ERNIE-5.5-Flash 對決 DeepSeek V4.1 Flash：Baidu 自己挑起了這場爭鬥

對 ERNIE-5.5-Flash 而言，最有用的比較並非由評論者所寫。它就在百度自家的基準測試表中：新發布的 ERNIE-5.5-Flash-Base 與 DeepSeek-V4-Flash-Base 對比，後者總參數 284B、活躍參數 13B——幾乎正好與 ERNIE 的總參數 280B、活躍參數 14B 屬於同一量級。這是整個 ERNIE 5.5 發布中唯一一次同類對同類的正面交鋒：兩個預訓練檢查點、同一套評測框架、相同的提示詞。這場對比中的其餘一切都不對稱，因為 DeepSeek V4.1 Flash 是一個已完成、採 MIT 授權、已定價並提供服務的模型，而 ERNIE-5.5-Flash 是一個基礎檢查點，百度表示其後訓練版本「將隨後推出」。因此，誠實的文章其實是兩篇：一篇說明基礎對基礎的數字說了些什麼，另一篇說明當你把這些數字放到人們真正能呼叫的模型旁邊時會發生什麼。 OrcaRouter 直接傳遞 供應商定價，不額外加價，因此 DeepSeek 的時段折扣在適用當天就能生效。

Baidu 唯一在同等條件下進行的比較

百度發布了橫跨七個類別的 30 項基準測試，在單一流程下以相同的提示與少樣本範例進行評估，並對照三個基礎模型：DeepSeek-V4-Flash-Base（284B-A13B）、Hy3-preview-Base（295B-A21B）與 MiMo-V2.5-Base（310B-A15B）。DeepSeek 那一列值得仔細解讀，因為參數數量相當接近，真正起作用的是架構與資料品質，而非規模。

• 總參數量 — ERNIE-5.5-Flash-Base 280B 對比 DeepSeek-V4-Flash-Base 284B

• 每個 token 的啟用參數 — 14B 對 13B

• 預訓練 Token — 33.5T，比較列未註明

• 訓練上下文 — 128K 對 128K 等級

• 已釋出權重 — FP8 與 BF16，兩者現已推出

• 授權 — ERNIE 5.5 Flash 基礎模型授權協議 v1.0 對比 MIT

在百度特別標出的那些列上，ERNIE 領先：MMLU 93.3、MMLU-Pro 78.4、GPQA 60.2、採用思維鏈的 BBH 89.2、HumanEval+ 82.3、MBPP+ 81.5、HELMET-RAG 71.5 與 RepoQA 91.7。這是一張確實很強的基礎模型成績表。但它也是由廠商自行執行、在百度設計的評測框架上跑出，並在權重發布當天公布。請把它視為一份附有詳細附錄的主張，而不是一項結果。

更具資訊量的部分，是 ERNIE 落敗的地方。Baidu 的文章承認，ChineseSimpleQA、INCLUDE-lite、HELMET-Rerank、InfiniteBench 和 FullStackBench 都由競爭對手勝出。一張會印出自身敗績的發表表格，正告訴你這場比較是秉持誠信進行的——這提高了、而非降低了 ERNIE 勝出列項的價值。

對稱性破缺之處：一個模型已然完成

DeepSeek V4.1 Flash 於 2026 年 9 月 10 日發布，並在 10 月 17 日推出「1017」快照版本。這是一款稀疏混合專家模型，主幹為 552B，加上條件式記憶體後總參數約 763B，輸入時啟動 8B、輸出時啟動 16B。它原生支援多模態輸入、1M token 上下文、45T 訓練 token，並採用 MIT 授權。在 OrcaRouter 為其提供的牌價中，每百萬輸入 token 為 $0.15、每百萬輸出 token 為 $0.60，快取讀取則為 $0.003–$0.006；DeepSeek 自家的 API 另有依時段提供的折扣，在你要用能找到的最低數字建立成本模型之前，這點值得先了解。

那個模型會遵循指示、呼叫工具、接受影像，而且有公開價格。ERNIE-5.5-Flash-Base 這些全都做不到，因為它尚未經過後訓練。因此，對買家而言，真正重要的比較不是 base 對 base，而是完成品模型對完成品模型，而這兩個完成品模型中，有一個還不存在。

這不是一個小細節。後訓練正是指令遵循、工具使用、拒絕行為、格式紀律，以及現代 Flash 級模型大部分可感知品質的來源。基礎檢查點的 MMLU 分數反映的是先驗知識，它幾乎無法告訴你模型能否穩定輸出 JSON 物件、遵循系統提示，或在 40 回合的 agent 迴圈中撐下來。DeepSeek V4.1 Flash 在這些軸線上有已公開的行為表現，ERNIE 5.5 Flash 則只有一個承諾。

授權差異是個潛在的隱患

DeepSeek 以 MIT 許可證發布 V4.1 Flash。這幾乎是模型授權所能達到的最大寬容程度：可商業使用、修改、再散布，沒有使用領域限制，也無需另行協商協議。百度則以 ERNIE 5.5 Flash Base Model License Agreement v1.0 發布 ERNIE-5.5-Flash-Base——這是一份量身打造的授權條款，並非 Apache 2.0，且明顯是從 ERNIE 4.5 退步，後者於 2025 年以 Apache 2.0 發布。

對研究團隊來說，這可能無關緊要。但對一家想用專有資料微調並推出產品的公司來說，這卻是法務首先會讀的內容；而為中國模型量身打造的授權條款，歷來都附帶使用限制、署名要求和門檻，這些 MIT 都沒有。權重可供下載，並不等同於權重能按你的條件使用。

這種差異會隨著規模而放大。ERNIE 總參數達 280B，在 FP8 下大約需要 280GB，而且還沒計入 KV 快取與 activation 所需的額外記憶體餘裕；DeepSeek V4.1 Flash 的 763B 總參數規模更大，這正是為什麼大多數團隊會透過 API 而非 GPU 叢集來使用它。如果你打算自行託管其中任何一個，授權反而是比較容易解決的問題。

服務：兩個 repo 都指名相同的工具，其中一個已早了兩個月起步

百度的模型卡收錄了 SGLang 與 vLLM 範例，而 NVIDIA 的 Megatron-Bridge 儲存庫也已經包含 ERNIE 5.5 微調範例。這是一次稱職的發布——一個基礎模型在發布首日就附上部署配方，已超越許多實驗室所能做到的程度。

DeepSeek 生態系的優勢不在於配方，而在於實際累積的里程。V4.1 Flash 已投入生產近兩個月，擁有 1017 快照並公布了差異數據——Terminal-Bench 4.0 從 31.2 提升到 42.3，DeepSWE v1.1 從 74.2 提升到 77.0——而且可透過廠商自家的 API 及多個第三方平台取得，包括 OrcaRouter。當量化出問題或 kernel 發生回歸時，已經有人提交過問題單了。

具體就 OrcaRouter 而言，deepseek/deepseek-v4.1-flash與固定版本的 deepseek/deepseek-v4.1-flash-1017目前皆可依供應商定價、以 0% 加價進行路由，這意味著 DeepSeek 實施離峰降價的當天，你的帳單就能反映出來，而不必等到經銷商價差之後。ERNIE-5.5-Flash 並不在目錄中——216 個模型 ID 裡沒有任何 ERNIE 項目——因此這裡的任何內容都不應被解讀為 ERNIE 託管的說法。路由的重點更為狹窄：如果你是在一個現在就能呼叫的模型與一個無法呼叫的模型之間做選擇，那麼平台問題早已定案。

本週該做什麼

如果你需要在生產環境中使用便宜、長上下文的 Flash 模型，DeepSeek V4.1 Flash 就是答案，而 ERNIE 不在考慮範圍內。這不是在評判百度那個 checkpoint 的品質。這是在說，一個未定價、未經後訓練、未提供服務的基礎模型，無法佔據生產環境的位置。

如果你正在進行中文持續預訓練，整體盤算就會翻轉。ERNIE-5.5-Flash-Base 為 280B-A14B、背後有 33.5T 個 token，是可信的起點；其架構有異常詳細的說明——43 層、37 個 HCA 加 6 個 MLA-DSA、512 個路由專家且 top-10、201,216 個 token 的詞彙表——而 Megatron-Bridge 範例縮短了通往首次微調的路徑。在閱讀基準測試之前，先閱讀授權條款。

如果你是在評估而不是在建構，有用的做法是自己在兩個公開檢查點上執行 Baidu 已發表的基礎比較。兩者都可下載，也都適用於同一套評測框架，而重現這張表是唯一能知道那項 30 項基準測試掃描是否能經得起第二雙手的檢驗的方法。

值得關注的數字

這不是 MMLU。這是百度最終為後訓練的 ERNIE 5.5 Flash 定下的價格。DeepSeek V4.1 Flash 設下了參考價：輸入 $0.15/$0.30、輸出 $0.60/$1.20，具備 1M 上下文與 MIT 授權。一款定價高於該基準的 Flash 級模型，需要有明確的存在理由——中文品質、資料駐留，或 DeepSeek 不具備的能力。若一款模型的定價低於該基準，將改變所有中文工作負載的成本討論。

在那個數字出現之前，這場對決只有一個站得住腳的結論：百度打造出的基礎模型，在相同規模下能與 DeepSeek 的基礎模型互有往來，但還沒推出任何能讓人真正比較兩者產品的東西。這確實是一項實質成果，只是它不是搜尋查詢所問的那個結果。