ERNIE-5.5-Flash vs GPT-6 Luna：Flash 档究竟欠你什么

Flash 不是参数数量。它是一项包含四个条款的商业承诺：每百万 token 的价格、你可以据此规划请求的延迟、你可以据此确定应用规模的上下文窗口，以及由独立第三方核查过的分数。OpenAI 于 2026 年 9 月 22 日发布的 GPT-6 Luna 公布了全部四项。百度于 2026 年 11 月 5 日发布了 ERNIE-5.5-Flash 的基础权重，但后者一项都没有公布——没有价格，没有服务延迟，没有独立评估，还有一个描述检查点配置而非端点的上下文数字。因此，将 ERNIE-5.5-Flash 与 GPT-6 Luna 对比并非正面对决。它是对“Flash”一词本应保证什么的一次有益检验，也展示了百度尚未兑现多少这种保证。 Luna 按 服务商的标价 提供服务，并将针对投入力度和上下文的路由策略集中在一处。

第一条：价格

GPT-6 Luna 的定价为每百万输入 token 0.10 美元、每百万输出 token 0.50 美元。缓存输入读取约为 0.01 美元，缓存写入约为 0.125 美元，超过 272K 输入 token 的提示词将进入更高价位，为 0.20/0.75 美元。相比之下，GPT-6 Sol 为 2/10 美元，GPT-6 Astra 为 10/50 美元，Luna 的成本分别约为它们的二十分之一和百分之一——OpenAI 将此次发布定位为相对 GPT-5.6 促销定价的永久性五折，而非临时折扣。

ERNIE-5.5-Flash 没有定价。它不是未公布的价格，也不是企业报价：经过后训练的模型并不存在，因此没有什么可定价的。存在的是 ERNIE-5.5-Flash-Base——一个 280B 参数的稀疏 MoE，每个 token 激活 14B 参数，依据 ERNIE 5.5 Flash Base Model License Agreement v1.0，可免费下载 FP8 和 BF16 版本。

这就是条款一的全部内容。一边是每百万输入 token 收费十美分的模型，另一边是一个仓库。

条款二：延迟

Luna 的延迟表现对其自身取舍异常坦诚。输出速度约为每秒 154 个 token。在低推理强度下，首个 token 的中位时间约为 1.5 秒。在最高推理强度下，这一时间会拉长到约 124 秒——这个数字意味着该模型在该设置下无法用于交互式工作，却完全适合批量分析。一个同时公布这两个数字的 Flash 档位，是在告诉你它面向哪些部署场景。

ERNIE-5.5-Flash 未公布吞吐量，也未公布首 token 时延，因为没有可供测量的已部署端点。可以推断的是其架构设计：总参数 280B 中每 token 激活 14B 参数，这一设计旨在实现低成本、快速解码；而且 14B 的激活参数意味着更小的工作集，小于 GLM-5.3 Flash 的 18B，也小于 DeepSeek V4.1 Flash 的 8B 输入/16B 输出拆分。纸面上，它就是为快速而构建的。但在有人实际部署并提供服务之前，这一说法也只能停留在纸面上。

第三条：上下文

GPT-6 Luna 的上下文窗口约为一百万 token，输出上限接近 128K。值得注意的细节是，这比 GPT-6 Sol 的 872K 还要大——更便宜的模型反而比更贵的模型能接受更多输入。这颠覆了通常的升级逻辑。标准的路由模式是“把大负载发给大模型”；Luna 打破了这一规则，任何基于旧假设配置的路由器都会超支。

ERNIE-5.5-Flash-Base 报告称，其训练上下文为 128K，并且在发布配置中为微调和推理启用了 1,048,576 个 token。这些数字与 Luna 的数字并非同一类数字。一个是检查点上的配置标志，而该检查点从未以这一长度实际提供过服务；另一个是产品限制，并在 272K 处附带价格档位。百度的长上下文证据是一组基准测试——HELMET-RAG 71.5、RepoQA 91.7、LongBench-v2 48.7、InfiniteBench 46.5——在其自有测试框架下运行，而该帖子承认，这些长上下文条目中至少有两项归属于竞争对手的基础模型。

第四条：由他人核对过的分数

Luna 公布的定位喜忧参半，而这正是其可信之处。BenchGecko 报告的平均分为 55.9，排名约在第 116 位；与厂商相关的数据包括 DeepSWE v1.1 为 66.6、OSWorld 2.0 为 52.7、LiveBench 编程为 79、数学为 89.1。在 Vals AI 的运行中，Terminal-Bench 4.0 约为 13.6%，AutomationBench 为 20.7。Artificial Analysis 将其智能指数定在约 37 至 38，低于 Sol 的约 48 和 Astra 的约 53；其编程智能体指数约为 41——较 GPT-5.6 Luna 的 43 有所退步。幻觉率从 93% 改善至 77%，虽有提升，但仍不理想。

所以 Luna 是一个便宜的模型，有明确记录的能力上限，并且至少有一处有据可查的性能回退。对买家来说，这比一个没有来源说明的漂亮数字更有用，因为它告诉你哪些地方不该用它：智能体式编码循环、高风险的事实性回忆，以及任何依赖 Terminal-Bench 式环境操作的任务。

ERNIE-5.5-Flash 在这一条款中的一方提供的是一张基座模型表格。MMLU 93.3、MMLU-Pro 78.4、GPQA 60.2、HumanEval+ 82.3、LiveCodeBench 40.1——全部是在后训练之前，在百度的评测框架中，与其他基座检查点对比测得的。这是一张合理的表格。但它并没有回答“我会调用的那个模型有多好”，因为你会调用的那个模型尚未构建出来。

为什么280B的“Flash”完全是另一回事

对比之下隐藏着一个结构性的要点。Luna 是一个通过小尺寸而变得廉价的小模型。ERNIE-5.5-Flash 是一个通过激活自身一小部分而变得廉价的大模型——每个 token 激活 280B 中的 14B。两者的经济账确实不同：内存成本随 280B 总量扩展，计算成本随激活的 14B 扩展。对于大规模提供服务的提供商来说，这是一种很有吸引力的形态，因为昂贵的那部分会被分摊到许多并发请求上，而便宜的那部分才是每个 token 的成本。

对自托管者来说，同样的形态就是个问题。你需要为 FP8 下的 280B 参数准备内存——在 KV 缓存之前大约就要 280GB——才能获得 14B 模型的计算特性。那是数据中心部署，而不是工作站部署；这也是为什么这种规模的基础检查点往往会变成 API，而不是本地模型。

Luna 则恰恰相反：它足够小，可以广泛提供服务，定价也体现了这一点，并且可通过 OpenAI 的 API、ChatGPT Work、Codex 以及桌面应用在 Free 和 Go 套餐中使用。分发本身就是产品的一部分。

OrcaRouter 适合哪些场景，以及不适合哪些场景

GPT-6 Luna 可在 OrcaRouter 上以 openai/gpt-6-luna 进行路由，按提供商的标价、0% 加价计费。对这款模型来说，这一点比平常更重要，因为围绕 Luna 的有趣路由决策根本不在于价格——而在于推理力度。一个需要 1.5 秒首 token 延迟的请求，不应与可以等待两分钟的批处理任务发送到相同的推理力度设置；一个偶尔需要 800K 上下文的工作负载，也不应假设更大的模型就有更大的窗口而默认使用 Sol。一个能把这类策略集中在一处、并在提供商性能下降时自动故障转移的路由层，在这里是在做真正的工作。

ERNIE-5.5-Flash 并不在 OrcaRouter 的目录中——目录里有 216 个模型 ID，没有任何 ERNIE 条目——本文中的任何内容都不应被解读为声称它在该目录中。没有可供路由的端点。诚实的立场是：等到 Baidu 正式提供这个经后训练的模型的那一天，路由问题才会变得有意思；而在今天，它还只是假设。

什么会让 ERNIE 成为 Luna 的竞争对手？

四件事，而它们就是相同的四个条款。

• 价格不高于 $0.10/$0.50。任何高于 Luna 费率的价格，都必须从中文语言质量或数据驻留方面证明自身合理性，而百度尚未针对该模型提出其中任何一项理由。

• 一个实测的吞吐量数字。14B 活跃参数设计表明它可能很快；在提供商发布每秒令牌数和首令牌时间之前，那只是架构推断，而不是规格。

• 带定价的服务上下文上限。1,048,576 token 的配置是检查点本身具备的能力。Luna 的窗口是一项产品条款，其中包含 272K 定价档位。二者是不同的承诺。

• 一个经过后训练并具备独立评估的模型。这是最关键的一项。基础检查点与最终完成的 Flash 模型之间的差距，正体现了指令遵循、工具使用和格式规范，而这正是 Luna 已经走过的距离。

在这四者出现之前，对于任何购买容量的人来说，比较都有一个明确答案：GPT-6 Luna 尽管有已记录的弱点，但仍是以真实价格提供的真实选项；而 ERNIE-5.5-Flash 则是披着产品层级名称的研究发布版。更有意思的观察是，百度选择先发布基础权重，并高调记录了架构——43 层、37 个 HCA 加 6 个 MLA-DSA、512 个路由专家且取 top-10、201,216 词元的词表——这读起来像是一个实验室在邀请开展后训练工作，而不是一个厂商在打开销售渠道。按这个标准评判，它是一次不错的发布。拿它和 Luna 相比，它还没有进入同一个市场。