ERNIE 5.5 Flash 对比 ERNIE 5.5 Flash Base：一个可以下载，一个只能租用

Baidu 如今已经把同一模型的两部分都发布了，只是顺序弄反了。ERNIE 5.5 Flash Base——那个 2800 亿参数、每 token 激活 140 亿的检查点——于 2026 年 11 月 5 日上线 Hugging Face，附带一份二十页的技术发布说明、三十行基准测试结果，以及一份需要律师才能读懂的许可证。六天后的 11 月 10 日，ERNIE 5.5 Flash 作为定价端点出现在 Baidu Qianfan 上，价格为每百万输入 token 0.28 美元、每百万输出 token 1.13 美元，却没有任何公告、没有模型卡，也完全没有评测表。因此，在 ERNIE 5.5 Flash 和 ERNIE 5.5 Flash Base 之间做选择，并不是在大模型和小模型之间做选择，而是在你能检查的产物和你真正能调用的产物之间做选择。 无论你拿哪个 ERNIE 做基准测试，所对照的基线都按供应商标价计费，且每一行都把 OrcaRouter 费用显示为 $0.00，因此一次对比运行只需一个密钥和一张账单。

相同的权重，两种不同的最终状态

基础检查点仅是预训练的终点，除此之外别无其他。它能补全文本，但不遵循指令、不持有系统提示、不调用工具，也不会拒绝请求，因为这些行为都由后训练产生，而该检查点未经任何后训练。百度对此直言不讳：该仓库是“预训练结束时的检查点，尚未进行任何中期训练或后训练”，定位为领域适配、指令微调和强化学习研究的起点。

ERNIE 5.5 Flash 是后训练塑造出的成果。它能回答提示词，提供函数调用和结构化输出，并在开口前进行推理。在任何可用的意义上，这两者都不是彼此的版本——一个是训练输入，另一个是产品——而实际差异就是整个决策的关键。

• 参数——总计 280B，每个 token 激活 14B，稀疏混合专家，两边皆是。架构相同。

• 下载大小——FP8 仓库中共有 139 个文件，总计 288 GB，旁边还有一个单独的 BF16 仓库。这才是需要纳入预算的数字，而不是把参数数量翻倍。

• 上下文 — 训练时为 128,000 tokens，发布的配置在微调和推理时设为 1,048,576。实际提供服务的模型标注为 1,024,000 输入，这只是同一窗口为价目表向下取整，而非不同能力。

• 输出上限——基础检查点可以说压根没有；而实际对外提供服务的模型允许 921,600 个输出 token，因为它在每次请求时都会进行推理，且无法被要求不这样做。

• 模态——文本输入、文本输出，两端皆然。不处理图像、不处理音频、不处理 PDF。任何包含截图的工作负载对二者而言都超出范围，而且这不会因微调而改变。

• 价格——模型权重在带有地域限制的许可证下免费提供；API 的价格为每百万个 token 0.28 美元和 1.13 美元，缓存输入的价格为 0.028 美元。

• 独立评分——两者均无。Artificial Analysis 有 ERNIE 4.5 和 ERNIE 5.0 的行，但没有任何类型的 ERNIE 5.5 行。

这份文档的顺序完全颠倒了

对于一个基础检查点，百度发布了一份内容确实详尽的技术发布说明：架构（43 层，每个 MoE 层有 512 个路由专家，采用 top-10 选择，外加一个共享专家）、训练预算（33.5 万亿 token，使用 Muon 优化器）、注意力设计、分词器、面向 vLLM 和 SGLang 的服务方案，以及一张包含模型落败行的基准测试表。ChineseSimpleQA 得分为 73.0，而 D​eepSeek 为 75.3。在思维链设置下，BBH 是误差范围内的三方并列。这更像是一张有人搭建出来的表，而不是一张有人挑选出来的表；而这类披露，恰恰能让一个模型获得公平评判的机会。

对于聊天模型，Baidu 公布了一个价格。没有知识截止日期。没有评估。没有说明后训练模型除了行为之外与检查点有何不同。端点附带的描述是三句关于架构和速度的说明——总参数 2800 亿、激活参数 140 亿、100 万 token 窗口、每秒超过 200 个 token——并且完全没有提及质量。

结果是，这两个产物正依据互不兼容的证据受到评判。关于 ERNIE 5.5 Flash Base 所能知道的一切，都来自百度自己的评测框架，且对照的是百度选定的基线，而所有这些描述的都是一个无法遵循指令的模型。关于 ERNIE 5.5 Flash 所能知道的一切，则只是一张价目表。任何引用基座检查点 MMLU-Pro 78.4 作为关于聊天模型证据的人，都在犯这个比较中最常见的错误：基座模型评估与指令模型评估衡量的是不同事物，不能相减、继承或外推。

许可证是人们会跳过的那部分。

权重可以下载，但这与开源并不相同。ERNIE 5.5 Flash Base Model License Agreement v1.0 的日期为 2026 年 11 月 5 日，受香港法律管辖，并从地域和收入两方面对授权加以限制：

• 地域——使用、复制、修改和分发在“欧盟、英国和韩国以外”的所有地区均获得许可。对于在上述三个地区中任一地区注册成立的公司而言，这不是商业条款问题，而是根本不行。

• 收入——年度关联收入不超过 5000 万美元可免费使用，且即便低于该门槛，也需一次性通知百度。超过该门槛后，必须暂停使用，直至获得书面授权。关联收入按产品和关联公司合并计算，因此上限会比单一产品损益所显示的情况更早触及。

• 署名 — 每个商业产品都必须显著展示“Powered by ERNIE”。

• 输出 — 不得用于改进任何其他模型。允许训练衍生模型；但不得将此模型蒸馏到其他模型。

这些都并不适用于通过百度 API 发起的调用。托管路线受商业 API 条款约束，而非权重许可，因此，一个被排除在下载之外的欧洲团队，仍可以按 token 租用该模型——而这悄然成为端点优于仓库的更有力论据之一。

你到底想要哪一个？

这个决定取决于三个问题，而其中没有一个问题是“哪个更聪明”。

你能运行 288 GB 吗？如果不能，那么无论其条款如何，基础检查点都不是一个选项，比较就归结为“使用 API 还是使用其他模型”。一个拥有 14B 活跃参数的 280B 混合专家模型，按 token 提供服务的成本低，而按机器托管的成本高，这两个事实之间的差距正是大多数自托管计划失败的地方。

你的任务是固定且高吞吐量的吗？这是权重在经济上占优的唯一情况。单一狭窄任务——分类、抽取、特定领域的转换——微调到一个基础检查点上，可以摊薄训练运行的成本，之后每次调用都不产生费用。为一个你本可拥有的任务，永远为每百万输出 token 支付 $1.13，是一种缓慢的失血；而基础检查点在许可条款中的定价，正是面向这类买家。

你需要它本周就能用吗？那就选端点吧，因为对 280B 参数做微调意味着一笔预算和一个日历季度，而不是一个下午。这个 API 今天就能给你一个支持工具调用、推理和百万 token 输入的模型，虽然没有文档，但价格大约是 Flash 级竞品的两倍，而且对它来说并不明显不合理。

谁都不该做的，是在评估中把两者当作可以互换。基座检查点的分数并不是 API 质量的预告，API 的价格也不是 API 质量的证据。唯一能定论的衡量，是你自己的衡量：用一套固定的提示词跑一遍该端点，按输出 token 计数，再和你原本打算改用别的方案做比较。

通过同一个密钥运行这两个问题

这项工作的对比部分不需要百度账号。OrcaRouter 通过同一个兼容 OpenAI 的密钥，以供应商标价、无加价的方式路由 200 多个模型：MiniMax M3.1 Flash 的价格为 $0.15 和 $0.60，GLM-5.3-Flash、DeepSeek V4.1 Flash、Qwen 3.8 Flash 和 Gemini 3.8 Flash 都在其中；当供应商在扫描中途出现波动时，自动故障转移能让基准测试运行保持不中断。ERNIE 5.5 Flash 不在其中——目录中没有 ERNIE 条目，也没有可供我们路由的百度端点——因此只能在百度自己的 API 上调用该端点，并手动将其数值带过来。

这种不对称值得直说，而不是绕开：你能下载的模型免费，但不跑一次训练就没法用；你能调用的模型没有文档，且只能通过恰好一家供应商访问；而你会拿来作基准对比的模型，都挂在同一个路由密钥上。这三个事实中有两个会变。许可条款大概不会。

值得关注的范围比模型本身更窄。一份带有评测表的 ERNIE 5.5 Flash 模型卡，就能让这一比较得出答案。若有第二家提供商提供该预览版，其正常运行时间和价格就会形成竞争。而一个运行自有评测框架的追踪机构给出的独立评分，能在一个下午解决两周研读规格说明也解决不了的问题——因为眼下最诚实的总结是：百度已经把模型里没人能用的那一半写进了文档，却让所有人都能用的那一半只能靠信任来接受。