ERNIE-5.5-Flash vs GLM-5.3 Flash：两个开源仓库，两笔截然不同的交易

ERNIE-5.5-Flash 和 GLM-5.3 Flash 本周均可下载，二者都是同一权重级别的稀疏专家混合模型，并且都能以 FP8 精度大致放在同一排 GPU 上。相似之处到此为止。GLM-5.3 Flash 由 Z.ai 于 2026 年 8 月 26 日发布，是一款已完成训练的多模态模型，采用 MIT 许可证，公布了价格并提供服务端点。ERNIE-5.5-Flash-Base 由百度于 2026 年 11 月 5 日发布，是一个尚未进行后训练的预训练结束检查点，采用定制许可证，没有价格，也没有端点。将它们作为竞品开放模型进行比较是合理的。将它们作为可互相替代的模型进行比较则不合理，而且这一差距首先是法律和程序层面的，其次才是技术层面的。 两个 GLM 变体均按 供应商标价计费，因此免费层级变体可以零成本试用。

每个仓库里实际上都有什么

GLM-5.3 Flash 是一个 320B 参数的模型，每个 token 激活 18B 参数，共 45 层，并采用线性注意力与稀疏注意力相结合的混合架构。Z.ai 表示，与纯文本的 GLM-5.3 相比，这一架构可将注意力计算量削减约三倍，并将 KV 缓存缩小约 4.4 倍。其上下文窗口为 1,048,576 个 token，输出上限视托管方不同介于 128K 到 131K 之间；该模型接受文本、图像和视频输入，输出文本。Hugging Face 上的 FP8 权重约为 328GB。

ERNIE-5.5-Flash-Base 总参数为 280B，激活参数为 14B，预训练 token 数为 33.5T，共 43 层——1 个稠密层加 42 个 MoE 层——其中 37 层采用压缩 HCA 注意力，6 层采用 MLA 加 DeepSeek 风格稀疏注意力。隐藏维度为 4,096，64 个注意力头，512 个路由专家、top-10 激活，外加 1 个共享专家，词表大小为 201,216。训练上下文为 128K，在发布配置中为微调和推理启用了 1,048,576。提供 FP8 和 BF16 变体，均已在 Hugging Face 上发布。

• 总参数量 — ERNIE 280B 对比 GLM 320B

• 每 token 活跃参数 — 14B 对比 18B

• 图层 — 43 对比 45

• 上下文 — 推理用 1M 对比 1M

• 模态——仅文本 vs 文本、图像和视频输入

• 许可 — ERNIE 5.5 Flash Base License v1.0 对比 MIT

• 后训练 — 无 vs 指令微调

• 价格 — 未公布，对比输入 $0.15 / 输出 $0.50

参数差距比命名暗示的要小，而且方向与你可能以为的相反：ERNIE 每个 token 激活的参数更少，总参数也更少，因此从纸面上看，它是两者中服务成本更低的那个。GLM 的 328GB FP8 占用体积是实打实的数字；ERNIE 的 280B 落在同一数量级，这还未计入 KV cache。

许可证是道路上的第一个岔路口

MIT 许可并不是营销层面的细节。它意味着可以商业使用、修改、再分发以及开发衍生模型，无需就使用领域条款进行谈判，也无需签署单独协议。团队可以基于专有数据对 GLM-5.3 Flash 进行微调，并直接发布成果，而无需与 Z.ai 的法务部门沟通。

ERNIE-5.5-Flash-Base 依据 ERNIE 5.5 Flash Base Model License Agreement v1.0 发布。这是一份定制协议，而值得了解的历史对比是：百度于 2025 年以 Apache 2.0 发布了 ERNIE 4.5 系列。为 5.5 基础模型改用自定义许可证是有意收紧，而非疏忽，而且它恰好出现在权重真正变得有用之时——基础检查点被微调和再分发的可能性远高于指令微调模型。

对于学术和研究用途而言，实际差别可能为零。对任何要开发产品的人来说，这份文档都是首先要读的，也可能正是选择另一个代码库的理由。能下载的权重，和能在此基础上构建的权重，并不是一回事。

模态决定的工作负载比基准测试更多。

GLM-5.3 Flash 支持视频。仅这一项能力，就使它在 2026 年的一大类工作负载中不再与 ERNIE 处于同一比较范畴——屏幕录制、产品实拍、监控片段、课堂录播。GLM 还能处理图像，涵盖发票、图表、截图以及整个文档处理类别。

ERNIE-5.5-Flash-Base 是一个语言模型。文本输入，文本输出。如果经过后训练的 ERNIE 5.5 Flash 日后推出支持多模态输入的版本，百度并未这样表示；发布说明描述的是一个文本模型，基准测试套件涵盖知识、推理、数学、代码、多语言和长上下文。已发布材料中没有任何内容表明其具备视觉能力。

这种不对称值得直白说明，因为在规格对比中很容易被忽略。一个 280B 文本模型和一个 320B 多模态模型在采购决策中并不是彼此的替代方案；它们回答的是不同的问题。唯一的重叠是纯文本生成，而在这一重叠领域，已完成的模型会默认胜出，因为它已经存在。

GLM-5.3 Flash 在哪些方面弱于发布时的预期

诚实是双向的。GLM-5.3 Flash 公布的强项是实打实的——DeepSWE 63.4，对比 GLM-5.2 的 46.2；Terminal-Bench 2.1 为 84.3；MMLU-Pro 86.1；MMMU-Pro 86.0；带工具的 HLE 为 55.3——而 Artificial Analysis 将其编码指数定为 71.5，通用智能指数定为 41.8。但同样的评估也显示出一个弱点范围窄、程度却很深的模型：ProgramBench 得分约为 0 到 1.5，SRE Bench 0.8，Legal Agent 6.7。对于一款 Flash 档模型来说，它的首 token 延迟也明显偏慢——在 OrcaRouter 七天流量中，p50 为 6.36 秒——而更大的 GLM-5 约为 1.7 秒。

这些都不能使 ERNIE 成为更好的选择。这恰恰使 GLM 成为一个已知量——一个其失效模式已被第三方测量过的模型。而 ERNIE 的失效模式根本没有被测量过，因为根本没有可供测量的 instruct 模型。在以评估为导向的决策中，未知的失效模式比有记录的失效模式更糟，即使有记录的那些也很糟糕。

微调路径：两者都存在，其中一条已占先机

百度在工具链方面做对了。ERNIE 模型卡中包含了 SGLang 和 vLLM 的示例，而 NVIDIA 的 Megatron-Bridge 仓库也新增了一个 ERNIE 5.5 示例，涵盖了微调。对于一个基础检查点而言，这正是“研究产物”与“可用起点”之间的区别。

GLM-5.3 Flash 自 8 月下旬起就可下载，并已积累了三周生产使用带来的生态磨合：量化版本、提供商集成和 bug 报告。当内核在凌晨两点崩溃时，GLM 的 issue 已经有人提过了。这不是基准测试，但它是采用过程中的一项真实成本，应当纳入决策考量。

对于任何想试用 GLM-5.3 Flash 又不想投入一整个 GPU 集群的人来说，OrcaRouter 会以供应商标价、0% 加价路由z-ai/glm-5.3-flash，并且目录中还有一个免费套餐变体。同一目录的 216 个模型 ID 中没有 ERNIE 条目——没有托管路径、没有价格，也无从路由。这并不是对百度此次发布的批评；而是在产品推出之前先发布权重所带来的现实结果。

要克隆哪个仓库

如果你需要一个可置于 API 之后、可进行商业微调，并能与已发布的第三方评测进行对比的多模态开放模型，那就克隆 GLM-5.3 Flash。MIT 许可、可提供服务的端点，再加上三个月的生产环境实测，是一个强有力的组合，而且已记录的薄弱点范围足够窄，可以绕开。

如果你要做继续预训练、领域自适应或后训练研究，尤其是中文场景，并且愿意在投入流水线之前先阅读一份定制许可证，那就克隆 ERNIE-5.5-Flash-Base。280B-A14B 的形态很高效，33.5T token 的预算相当可观，架构文档比大多数基础模型发布更详细，而且 Megatron-Bridge 示例意味着首次微调本身不必成为一个独立的研究项目。

不要指望克隆其中任何一个就能直接替代另一个。一个是成品，其许可证几乎允许任何用途；另一个是强有力的起点，其许可证允许的范围更小，而且产品尚不存在。真正有意思的问题是，百度在后期训练模型中交付了什么、价格如何——因为如果它以 140 亿活跃参数落在 0.15 美元/0.50 美元附近，这就不再是两个仓库之间的比较，而会变成两个开源 Flash 模型之间的真正较量。在此之前，这两个仓库根本不在同一层级上。