的后续版本，没有发布日期、没有模型卡，也没有自己的端点。

• 架构与规模——两侧完全相同：总参数 280B，激活参数 14B，上下文长度 1M token，继承自 11 月 5 日的 ERNIE 5.5 Flash Base 检查点。后训练不会改变模型规模。

• 权重与许可证——Preview 承诺将“很快”以 Apache 2.0 发布，但截至 11 月 11 日，Hugging Face 上尚无仓库；最终推出的 ERNIE 5.5 Flash 将受百度在正式发布时采用的任何许可证约束，该公司尚未说明该许可证，也不保证其与前者相同。应将 Apache 2.0 承诺视为对预览版的承诺，而不是对整个系列的承诺。

• 稳定性 —— 预览版被明确界定为中间产物，其能力“可能仍有不足”，其分数百度也预计会继续提升；而正式版从定义上就是百度愿意为其背书的版本。

• 基准测试排名——Preview 有二十行厂商自报的数据，却没有独立评分；ERNIE 5.5 Flash 将拥有百度在发布时公布的所有数据，而且如果这一规律成立，还会有第二轮数字，让 Preview 的数据显得过时。目前两者在 Artificial Analysis 上都没有条目。

• 价格 — 在 Qianfan 上，Preview 的输入价格为每百万 token $0.28，输出价格为每百万 token $1.13，缓存读取价格为 $0.028。ERNIE 5.5 Flash 尚无价格，而假设它会与 Preview 的价格一致只是一种假设：预览版定价往往是占位价格。

• 你能用它做什么——预览版现在可以调用，但无法下载；ERNIE 5.5 Flash 既不能调用也无法下载，因为它还不存在。

真正重要的不对称在这份列表的底部。预览是这两者中你唯一能测试的，也是你唯一无法保留的。

预览实际能做到、而名字却没能充分体现的事

“预览版”意味着单薄，而从 11 月 11 日公布的证据来看，这一款并不单薄。它是一个纯文本模型，支持工具调用、结构化输出和百万 token 上下文窗口，定价处于 Flash 档位的低端；百度的演示展示的是工作成果，而非聊天交流：在一轮长达 11 小时的编码运行中构建出的 Unreal Engine 5.8 游戏，根据设计文档生成的约 100 款手机小游戏，由两个协同智能体通过 Blender Python API 建模的波音 747 和大兴机场，作为可编辑 FreeCAD 装配体构建的 W16 发动机和月球车，一份关于数据中心电力成本的 20 页研究报告，一份基于 4,169 份联邦碰撞报告的 24 页自动驾驶分析，以及一部用逾 1 万行 Python 编写的 116 秒动画短片。

那份清单里最有用的一个细节并不是某项能力宣称，而是文章主动承认的一项局限。在描述那个 Unreal 项目时，百度写道，“由于它是纯文本模型，看不到屏幕”，该模型把试玩中发现的问题——角色悬浮在地面上方、摄像机位置错误——转化成代码中可测量的测试，并反复迭代，直到测试套件通过。这才是对该模型能力边界的诚实写照：它看不见任何东西，所以转而编写断言。只要一项任务能被表达为测试，它在长时间运行中就能表现稳定。而当唯一的反馈是视觉判断时，该模型就要借助工具来工作，并且至少在一些基准测试框架中，还要借助另一家公司的视觉模型。

最后一点来自基准测试附录，而非正文。表格中的一个脚注写道：“GLM-5.3 和我们的模型缺乏原生多模态能力，图像理解通过由 Claude Opus 5.5 驱动的工具提供。”无论你如何解读这些分数，架构都是明确无误的：没有原生视觉能力，而依赖视觉的评估衡量的是流水线，而不是模型。

如果你还在等 ERNIE 5.5 Flash，那你还在等什么？

四件事，而其中只有一件是能力上的提升。

第一点是稳定性保证。中间检查点并不承诺从现在到正式发布之间行为不会发生变化，这对探索来说无伤大雅，但对于任何将回归测试套件牢牢绑定在模型输出上的场景而言却很棘手。

第二项是一个可供对比的基准测试集。预览版的二十行数据——其中包括 Terminal-Bench 4.0 的 46.5、DeepSWE v1.1 的 71.2、MCP-Atlas 的 84.6、BrowseComp 的 87.4、无工具 HLE 的 46.4、AA-LCR v1.1 的 79.0——均由厂商报告且未经复现，百度也表示该模型正在快速改进。来自已完成模型的数字即便更高也更有用，因为这些也是其他人将会引用的数字。

第三点是许可证。基础检查点以受限社区许可证发布，该许可证不覆盖欧盟、英国和韩国，对免费商用设有与相关年收入挂钩的上限，并要求在商业产品上标注“Powered by ERNIE”。预览版的权重则承诺采用 Apache 2.0 许可证。如果这一承诺得到兑现，后训练模型将比它训练所依据的检查点宽松得多——这是一次真正的反转，值得在实际仓库而非公告中加以确认。

第四是价格。$0.28 和 $1.13 是预览价格。这一层级中 GA 模型的最终定价可能朝任一方向变动，因此你当前构建的任何成本模型都应以该费率为参数进行配置，而不应将其硬编码。

这四点都不主张：如果你有一项本周就能评估的任务，还应等待。它们主张的是，不要对一个Baidu已在书面中称为未完成的检查点签署多季度承诺。

自行运行比较

你无法从我们这里获取 ERNIE 5.5 Flash Preview。它通过百度自家的千帆 API 以及转售它的第三方平台提供；OrcaRouter 路由超过 200 个模型，其中没有一个是 ERNIE，因此任何暗示我们能把这个端点交给你的说法都是不实的。

我们能做的是提供对照组，而这正是这个决策中真正由你掌控的部分：百度用来对标的模型——GPT-6.1 Sol、Claude Opus 5.5、GLM-5.3、DeepSeek V4.1 Flash——都通过同一个兼容 OpenAI 的密钥提供，按供应商标价、0% 加价，因此这些供应商中任何一家降价，当天就能反映到你的账单上，而不是等到下一次合同续约。

这次要跑的评估刻意做得很无聊。从你自己的工作中挑十个长周期任务。把每个任务分别跑过 preview，以及你原本会用的两个模型。记录它是否完成、实际发出了多少输出 token，以及这次调用花了多少钱。输出 token 才是决定这一比较的数字，因为 preview 把推理按输出计费，每百万 $1.13，而且没有提供关闭推理的方式——一个啰嗦的模型即便费率表低，每个任务也常常比一个安静的模型在高费率下更贵。一旦有了每个任务的成本，preview 与 GA 之争就不再是关于基准测试行，而是关于当前检查点在被替换之前是否足够好、可以在此基础上构建。

对于通过该测试的工作负载，自动故障转移以当今唯一可行的方式回应了稳定性方面的反对意见：一个可能在你脚下发生变化的模型，绝不应成为请求路径中唯一的模型。在预览版胜出的地方将其作为主路由，并在其后保留一个回退方案，这样，中途的能力变化就会变成一次路由变更，而不是一次服务中断。

基础检查点与预览版之间相隔五天，而百度表示成品模型即将推出。解读 ERNIE 5.5 Flash 与 ERNIE 5.5 Flash Preview 的有用方式根本不是正面对比——而是一张时间表。其中一个你现在就能调用，却无法长期保留；另一个你能长期保留，却还无法调用。任何基于二者进行构建的人，在第二列填上数字之前，都应该继续测量，而不是做出承诺。