ERNIE-5.5-Flash 對上 Claude Haiku 5.5：基礎檢查點遇上價格下限

百度今早把 ERNIE-5.5-Flash-Base 放上 Hugging Face，而模型卡的第一行才是重點：權重是預訓練結束時的檢查點，並未套用中期訓練，也未套用後訓練。百度的發布貼文表示，後訓練版 ERNIE 5.5 Flash「將會隨後推出」。單憑這句話，今天就無法將它與 Claude Haiku 5.5 直接比較，因為 Claude Haiku 5.5 是 Anthropic 以每百萬輸入 token 0.10 美元、每百萬輸出 token 0.50 美元販售的已完成指令微調模型。這場對決的一方是研究產物，另一方則是有價目表的產品。以下說明兩者各自究竟是什麼、百度公布的數字能與什麼相比又不能與什麼相比，以及在人們搜尋的那種比較成為真正的比較之前，還必須改變什麼。 ERNIE-5.5-Flash 今天不在其中。 瀏覽完整模型目錄 它列出 OrcaRouter 可路由的每個模型，並附上供應商的即時定價。

百度今天究竟發布了什麼

這次發佈包含兩個儲存庫——baidu/ERNIE-5.5-Flash-Base（FP8 版本）與 baidu/ERNIE-5.5-Flash-Base-BF16——此外還有 ernie.baidu.com 上 Product Updates 專欄的一篇技術文章。這是一個稀疏專家混合（MoE）語言模型，總參數量為 280B，每個 token 啟動 14B 參數，從零開始在 33.5T tokens 上預訓練，採用 Muon 優化器與 FP8 混合精度。Hugging Face 側邊欄將總量四捨五入為 286B；模型卡指出這兩個數字都不包含百度所稱的 0.36B ECHO 參數。

這套架構相當具體，對一次低調發布而言並不尋常。四十三層，其中一層為稠密層、四十二層為 MoE。三十七層採用百度稱為 HCA 的壓縮注意力，每 128 個 token 快取一筆項目；六層採用 MLA，搭配 DeepSeek 風格的稀疏注意力。隱藏大小 4,096、64 個注意力頭、512 個路由專家，採用 top-10 路由外加一個共享專家，詞彙量為 201,216。訓練上下文為 128K；釋出的設定可啟用 1,048,576 個 token 供微調與推論使用。

隨附的工具也一併提供。這張卡片收錄了 SGLang 與 vLLM 的部署範例，而 NVIDIA 的 Megatron-Bridge 儲存庫也已經有 ERNIE 5.5 的微調範例。這就是一個基礎版本在實務上的涵蓋範圍——它鎖定的是打算用它來訓練的人，而不是打算用它來呼叫的人。

沒有推出的包括：一個 instruct 模型、一個名副其實的聊天模板、一份 API 清單、一個價格，或任何一項獨立基準測試。截至發布時，OrcaRouter 的 216 個模型目錄中沒有 ERNIE 條目，也沒有 Artificial Analysis 頁面。現存唯一的分數是百度自家的，在統一測試框架下，於 30 項基準測試中與另外三個 基礎模型對比所得：DeepSeek-V4-Flash-Base（284B-A13B）、Hy3-preview-Base（295B-A21B）與 MiMo-V2.5-Base（310B-A15B）。

Claude Haiku 5.5 在賣什麼？

Claude Haiku 5.5 於 2026 年 10 月初問世，是 Anthropic 的小型、快速層級，其商業形態與百度此次發布相反：一切皆已公開、定價並提供服務。主要亮點是短上下文層級相較 Haiku 4.5 降價約 90%——最高 100K token 的提示，每百萬 token 輸入 $0.10、輸出 $0.50；超過此範圍則升至 $0.50 與 $2.50。快取輸入讀取為 $0.01，批次則為標準費率的一半。Anthropic 自己的說法是，新的分詞器對相同文字會計入約多 30% 的 token，因此每項任務的實際節省幅度小於標價所示——依 Anthropic 自己的估計約為 75%。

這份規格表是一份產品資料表。一百萬個 token 的上下文、128K 的最大輸出、文字與圖像輸入並以文字輸出、知識截止日期為 2026 年 6 月，以及從低到最高的五個 effort 等級。Anthropic 將其定位為標準速度下最快的模型；Artificial Analysis 在其目前這輪測試中測得每秒 258 個輸出 token。它可透過 Anthropic 自家的 API、Amazon Bedrock、Google Vertex AI 和 Microsoft Foundry 使用。

那就是這兩個東西。一個是在訂製授權下釋出的 280B 參數基礎檢查點，另一個是託管的 1M 上下文模型，每百萬輸入 token 收費十美分。只有當你明確說明自己正在回答哪個問題時，把它們放進同一句話裡才站得住腳。

為什麼 93.3 MMLU 不是 Haiku 的數字

百度的模型卡報告指出：MMLU 93.3、MMLU-Pro 78.4、GPQA 60.2、BBH 77.1（直接模式）與 89.2（思維鏈）、HumanEval+ 82.3、MBPP+ 81.5、LiveCodeBench 40.1、HELMET-RAG 71.5、RepoQA 91.7，以及 LongBench-v2 48.7。對基礎模型而言，這些是很強的數字。但從結構上來說，它們也無法與 Anthropic 為 Haiku 5.5 公布的任何數據相比。

有三個理由，而且這三個都很重要。第一，基礎模型是以不同的提示方式評估——少樣本補全，而非指令遵循——因此基礎模型的分數衡量的是預訓練先驗，而不是開發者所呼叫的助理。第二，評測框架不同：百度跑的是自己的流程，使用自己的提示與少樣本數量，這適合拿它的模型與其他基礎模型比較，卻不適合拿來與廠商的指令型基準比較。第三，MMLU 達到 93 已經深度飽和；如今頂尖模型在該基準上的差異，已小於不同評測框架之間的格式效應。

所以，對「ERNIE-5.5-Flash 與 Claude Haiku 5.5 在基準測試上的比較」最誠實的解讀是：目前根本還沒有這樣的比較；這週若有人發布這類比較，要嘛是拿基礎檢查點（base checkpoint）跟指令微調模型（instruct model）相比卻沒說明，要嘛就是憑空編造指令模型的數字。

百度自家表格中有一個細節值得保留，因為它與發布敘事相牴觸。該貼文承認競爭對手在若干列中勝出——ChineseSimpleQA、INCLUDE-lite、HELMET-Rerank、InfiniteBench 和 FullStackBench 都歸於其他基礎模型之一。一個廠商若把自身的失利與勝利刊在同一張表中，就等於給你一個可用的訊號，說明表格其餘部分值得多少重視。

尚未存在的價格

百度命名中的「Flash」是等級標籤，不是規格。ERNIE 系列已有一套既定的價格階梯——在國際版千帆平台上，ERNIE 5.1 的價格約為每百萬個 token 輸入 0.59 美元、輸出 2.65 美元，而 ERNIE 4.5 Turbo 則遠低於此——但 ERNIE 5.5 Flash 沒有公開費率、沒有千帆端點，也沒有第三方上架資料。搜尋其定價，只會找到基礎版本的發布資訊，別無其他。

這個差距就是整個商業問題所在。Haiku 5.5 的 $0.10/$0.50 重新定義了小型模型所能容許的成本，而這已成為現今每一款 Flash 級別產品發布時被拿來衡量的數字。如果百度把 ERNIE 5.5 Flash 定價高於這個水平，該模型就必須以中文語言品質或資料駐留來證明其合理性。如果定價低於這個水平，它就會成為中國大陸工作負載的一個認真選項。在費率出現之前，這兩種情況都無法核實。

Artificial Analysis 的指數於 2026 年 10 月 27 日重建，其在最高投入（max effort）下將 Claude Haiku 5.5 排在第 36 位——這個數字屬於當前指數，不能與其他模型仍在流傳的改版前數字相比。重點不在確切數值，而在於 Haiku 在該尺度上佔有一席之地，而 ERNIE-5.5-Flash 沒有，因為沒有可測試的 instruct 模型。

這也是路由改變決策的地方。OrcaRouter 以 0% 加價原樣傳遞供應商牌價，因此當供應商調降價格時，新價格當天就會在平台上線，而不是等到經銷商利潤重新計算後才生效。ERNIE-5.5-Flash 目前不在該目錄中——216 個模型 ID，沒有一個是 ERNIE——所以對任何正在規劃成本模型的人來說，實用建議是：以實際有定價的模型來建立，並在百度公布價目表時重新檢視。

這週應該由誰來複製這個儲存庫？

不是應用程式開發者。基礎檢查點根本沒有什麼遵循指令的行為可言，而要讓它表現得像助理，就意味著你得自行設計一套後訓練流程。不過，有三個群體現在確實有理由拉取這些權重。

• 針對從事中文工作的領域自適應團隊——33.5T 預訓練 token 與 200K 詞彙表，在基礎模型上進行持續預訓練是合理的起點，而 Megatron-Bridge 範例則降低了嘗試的成本。

• 專攻 RL 與後訓練、且想要一個具備公開架構細節的 14B 活躍參數模型的研究人員——512 個專家、top-10 路由，以及 37/6 的 HCA 對 MLA 拆分，都有充分文件記錄，足以重現。

• 想在{{1}}instruct 模型{{/1}}推出前取得乾淨基準的評估團隊——現在自己跑基礎模型，就能得到一個日後廠商行銷話術也無法撼動的參照點。

其他人都應該先等等。一個你無法呼叫、無法定價，也無法與指令模型進行基準比較的模型，並不是採購選項；而且 280B 的總參數量意味著，即使採用 FP8，自行託管它也是多 GPU 的方案。

什麼會改變判決

四個事件，依其可能的重要性順序排列。

• 後訓練版 ERNIE 5.5 Flash 推出。百度表示將跟進。在它跟進之前，任何能力比較都只是推測，而基礎檢查點與成品 Flash 模型之間的差距，正是大多數使用者可見品質所在。

• 價格一旦出現在 Qianfan 上，與 Haiku 的比較在那一刻才成為真正的抉擇，而非範疇錯誤。

• 一項獨立評測出爐。若 Artificial Analysis 或 LMArena 加以報導，便能將百度的評測框架轉化為可供交叉核對的結果。請注意，AA 指數本身已於 2026 年 10 月 27 日重新基準化，因此坊間流傳關於 Haiku 5.5 等模型在重新基準化前的數據，不應與重新基準化後的數據作比較。

• 由第三方主機接手託管。這通常代表服務成本已被充分理解，也是模型從僅供下載轉變為可路由的關鍵時點。

標題裡的那個比較，要等這四件事中有兩件成真，才值得動筆。如今存在的，是一個文件齊備的基礎模型、一份並非 Apache 的授權，以及一個有名無實的產品層級名稱。另一方面，Claude Haiku 5.5 是一個已完成的模型，其價格是其他廠商現在必須回應的。就買家唯一會問的問題——一個 token 要多少錢、它又能做什麼——一方有答案，另一方只有承諾。

真正有意思的地方，不在於百度低調地推出了什麼，而在於這家公司選擇先釋出基礎權重，早於那個任何人都能使用的模型，而且分文未取。那是研究實驗室的發布節奏，不是產品發表，也該以這樣的角度來解讀。