ERNIE 5.5 Flash Preview 對決 GPT-5.6 Luna：用來衡量它的費率表早已退役

ERNIE 5.5 Flash Preview 和 GPT-5.6 Luna 本週被人相提並論，而尷尬之處在於時間表。ERNIE 5.5 Flash Preview 於 2026 年 11 月 10 日以計費端點形式上線百度千帆平台，發布文章則在隔天刊出。GPT-5.6 Luna 於 2026 年 7 月 9 日推出，自 2026 年 9 月 22 日起在 Artificial Analysis 追蹤器上被標記為已棄用，當時 GPT-6 Luna 以約一半價格登場。因此，讀者真正需要的比較，並不是這兩個名稱所暗示的那個。而是 ERNIE 5.5 Flash Preview 對上其自家供應商早已超越的價目表——其次，對上取代它的後繼模型。後繼模型的定價為0.10 美元與 0.50 美元，且具有相同的實測指數，並與其取代的模型使用同一把金鑰。

這並不表示正面對決毫無意義，而是表示它成了另一項不同的工作。兩者之間確實有價格差異、情境差異，也確實有一個問題值得問：在這兩者之中，你會把哪一個放上無人值守的任務？但雙方都沒有的，是一套共同的計分板。以下每個數字，不是百度自己跑的結果、Artificial Analysis 自己跑的結果，就是已公布的費率，而它們彼此都不能相減。

GPT-5.6 Luna 發生了什麼事，以及這在此為何重要

GPT-5.6 Luna 是一款 1M 上下文模型，定價為每百萬輸入 token $0.20、每百萬輸出 token $1.20。在 Artificial Analysis 上，它的 Intelligence Index 為 23.8，而同一筆紀錄帶有已棄用標記，取代日期為 2026 年 9 月 22 日。其後繼者 GPT-6 Luna 在相同的 1M 上下文下，列出的價格為輸入 $0.10、輸出 $0.50，並在相同指數上於 xhigh 努力程度下得分 23.5、於 medium 下得分 18.5——在統計上與它所取代的模型持平，而輸出費率不到一半。

有兩件事隨之而來，而兩者都與這頁顯而易見的框架相悖。第一，已棄用的 SKU 並不是死掉的 SKU——它仍會回應請求，而且仍有大量程式碼指向它——但它已是一張沒有人再為價格辯護的卡。第二，如果你把 ERNIE 5.5 Flash Preview 拿來和 Luna 比較，是因為 Luna 是你早已熟悉的便宜快速層級，那麼你真正熟悉的模型現在是 GPT-6 Luna。拿推出才兩天的預覽版去對比一張已退役的卡，會在價格上讓這個預覽版顯得好看，卻完全無法告訴你下一季要付的帳單。

還有第三件事，對這項比較並不那麼體面，而且值得先說清楚：GPT-5.6 Luna 有獨立評分。ERNIE 5.5 Flash Preview 則沒有。截至 11 月 11 日，Artificial Analysis 排行榜上任何地方都沒有 ERNIE 5.5 的資料列，因此本文中的每一個 ERNIE 數字都出自百度，是在百度自家的測試工具上執行，並由百度挑選的模型評判。

六個維度，兩邊在同一行上

請把這些視為一張標示兩者分歧所在的地圖，而不是一份計分表。價格與脈絡列是來自已公布卡片的確切數字。分數列彼此並不是同一類數字，而這正是下一節的主題。

• 價格 — ERNIE 5.5 Flash Preview 每百萬 token 輸入 $0.28、輸出 $1.13，對比 GPT-5.6 Luna 輸入 $0.20、輸出 $1.20。ERNIE 的輸入貴 40%；輸出則便宜約 6%。

• 後繼者價格 — ERNIE 沒有後繼產品，且單卡對上 GPT-6 Luna 的輸入 $0.10、輸出 $0.50，這不到 ERNIE 輸出費率的一半，也只有其輸入費率的五分之一。

• 上下文視窗 — 1,024,000 個詞元 vs 1,000,000 個詞元。這只是四捨五入的差異；兩者都不是決定性因素。

• 輸出上限 — 單次呼叫可達 921,600 個 token，對比之下，1M 上下文並未以相同形式公布可比的單次呼叫輸出上限。這正是 ERNIE 真正處於不同級別的一項規格。

獨立評分——沒有 Artificial Analysis 列，對比 23.8 的 Intelligence Index。這條線的一方背後有第三方，另一方則沒有。

• 每項任務的實測成本——Baidu 未公布，相較於 Artificial Analysis 測試套件上每項任務 0.33 美元、平均每項任務耗時 522 秒，而在 GPT-6 Luna 上降至每項任務 0.15 美元。

• 狀態 — 一個 Baidu 稱為後訓練中間檢查點的預覽版，相對於一個被標記為已棄用、且具名替代品已開始出貨的 SKU。

為什麼這兩個主要數字不能相減

人們會想拿來並列比較的數字，是 Terminal-Bench 4.0：Baidu 附錄中 ERNIE 5.5 Flash Preview 的 46.5，對上 Artificial Analysis 自家評估中 GPT-5.6 Luna 的 11.6。35 分的差距看起來很具決定性。但這根本不是差距，因為這兩個數字來自不同的測試框架、不同的輔助架構和不同的評審，而且只有其中一個是由與結果沒有利害關係的人所產出。

Baidu 對其基準測試設定異常坦率，這正是落差顯而易見的原因。其腳註列出了測試框架——Claude Code 2.1.x、mini-swe-agent 2.4.6、Codex 0.162.1，以及某個縮寫為 DSH 的東西——也列出了評審模型：Qwen3.8-Max、DeepSeek-V4.1-Flash-1017 和 Gemini 3.1 Flash-Lite。其中一條腳註承認，ERNIE 5.5 Flash Preview 與 GLM-5.3 缺乏原生多模態能力，而評估期間的圖像理解是由一個以 Claude Opus 5.5 驅動的工具提供的。因此，至少某些依賴視覺的列，衡量的是這樣一個系統：受測模型會呼叫另一家廠商的模型來查看東西。這是站得住腳的工程選擇，也是那些列並非同基準分數的原因。

這組全知性數據也有同樣的問題，只是形式更隱晦。百度回報 AA-Omniscience-Public 為 25.2；Artificial Analysis 則在其 Omniscience 指數中記錄 GPT-5.6 Luna 為 −17.1。兩者的標籤不同，其中一個數字是廠商自行執行所得，另一個則不是；而且該指標會懲罰自信的錯誤答案，而這正是自我回報評估最不可能揭露的行為。請把這些視為兩個不相關的資料點，而不是 42 點的差距。

唯一真正公平的比較是內部比較：GPT-5.6 Luna 為 23.8，對上 GPT-6 Luna 的 23.5，兩者都是由同一批人以相同方式測量。這一組比較能讓你看出，後繼型號是價格上的調整，而非能力上的提升——而也正是這組比較，告訴你 ERNIE 5.5 Flash Preview 真正被要求擊敗的是什麼。

每一方實際上贏得什麼

ERNIE 5.5 Flash Preview 在能力上限與新鮮度上都勝出。面對 1,024,000 token 的視窗，卻提供 921,600 token 的輸出額度，意味著單次呼叫可產出的內容幾乎與它能容納的一樣多；這正是百度在發布貼文中置於核心的十一小時 Unreal Engine 建置案在機制上的先決條件。GPT-5.6 Luna 規格表上沒有任何項目能與之匹敵，GPT-6 Luna 的規格表也沒有。ERNIE 還贏得唯一一場不關乎數字的競賽：它是這個月亟欲證明自己的模型，而百度已承諾提供 Apache 2.0 權重，卻尚未給出日期。

GPT-5.6 Luna 在驗證與輸入價格上勝出。它有可供查核的第三方評分、已公布的每完成任務成本、實測的每任務時間，以及便宜 40% 的輸入費率。這些正是能讓模型安心部署在產品背後的要素，而 ERNIE 5.5 Flash Preview 目前一項都沒有——沒有模型卡、沒有知識截止日期、沒有延遲數據，也沒有獨立評比列。

GPT-6 Luna 在價格上直接勝出，而這正是重新定義這個頁面的發現。如果問題是「我該呼叫哪個便宜又快速的模型」，在 Luna 家族內的答案並不是 GPT-5.6 Luna；而是售價 $0.10 與 $0.50、具有相同實測指數、且每項任務成本不到前代一半的後繼者。若比較只停留在 GPT-5.6 Luna，就等於拿 ERNIE 去和這個家族錯誤的那一半相比。

這個決定，直截了當地說

如果你今天需要一個經過獨立評分、且每項任務成本已知的模型，你不需要 ERNIE 5.5 Flash Preview——你需要的是 Luna，而且具體來說是目前這個版本。沒有什麼好評估的，因為別人已經評估過了。

如果你有一項任務，其輸出在一次執行中確實會達到數十萬個 token——例如漫長的建置、完整儲存庫的重構、一份沒有人想拆分的文件——ERNIE 5.5 Flash Preview 是本頁唯一有公布足以容許這種情況的輸出上限的模型，而它的輸出速率略低於 GPT-5.6 Luna 的。那是一個狹窄而特定的情況，也是規格表唯一支援的情況。

如果你介於兩者之間，誠實的答案是兩張卡都無法決定，因為兩家廠商都沒有公布針對你想像中工作負載的每完成任務 token 數。GPT-5.6 Luna 的 $0.33 是 Artificial Analysis 的測試套件，不是你的。

一把鑰匙、兩張費率卡，以及那場不算專案的遷移

ERNIE 5.5 Flash Preview 並不是 OrcaRouter 有提供的項目。目錄中沒有 ERNIE 的條目，背後也沒有百度端點，因此您應該前往百度自家的千帆 API，以及轉售該模型的第三方平台。本處任何內容均不構成提供其路由服務的要約。

Luna 的情況正好相反，而且頗具啟發性。GPT-5.6 Luna 與 GPT-6 Luna 都在 OrcaRouter 的目錄中，以供應商定價提供、不加任何加價——已淘汰的 SKU 為 0.20 美元與 1.20 美元，取而代之的則為 0.10 美元與 0.50 美元。這正是被取代的價目表從內部看起來的樣子：模型字串會變，金鑰不會，而且沒有人需要簽署任何東西。當供應商在季度中途淘汰某個模型——就像這裡 9 月 22 日發生的情況——換模的代價只是設定檔裡的一行，而不是一整個採購流程，而且你可以在同一張帳單上把新舊價目表相互比價。

要讓這項比較有定論，靠的不是再一張基準測試表，而是由 Artificial Analysis 產出的 ERNIE 5.5 一列數據、針對那個十一小時建置專案所公布的每任務 token 數，以及 ERNIE 在 GPT-6 Luna 目前所占級別上的費率表。在這些當中任一出現之前，ERNIE 5.5 Flash Preview 對上 GPT-5.6 Luna，就只是一個推出兩天的預覽版，被兩批從未共用同一套測試框架的人拿來跟一張已退役的卡相比——而這個問題更有用的版本是：一旦由對答案沒有利害關係的人來跑測試，這個預覽版是否還能保住它的輸出上限優勢。