ERNIE-5.5-Flash 对比 Qwen 3.8 Flash：基座检查点遇上成品模型

把 ERNIE-5.5-Flash 与 Qwen 3.8 Flash 放在一起看，第一个诚实的观察是：它们并不是同一类对象。百度实际发布的是 ERNIE-5.5-Flash-Base，这是预训练结束时的检查点——在中训练之前、指令微调之前、任何偏好工作之前——因此它续写文本，而不是回答请求，并且通过 completions 端点而非 chat 端点提供服务。Qwen 3.8 Flash 是阿里巴巴于 2026 年 8 月 26 日发布的，是一个成品多模态模型，接受文本、图像和视频并返回文本，价格为每百万输入 token 0.15 美元、每百万输出 token 0.47 美元。一个是仍需训练的起点；另一个是今天下午就能调用的产品。下面几乎每个数字的含义都会因你认为自己在比较这两者中的哪一个而改变，这就是为什么值得在查看规格表之前而不是之后先弄清这一点。

百度推出了什么，以及它尚未说明什么

这次发布以一种中国开放权重模型发布时常有的特定方式悄无声息：模型产物先到，相关报道后至。baidu/ERNIE-5.5-Flash-Base该仓库于10月21日在 Hugging Face 上创建，近一周几乎空置，随后在11月2日至3日之间接收了它的128个 FP8 权重分片。架构图和基准测试图于11月4日上线，而模型卡本身今早仍在修订中。Baidu 自己的发布页面标注日期为今天，11月5日，而它在那个页面之外引发的唯一讨论，是一个论坛帖和一篇 WeChat 帖子。没有新闻稿，没有发布会，也谈不上有什么媒体报道。

这关系到哪些内容可信、哪些不可信。从仓库中可以得知：架构、参数数量、一份明确标注了所用测试框架的完整供应商基准表、可用的 SGLang 和 vLLM 服务部署方案、许可证文本，以及 FP8 版本之外还存在一个 BF16 同系列版本这一事实。无法得知的是：百度是否打算将其作为 API 提供服务——Qianfan 的价格表最后更新于 10 月 18 日，其中列出了 ERNIE 5.1、5.0 和 4.5 Turbo，却没有任何 ERNIE 5.5 条目——其指令微调版本的得分是多少，以及是否有任何独立评估者能复现百度表格中的哪怕一个数字。

按杂志规格记录：总参数280B，每token激活14B，从零开始在33.5T token上预训练，共43层，其中1层是稠密FFN、42层是MoE，512个路由专家，采用top-10路由外加1个共享专家，词表规模为201,216个token。发布的配置支持1,048,576 token上下文，尽管训练时只见过131,072。还有一个0.36B的多token预测头，不计入上述任一参数数字。

规格对比，聚焦真正起决定作用的维度

• 你将获得什么 — ERNIE-5.5-Flash-Base 仅仅是一个检查点，仅此而已：你下载的权重、一个 /v1/completions 端点，不具备任何指令遵循行为。Qwen 3.8 Flash 则是一个提供服务的模型，支持工具调用、推理模式、结构化输出，最大响应为 131,072 个 token。

• 规模 —— ERNIE 为 280B 总参数 / 14B 激活参数，而 Qwen 3.8 Flash 为 125B 总参数 / 约 6B 激活参数，后者还带有 51B 的 n-gram 嵌入表和约 4B 的 MTP 头，使磁盘上的参数量约为 180B。

• 注意力设计——ERNIE 采用 43 层，具体拆分为 37 个高度压缩注意力（HCA）层，加上 6 个采用稀疏注意力的 MLA 层；Qwen 3.8 Flash 则在 48 层中采用 Gated DeltaNet 加 Qwen Sparse Attention 的混合架构。两者都认定：在 Flash 档价位上，为经典全注意力付费并不划算；只不过它们是从相反方向作出这一押注的。

• 上下文——双方都宣称支持 100 万 tokens，但来源不同：ERNIE 在 128K 上训练，仅在微调和推理阶段才启用 100 万，而 Qwen 3.8 Flash 原生为 262K，通过 YaRN 扩展达到 100 万。

• 模态——ERNIE-5.5-Flash-Base 仅支持文本，涵盖英文与中文。Qwen 3.8 Flash 可接受文本、图像和视频，其厂商表中包含 AndroidWorld、OSWorld 2.0、MathVision 和 LVBench 的结果，而这些是纯文本检查点无法产出的。

• Qwen 一侧的权重——生产版 Qwen 3.8 Flash 仅提供 API，但其开放权重的同系模型 Qwen3.8-Flash-Next 依据 Qwen Community License 1.0 发布，因此双方的可比性比“API 与权重”这一对比框架乍看之下所暗示的更强。

• 服务部署 — 百度提供了一套可用的方案：使用 lmsysorg/sglang:dev-ernie-55-flash 镜像并加上 --tp 4，或使用 vLLM 0.32.0 搭配 baidu/vLLM-ERNIE 插件、数据并行规模设为 4。Qwen 3.8 Flash 无需部署方案，因为阿里已为你提供现成的服务。

• 价格 — 任何地方都没有公布 ERNIE-5.5-Flash-Base 的每 token 价格，因为没有可供定价的托管端点；Qwen 3.8 Flash 为每百万 token 输入 $0.15 / 输出 $0.47，缓存输入读取为 $0.0184。

• 许可证 ——ERNIE 5.5 Flash 基础模型许可证协议 v1.0，这是一份自定义协议，在基于它构建产品前值得完整阅读，并与开放 Qwen 侧的 Qwen Community License 1.0 对照。

那些看似可比、实则不可比的基准行

这个对比所设下的陷阱就在这里。两家厂商都公布了一个 LiveCodeBench 数值，而这两个数值分别是 40.1 和 91.9。

它们衡量的不是同一件事，二者之间的差距也不是能力差距。百度的 40.1 是 Pass@1、单次、在原始预训练检查点上的结果——该模型被要求完成代码续写，却从未被教过如何遵循指令。阿里巴巴的 91.9 是 LiveCodeBench v6，一个不同且更晚的基准版本，所报告的是一个经过了完整后训练流程的模型。GPQA 这一对也有同样的问题：ERNIE 在基础检查点上五次示例精确匹配为 60.2，Qwen 在指令微调后在 GPQA Diamond 上为 91.7。甚至 MMLU 对比——93.3 对上一个不公布 MMLU 的模型——也没有什么可并列比较的。

这不是对任一模型的贬低。这是关于基座模型评估目的是什么的一种说明。一个从未见过指令的检查点在 LiveCodeBench 上拿到 40.1，说明的是预训练吸收了多少代码结构；按这种理解，这是一个合理的数字。它完全不能说明同样的权重在经过微调后能得多少分。包括百度在内，没有人公布过那个数字。

唯一能按表面值直接读取的表格是百度自己的表格，因为四列都经过相同的流水线、提示词和少样本设置处理。与 DeepSeek-V4-Flash-Base（284B-A13B）、Hy3-preview-Base（295B-A21B）和 MiMo-V2.5-Base（310B-A15B）相比，ERNIE-5.5-Flash-Base 在 30 个基准中的 24 个上取得行内最佳，包括 MMLU-Pro 的 78.4 对 69.2、HumanEval+ 的 82.3 对 69.5，以及 RepoQA 的 91.7 对 81.0。它在 ChineseSimpleQA 上输给 DeepSeek，在 FullStackBench 和 BBH 思维链上输给 Hy3，在 HELMET-Rerank 和 InfiniteBench 两项上都输给 DeepSeek。这些是厂商在厂商选定的测试框架上运行得出的数字，没有独立复现——但它们在内部是可比的，这比本文中任何跨厂商配对都强。

每条路线的费用，并展示计算过程

Qwen 3.8 Flash 是定价起来最简单的那个。以一个每天 1,000 个请求的支持与提取工作负载为例，平均 6,000 个输入 token 和 800 个输出 token：每天 6M 输入和 0.8M 输出 token，按 30 天一个月计算则为 180M 和 24M。按每百万 token $0.15 和 $0.47 计算，即 $27.00 加 $11.28——每月 $38.28，而缓存读取价格为每百万 $0.0184，会进一步削减反复出现的系统提示部分。

ERNIE-5.5-Flash-Base 没有对应的计费项，因此唯一能如实反映成本的模型就是硬件成本。FP8 仓库由 128 个分片组成，每片约 2.25 GB，总计约 288 GB 权重；BF16 版本则翻倍。百度自家的 SGLang 启动命令通过 --tp 4 将其分成四路，这会在任何 KV 缓存存在之前，就在每块 GPU 上占用约 72 GB 权重——在 80 GB 显卡上，只有当你完全不使用上下文窗口时才可行，而在 H200 级显卡上则很宽裕。以每 GPU 小时 2–3 美元的中档价格租用四块这样的卡，节点持续运行每月成本约为 5,800–8,600 美元，而这还未计入为微调、评估或保持服务栈最新而支付给任何人的费用。

这大约是上例中 Qwen API 账单的 150 到 225 倍，而且这个比较故意在一个方向上不公平：在有人对 ERNIE 检查点进行后训练之前，两者并不是替代品。这组算术的重点不是自托管很贵——而是固定成本真实存在，并且它在模型能回答哪怕一条指令之前就已产生，因此，拥有它胜过租用一个成品所需的用量，远高于按 token 比较所暗示的水平。

长上下文正是两种设计趋于一致的地方

两个模型都声称支持一百万 token，而且它们都是通过拒绝在一百万个位置上进行全量注意力计算来实现这一点的。ERNIE 的 HCA 层每 128 个 token 缓存一个条目，因此其 43 层中有 37 层的 KV 缓存增长速度比传统层慢 128 倍；而那六个 MLA 层则为需要它的 token 保留全分辨率访问。Qwen 的 GDN 加 QSA 混合方案则从稀疏注意力一侧做出了同类取舍，并且其 6B 激活参数无论注意力机制在做什么，都能让每 token 的计算量保持在较低水平。

对读者而言，实际差别不在于哪种设计更巧妙——两者都可信——而在于两者中只有一个会在实际使用该上下文时付出代价。如今，在 Qwen 3.8 Flash 上使用百万 token 的提示词是有明确标价的。而在 ERNIE-5.5-Flash-Base 上，同样的提示词只附带一项 GPU 小时估算，以及一个无法回答的问题：未经指令微调的基座模型在如此长度下会表现如何。

谁应该选哪个

选择 Qwen 3.8 Flash，前提是你现在就需要一个能遵循指令的模型，你的输入包含截图、文档或视频，你希望把长上下文账单变成别人的容量规划难题，并且每百万 token $0.15/$0.47 的价格符合你正在构建的产品的单位经济性。它发布已有两个月，自推出以来已被第三方追踪器收录，而厂商给出的数字——SWE-bench Pro 62.5、GPQA Diamond 91.7、CoWorkBench 73.9——是宣称而非已验证的结果，因此在你自己评测给出不同结论之前，请把它们视为上限。

选择 ERNIE-5.5-Flash-Base，前提是你具备后训练能力，并且有理由拥有而不是租用这个模型：某个领域的数据无法发送到 API；中英文工作负载中，你关心的是 CMMLU 90.0 和 ChineseSimpleQA 73.0 这两个数字；一个强化学习研究项目需要一个 280B-A14B 作为起点；或者延迟预算足以证明值得配置专用的四 GPU 节点。你还需要能够接受：许可证是百度的自定义协议，而不是 Apache；并且，除非你的团队让它变得有用，否则这个模型本身做不了什么有用的事。

两者都别选，不过，如果你真正想要的是一个久经考验的通用模型。Qwen 3.8 Flash 是一款成品，却没有独立的基准测试分数；而 ERNIE-5.5-Flash-Base 是一个尚未完成的模型，只有一张厂商基准测试表。两者都不是两年前的旗舰机型那种稳妥的默认选择。

开展实验，但不把路线图押注于此。

这个对比中棘手的地方在于，这两方是通过完全不同的方式获取的，而路由层恰好只对其中一方有帮助。Qwen 3.8 Flash 可通过 OrcaRouter 以 qwen/qwen3.8-flash 获取，按提供商标价、0% 加价——与厂商收取的 $0.15 和 $0.47 相同，原样透传，不因这一跳增加任何费用。ERNIE-5.5-Flash-Base 并不是我们提供的服务：它是一个权重发布版本，不存在可供路由到的托管端点，无论在这里还是我们所能找到的任何其他地方都没有。

在这种情况下，单一端点真正有价值的地方在于实验之后的部分。对于 ERNIE 5.5 Flash 而言，现实的路径是团队对基础检查点进行后训练，随之而来的问题便是：调优后的模型能否在你自己的流量上胜过 Qwen 3.8 Flash。当两者都置于同一把密钥之后时，这不过是改一个模型 ID，而不是再签一份合同、再接入一套 SDK；在你做决定期间，路由 DSL 可以把生产流量拆分到两者之间，而自动故障转移则意味着一个尚未验证的胜出者不会在它第一个糟糕的日子里拖垮整个功能。模型融合为你提供了第三种选择——由一组模型共同作答——这往往是最便宜的方式，用来弄清一次新的调优究竟是确实优于现有模型，还是仅仅有所不同。

什么会改变这个答案

三件事，大致按可能性从高到低排列。一个经过指令微调的 ERNIE 5.5 Flash 会让这件事从类别错配变成真正的正面对决，而基础模型的数据表明它会颇具竞争力——一个未经微调的检查点能在 HumanEval+ 上拿到 82.3、在 RepoQA 上拿到 91.7，这已经是很强的起点。千帆价目表上出现 ERNIE 5.5 的条目，会让自托管成本测算有可对照的基准，也能说明百度是打算售卖这个模型，还是免费开放。而任一模型的第三方评分，都能让读者不再盲目相信厂商表格——这正是这对组合目前陷入的境地：Qwen 3.8 Flash 名下没有任何独立基准测试结果，ERNIE-5.5-Flash-Base 在任何中立排行榜上更是连一行记录都没有。

在其中两项落地之前，“哪个更好”并不是有人实测过的问题。今天能回答的更具体也更实用：Qwen 3.8 Flash 是一个你可以调用的模型，而 ERNIE-5.5-Flash-Base 是一个你可以作为基础来构建的模型。它们是不同的工作，没有哪张基准测试表能判定你手上的是哪一个。