ERNIE-5.5-Flash 对决 DeepSeek V4.1 Flash：这场较量是百度自己挑起的

对 ERNIE-5.5-Flash 最有用的比较并非出自评测者之手，而是写在百度自己的基准测试表里：新发布的 ERNIE-5.5-Flash-Base 与 DeepSeek-V4-Flash-Base 同表打分，后者总参数 284B、激活参数 13B——几乎正好与 ERNIE 的 280B 总参数、14B 激活参数处于同一量级。这是整个 ERNIE 5.5 发布中唯一一次同规格对位：两个预训练检查点、同一套评测框架、同样的提示词。这场对比中的其余部分都不对等，因为 DeepSeek V4.1 Flash 是一个已完成、以 MIT 许可、已定价并已提供服务的模型，而 ERNIE-5.5-Flash 是一个基础检查点，百度称其后训练版本“将随后推出”。因此，诚实的文章实际上是两篇：一篇讲基座对基座的数字说明了什么，另一篇讲把这些数字摆在一个人们真正能调用的模型旁边时会发生什么。OrcaRouter 按供应商标价原样透传，不额外加价，因此 DeepSeek 的分时折扣在生效当天就能体现。

Baidu 唯一一次在同等条件下进行的比较

百度发布了涵盖七个类别的 30 个基准测试，在单一流程下使用相同提示和少样本示例进行评估，对照三个基础模型：DeepSeek-V4-Flash-Base（284B-A13B）、Hy3-preview-Base（295B-A21B）和 MiMo-V2.5-Base（310B-A15B）。DeepSeek 这一行最值得细看，因为参数量足够接近，真正起作用的是架构和数据质量，而不是规模。

• 总参数 — ERNIE-5.5-Flash-Base 280B 对比 DeepSeek-V4-Flash-Base 284B

• 每 token 激活参数 — 14B 对比 13B

• 预训练 token 数——33.5T，而对比行中未注明

• 训练上下文 — 128K 与 128K 级

• 已发布权重 — FP8 和 BF16，两者现已均可使用

• 许可证 — ERNIE 5.5 Flash 基础模型许可协议 v1.0 与 MIT 对比

在百度重点展示的那些行上，ERNIE 领先：MMLU 93.3、MMLU-Pro 78.4、GPQA 60.2、使用思维链的 BBH 89.2、HumanEval+ 82.3、MBPP+ 81.5、HELMET-RAG 71.5 和 RepoQA 91.7。这确实是一份很强的基座模型成绩单。但它也是厂商自己跑的，用的是百度设计的评测框架，而且在权重发布当天就公布了。应把它看作一份附带详细附录的主张，而不是一个结果。

更有信息量的部分，恰恰是 ERNIE 落败的地方。百度的帖子承认，ChineseSimpleQA、INCLUDE-lite、HELMET-Rerank、InfiniteBench 和 FullStackBench 都被竞争对手拿下。一张把自己的失利也印出来的发布对比表，说明这项比较是以诚信方式进行的——这提升而非降低了 ERNIE 获胜那些行的价值。

对称性破缺之处：一个模型已完成

DeepSeek V4.1 Flash 于2026年9月10日发布，并于10月17日推出“1017”快照。它是一个稀疏混合专家模型，拥有552B参数主干，包含条件记忆在内的总参数量约为763B，输入时激活8B，输出时激活16B。原生多模态输入、100万token上下文、45T训练token，以及MIT许可证。在OrcaRouter提供的标价中，其价格为每百万输入token 0.15美元、每百万输出token 0.60美元，缓存读取价格为0.003–0.006美元；DeepSeek自己的API还提供分时段折扣，在围绕你能找到的最低数字构建成本模型之前，这一点值得了解。

那个模型能够遵循指令、调用工具、接受图像，并且有已公布的价格。ERNIE-5.5-Flash-Base 这些一样都做不到，因为它尚未经过后训练。因此，对买家而言真正重要的比较并不是基座模型对基座模型——而是成品模型对成品模型，而这两个成品模型之中有一个尚不存在。

这不是一个小问题。后训练正是指令遵循、工具使用、拒答行为、格式规范，以及现代 Flash 级模型大部分感知质量的来源。基础检查点的 MMLU 分数只能告诉你先验知识的情况，几乎无法说明模型能否可靠地输出 JSON 对象、遵循系统提示词，或在 40 轮智能体循环中保持正常。DeepSeek V4.1 Flash 已在这些维度上公布了行为表现。ERNIE 5.5 Flash 则只有承诺。

许可证差异才是那个潜伏的问题

DeepSeek 以 MIT 许可证发布 V4.1 Flash。这几乎是模型许可中最宽松的做法：允许商业使用、修改、再分发，没有使用领域限制，也无需另行协商单独协议。百度以《ERNIE 5.5 Flash Base Model License Agreement v1.0》发布 ERNIE-5.5-Flash-Base——这是一份定制许可证，而非 Apache 2.0，而且值得注意的是，相比 2025 年以 Apache 2.0 发布的 ERNIE 4.5，这是一次倒退。

对于研究团队来说，这可能无关紧要。但对于一家希望基于专有数据微调并发布产品的公司来说，这是法务会首先阅读的内容，而定制的中文模型许可证历来附带 MIT 所没有的使用限制、署名要求和门槛条件。权重可下载并不等同于权重可以按你的条件使用。

这种差异会随着规模放大而进一步扩大。ERNIE 的总参数为 280B，在 FP8 下大约需要 280GB，这还不包括 KV 缓存和激活余量；DeepSeek V4.1 Flash 的总参数为 763B，规模还要更大，这正是大多数团队通过 API 而非 GPU 集群来使用它的原因。如果你打算自托管其中任何一个，许可证反而是更容易解决的问题。

服务：两个仓库列出的工具相同，但其中一个已提前两个月起步

百度的模型卡中附带了 SGLang 和 vLLM 的示例，而 NVIDIA 的 Megatron-Bridge 仓库也已经收录了 ERNIE 5.5 的微调示例。这是一次相当扎实的发布——一个基础模型能在发布首日就配上服务部署方案，这已经比许多实验室能做到的更强了。

DeepSeek 的生态优势不在于配方，而在于里程。V4.1 Flash 已投入生产近两个月，拥有一个 1017 快照并公布了增量——Terminal-Bench 4.0 从 31.2 提升到 42.3，DeepSWE v1.1 从 74.2 提升到 77.0——并可通过厂商自有 API 和包括 OrcaRouter 在内的多个第三方平台获取。当量化出问题或内核性能回退时，已经有人提交了 issue。

具体到 OrcaRouter，deepseek/deepseek-v4.1-flash以及固定版本的deepseek/deepseek-v4.1-flash-1017目前均可按提供商标价、以 0% 加价进行路由，这意味着 DeepSeek 一旦应用非高峰折扣，你当天就能在账单中看到，而不是要等经销商价差之后才体现。ERNIE-5.5-Flash 不在目录中——216 个模型 ID 中没有任何 ERNIE 条目——因此这里的内容都不应被理解为关于 ERNIE 托管的说法。路由层面的要点更具体：如果你是在一个现在就能调用的模型和一个无法调用的模型之间做选择，那么平台问题其实已经有答案了。

本周做什么

如果你需要在生产环境中使用一个便宜的长上下文 Flash 模型，答案是 DeepSeek V4.1 Flash，而 ERNIE 不在考虑范围内。这并不是对百度这个 checkpoint 质量的评判。这句话是在说：一个未定价、未经过后训练、未提供服务的基础模型，无法占据生产环境的席位。

如果你在做中文继续预训练，权衡就完全变了。ERNIE-5.5-Flash-Base 达到 280B-A14B 规模、背后有 33.5T 个 token 支撑，是一个可信的起点；其架构文档详细得非同寻常——43 层、37 个 HCA 加 6 个 MLA-DSA、512 个路由专家且采用 top-10、201,216 个 token 的词表——而 Megatron-Bridge 示例缩短了通向首次微调的路径。先读许可证，再看基准测试。

如果你是评估者而非构建者，有用的做法是自己在两个开放检查点上运行百度公开的基线对比。两者都可下载，都能适配同一套测试框架，而复现这张表是唯一能知道那项覆盖30个基准的评测在第二双手上是否依然成立的办法。

值得关注的数字

这不是 MMLU 的问题，而是百度最终为经过后训练的 ERNIE 5.5 Flash 定下的价格。DeepSeek V4.1 Flash 设定了参照标准：输入 $0.15/$0.30、输出 $0.60/$1.20，具备 1M 上下文和 MIT 许可证。一款定价高于这一标准的 Flash 级模型，需要有明确的存在理由——中文质量、数据驻留，或 DeepSeek 不具备的某种能力。而一款定价低于这一标准的模型，会改变每一个中文工作负载的成本讨论。

在那个数字出现之前，这场对比只有一个站得住脚的结论：百度打造了一个基础模型，在同等规模下能与 DeepSeek 的基础模型互有胜负，但尚未推出任何能让人们比较这两款产品的东西。这是一个真实的结果。只是它不是搜索查询所询问的那个结果。