ERNIE-5.5-Flash 对比 Claude Haiku 5.5：基础检查点遇上价格底线

百度今天上午将 ERNIE-5.5-Flash-Base 发布到了 Hugging Face 上，而模型卡的第一行才是关键：权重是预训练结束时的检查点，未进行中期训练，也未应用后训练。百度的发布文章称，经过后训练的 ERNIE 5.5 Flash“将随后推出”。仅这一句话就让今天与 Claude Haiku 5.5 进行直接比较变得不可能，因为 Claude Haiku 5.5 是一个已完成指令微调的模型，Anthropic 以每百万输入 token 0.10 美元、每百万输出 token 0.50 美元的价格出售它。这场对比的一方是研究成果，另一方是有价目表的产品。下文将说明二者各自究竟是什么、百度公布的数字可以和不可以与什么进行对比，以及在人们正在寻找的这种比较成为真正的比较之前，还需要改变什么。 ERNIE-5.5-Flash 目前不在其中。 浏览完整模型目录 其中列出了 OrcaRouter 可路由的所有模型，并附有实时提供商定价。

百度今天究竟发布了什么

本次发布包含两个仓库——baidu/ERNIE-5.5-Flash-Base（FP8 版本）和 baidu/ERNIE-5.5-Flash-Base-BF16——以及 ernie.baidu.com 上“Product Updates”栏目下的一篇技术文章。它是一个稀疏混合专家语言模型，总参数量为 280B，每个 token 激活 14B 参数，使用 Muon 优化器和 FP8 混合精度在 33.5T 个 token 上从头预训练。Hugging Face 侧边栏将总数取整为 286B；模型卡片称这两个数字均不包含百度所称的 0.36B ECHO 参数。

这套架构很具体，这对于一次低调发布来说并不常见。共43层，其中1层为稠密层，42层为MoE层。37层使用百度称为HCA的压缩注意力，每128个token缓存一个条目；6层使用带DeepSeek风格稀疏注意力的MLA。隐藏维度为4,096，64个头，512个路由专家，采用top-10路由外加一个共享专家，词表大小为201,216。训练上下文为128K；发布配置为微调和推理启用1,048,576个token。

随附的工具。模型卡中提供了 SGLang 和 vLLM 部署示例，NVIDIA 的 Megatron-Bridge 仓库中已有用于微调的 ERNIE 5.5 示例。这正是一个基础版本的实际覆盖范围：它面向打算在其上进行训练的人，而不是打算调用它的人。

没有交付的内容包括：一个 instruct 模型、一个名副其实的聊天模板、一个 API 列表、一个价格，或任何一项独立基准测试。截至本文发布时，OrcaRouter 涵盖 216 个模型的目录中没有 ERNIE 条目，也没有 Artificial Analysis 页面。现存唯一的成绩来自百度自己，是在统一测试框架下针对另外三个基础模型，在 30 项基准测试上运行得出的：DeepSeek-V4-Flash-Base（284B-A13B）、Hy3-preview-Base（295B-A21B）和 MiMo-V2.5-Base（310B-A15B）。

Claude Haiku 5.5 在卖什么

Claude Haiku 5.5 于 2026 年 10 月初推出，是 Anthropic 的小型快速层级，其商业形态与百度的发布相反：一切均已公布、定价并提供服务。最引人注目的是，在短上下文层级，相较 Haiku 4.5 降价约 90%——对于不超过 10 万 token 的提示，每百万 token 输入 0.10 美元、输出 0.50 美元；超过该长度后分别升至 0.50 美元和 2.50 美元。缓存输入读取为 0.01 美元，批处理为标准费率的一半。Anthropic 自己的说法是，新的分词器对相同文本会多计算约 30% 的 token，因此每项任务的实际节省小于表面价格所显示的幅度——按 Anthropic 自己的估算约为 75%。

规格表是一份产品表。它具备 100 万 token 上下文、128K 最大输出、文本和图像输入与文本输出、2026 年 6 月的知识截止日期，以及从低到最高的五档 effort 级别。Anthropic 将其定位为自家标准速度下最快的模型；Artificial Analysis 在当前测试中测得它的输出速度为每秒 258 个 token。它可通过 Anthropic 自有 API、Amazon Bedrock、Google Vertex AI 和 Microsoft Foundry 使用。

这两个对象是：一个采用定制许可证的 280B 参数基础检查点，以及一个托管式 1M 上下文模型，价格为每百万输入 token 十美分。只有明确说明你正在回答哪个问题，把它们放进同一句话里才站得住脚。

为什么 93.3 MMLU 不是 Haiku 的数字

百度的模型卡报告称，在直接模式下 MMLU 93.3、MMLU-Pro 78.4、GPQA 60.2、BBH 77.1，使用思维链时为 89.2；HumanEval+ 82.3、MBPP+ 81.5、LiveCodeBench 40.1、HELMET-RAG 71.5、RepoQA 91.7、LongBench-v2 48.7。对基础模型来说，这些是很强的数字。但从结构上看，它们也无法与 Anthropic 为 Haiku 5.5 发布的任何数据相比较。

有三个原因，而且这三点都很重要。第一，基座模型是用不同的提示方式评估的——是少样本补全而非指令遵循——因此基座分数衡量的是预训练先验，而不是开发者所调用的助手表现。第二，评测框架不同：百度运行的是自己的流程，使用自己的提示和少样本数量，这对于将其模型与其他基座模型比较是正确的做法，而将其与某家厂商的指令基准比较则是错误的做法。第三，MMLU 达到 93 分已深入饱和区；如今顶尖模型在该基准上的差异，已经小于不同评测框架之间的格式效应。

所以，对“ERNIE-5.5-Flash 与 Claude Haiku 5.5 在基准测试上的对比”的诚实解读是：目前还不存在这样的对比；本周任何发布此类对比的人，要么是在未说明的情况下把基础检查点与指令模型作比较，要么是在编造指令模型的数字。

百度自己表格中的一个细节值得保留，因为它与发布宣传口径相悖。该帖子承认，竞争对手在几行中胜出——ChineseSimpleQA、INCLUDE-lite、HELMET-Rerank、InfiniteBench 和 FullStackBench 归于其他基础模型之一。一个厂商若把败绩和胜绩放在同一张表里公布，就等于给你一个可用的信号：表中其余部分该被赋予多大权重。

尚不存在的价格

百度的命名体系中，“Flash”是档位标签，而非规格说明。ERNIE 系列已有一套明确的价格阶梯——在国际版 Qianfan 列表上，ERNIE 5.1 的输入价格约为每百万 tokens 0.59 美元、输出价格约为 2.65 美元，而 ERNIE 4.5 Turbo 远低于此——但 ERNIE 5.5 Flash 没有公布费率，没有 Qianfan 端点，也没有第三方列表。搜索其定价，只会返回基础版本发布信息，别无其他。

这个差距就是整个商业问题的关键。Haiku 5.5 的 $0.10/$0.50 重新界定了小模型允许的成本，也成了如今每一款 Flash 级产品发布时用来衡量的基准数字。如果百度将 ERNIE 5.5 Flash 定价高于这一水平，该模型就必须用中文质量或数据本地化来证明其合理性。如果定价低于这一水平，它就会成为中国大陆工作负载的一个重要选项。在价格公布之前，这两种情况都无法验证。

Artificial Analysis 的指数于 2026 年 10 月 27 日重建，该指数将 Claude Haiku 5.5 在最高强度下排在 36 位——这个数字属于当前指数，不能与仍在其他模型间流传的重建前数字相比较。重点不在于确切数值，而在于 Haiku 在该量表上占有一席之地，而 ERNIE-5.5-Flash 没有，因为后者没有可供测试的 instruct 模型。

这也正是路由改变决策的地方。OrcaRouter 以 0% 加价传递提供商目录价格，因此当供应商下调费率时，新价格当天就会在平台上生效，而不是等到重新计算经销商加价之后。ERNIE-5.5-Flash 目前不在该目录中——216 个模型 ID，其中没有 ERNIE——所以，对任何计划构建成本模型的人来说，实用建议是基于实际已定价的模型来构建，并在百度发布价目表后再重新评估。

本周应该由谁来克隆这个仓库？

不是应用开发者。基础检查点根本谈不上有什么指令遵循行为，而要让它表现得像助手，就意味着你得自己设计一套后训练流水线。现在确实有三类群体有理由拉取这些权重。

• 面向中文领域适配的团队——33.5T 预训练 token 和 200K 词表——在基座模型上进行继续预训练是一个合理的起点，而 Megatron-Bridge 示例则降低了尝试的成本。

• 面向希望获得一个激活参数为 14B、且架构细节已公开的模型的强化学习与后训练研究人员——512 专家、top-10 路由以及 37/6 的 HCA 到 MLA 拆分均有足够详细的文档记录，可供复现。

• 希望在 instruct 模型发布前获得干净基线的评估团队——现在自行运行 base 模型，就能得到一个日后供应商营销无法动摇的参照点。

其他人都应该等待。一个无法调用、无法定价，也无法与指令模型进行基准测试的模型，不是采购选项；而 280B 的总参数规模意味着，即使在 FP8 下，自托管它也是一个多 GPU 方案。

什么会改变判决？

四个事件，按它们可能重要的先后顺序排列。

• 经过后训练的 ERNIE 5.5 Flash 正式发布。百度表示后续还会跟进。在它真正跟进之前，任何能力对比都只是推测，而基础检查点与成品 Flash 模型之间的差距，恰恰是用户可见质量的绝大部分所在。

• Qianfan 上出现价格的那一刻，与 Haiku 的比较才从范畴错误变成真正的决策。

• 一项独立评测结果出炉。若获得 Artificial Analysis 或 LMArena 的收录，百度的评测框架就能成为可供交叉核验的对象。请注意，AA 指数本身已于 2026 年 10 月 27 日重新设定基准，因此目前流传的 Haiku 5.5 及其他模型在重新设定基准前的数字，不应与重新设定基准后的数字进行比较。

• 由第三方托管方接手。这通常意味着服务成本已经明确，也正是模型从“仅可下载”转变为“可路由调用”的节点。

等这四件事中有两件发生之后，标题里的对比才值得写。今天存在的，是一个文档完善的基础模型、一个并非 Apache 的许可证，以及一个背后没有产品的产品层级名称。而 Claude Haiku 5.5 则是一个已完成的模型，其价格如今让其他厂商不得不作出回应。在买家唯一会问的问题上——一个 token 要多少钱、它能做什么——一方有答案，另一方只有承诺。

有意思的地方不在于百度悄无声息地就发布了，而在于它选择先放出基础权重，早于那个任何人都能用的模型，并且分文未取。这是研究实验室的发布节奏，而不是一次产品发布，也应当按研究实验室的发布来理解。