ERNIE-5.5-Flash 與 Gemini 3.8 Flash：一個有價格，另一個有承諾

從今天算起五十七天後，也就是 2027 年 1 月 1 日，Gemini 3.8 Flash 的初始優惠定價將結束，費率翻倍——每百萬輸入 token 從 $0.75 漲到 $1.50，每百萬輸出 token 從 $3.75 漲到 $7.50。這是這項比較中最具體的事實，而且它屬於自 2026 年 9 月 2 日起就已開賣的模型。相較之下，ERNIE-5.5-Flash 於 2026 年 11 月 5 日發布其基礎權重，卻完全沒有價格，因為經後訓練的 ERNIE 5.5 Flash 尚未發布。因此，ERNIE-5.5-Flash 與 Gemini 3.8 Flash 的誠實比較框架，並不是兩款 Flash 級模型之間的較量，而是兩種不確定性之間的較量：一個是已知模型，帶著有明確日期的成本斷崖；另一個是承諾中的模型，完全沒有成本。Gemini 一月的漲價會以供應商標價反映到平台上，因此你支付的就是廠商自身的費率。

Gemini 3.8 Flash 推出了哪些功能，以及新年後的價格會是多少

Gemini 3.8 Flash 是 Google 在六週內推出的第三款 Flash 模型——3.6 於 7 月 21 日、3.7 於 8 月 14 日、3.8 於 9 月 2 日——而它是完整產品，不是檢查點。輸入上下文為 1,048,576 個詞元，輸出上限為 65,536 個詞元，且該模型接受文字、圖像、影片、音訊與 PDF，並輸出文字。知識截止日期為 2026 年 3 月。

價格結構才是比較真正關鍵的地方。目前價格為每百萬個 token 輸入 $0.75、輸出 $3.75，與 Gemini 3.7 Flash 完全相同。快取輸入讀取為 $0.075，批次為 $0.375/$1.875。自 2027 年 1 月 1 日起，牌價將變為 $1.50 與 $7.50。任何以目前數字編列 2027 年預算的人，都是在用促銷價做預算。

第一個成本陷阱底下還有第二個成本陷阱。{{1}}Gemini 3.8 Flash{{/1}} 每項任務產生的輸出 token 比 {{2}}3.7 Flash{{/2}} 多出約 30% 至 34%，這使固定的每 token 價格變成更高的每項任務完成成本——根據某一項測量，在高強度設定下約高出 45%。每百萬 token 的價格不等於每項任務的價格，而這個模型是近期最能清楚體現這項差異的例子。

它的基準測試地位確實存在，但取決於版本。廠商公布的數據包括 DeepSWE v1.1 的 73.7%、Terminal-Bench 2.1 的 89.4、OSWorld-2.0 的 59.0，以及 HLE-Verified 的 54.9。Artificial Analysis 的評測顯示，輸出速度約為每秒 302 至 351 個 token，在其排行榜上位居前列；在高強度推理模式下，首個 token 的生成時間約為 30 秒。智慧指數正是報導說法出現分歧之處：發布時的報導在高推理模式下引用 59，而 Artificial Analysis 自身在較新指數版本下的頁面則顯示 41 至 47 的數字。這不是醜聞，而是基準重建——該指數於 2026 年 10 月 27 日重建——但這意味著，任何針對此模型引用、卻未附上版本資訊的單一 AA 數字，幾乎都沒有意義。

ERNIE-5.5-Flash-Base 提供了什麼，以及它做不到什麼

百度的發布則是相反的形態。ERNIE-5.5-Flash-Base 是 280B 參數的稀疏 MoE，每 token 啟用 14B，以 33.5T token 預訓練，並依據 ERNIE 5.5 Flash Base Model License Agreement v1.0 以 FP8 與 BF16 發布。訓練上下文為 128K；發布的配置則在微調與推論時啟用 1,048,576 個 token，這與 Gemini 輸入視窗的頭條數字相同，卻是截然不同的兩回事——那是檢查點上的一項配置設定，而非附帶價目表的服務上限。

能力差距很明顯。ERNIE-5.5-Flash-Base 是純文字的。它沒有圖像輸入、沒有影片、沒有音訊，也沒有 PDF 解析。如果你的工作負載涉及螢幕截圖、掃描發票、通話錄音或產品影片，比較到此為止——Gemini 3.8 Flash 原生就能處理這些，而 ERNIE 已發布的檢查點完全做不到。後訓練模型可能改變這一點，但目前尚未宣布任何多模態 ERNIE 5.5 Flash，而百度的規格表描述的是一個語言模型。

ERNIE 確實公布的是基礎模型評測：MMLU 93.3、MMLU-Pro 78.4、GPQA 60.2、HumanEval+ 82.3、LiveCodeBench 40.1、HELMET-RAG 71.5、RepoQA 91.7、LongBench-v2 48.7。上述每一個數字都是在基礎檢查點上、於百度自家的評測框架中、相對於其他基礎模型所產生的。把這些數字與 Gemini 的指令模型分數並列，會是這項比較中最常見的單一錯誤，而且值得直說：這兩組數字衡量的是不同事物，不能相減。

這兩種不確定性並不等同

價格斷崖是已知的未知。你可以把它建模：取今日費率，在1月1日加倍，然後判斷該工作負載是否仍能守住你的利潤。缺失的價格則是未知的未知，根本無法建模。這種不對稱正是整個決策所在。

在基準測試紀錄中，存在第二個不對稱。Gemini 3.8 Flash 的數字有爭議——廠商基準測試對上獨立指數數據，而該指數在重建後有所變動；有文件記錄顯示，發表時引用的 59 與現在 Artificial Analysis 上可見的 41 到 47 區間之間存在落差。ERNIE 5.5 Flash 的數字沒有爭議。它們是缺失的，因為除了基礎模型表格之外，目前還沒有任何可爭議的內容。有爭議的資料比沒有資料更有用：至少你知道範圍。

ERNIE 在紙面上唯一站得住腳的優勢，就是參數效率這個說法。一個 280B 模型每個 token 啟用 14B，是為了低成本推論而設計，而 33.5T 預訓練 token 則是可觀的資料預算。如果百度對後訓練模型積極定價，活躍參數數量就是能讓它壓低 $1.50/$7.50 Gemini 價格的機制。它是否會這麼做，今天無從得知，任何告訴你相反情況的文章都只是在猜測。

當價格翻倍時，路由就是槓桿。

有日期定價變動的好處在於，它可以事先規劃。以 $0.75/$3.75 勉強可行、在 $1.50/$7.50 下不可行的負載，需要的是一條在一月之前、而非之後才存在的遷移路徑。這更像是路由問題，而不是模型問題：把昂貴模型保留給需要其多模態輸入或長上下文回憶的請求，其餘的則送到介面相容且更便宜的方案。

OrcaRouter 提供 google/gemini-3.8-flash，以供應商定價、0% 加價，因此一月的漲價會以廠商收取的相同費率反映，而不會被吸收進轉售商的利潤中。路由 DSL 讓你能組合備援鏈——多模態路徑優先使用 Gemini，其後接上較便宜的文字模型——而自動容錯移轉可涵蓋供應商效能下降的情況。ERNIE-5.5-Flash 不在該目錄中；216 個模型 ID 中沒有任何 ERNIE 項目。因此，這裡的路由建議是關於你實際上可以切換離開的模型，也就是那個附帶價格時程的模型。

決策規則，而非裁決

如果你的工作負載涉及圖片、音訊、影片或 PDF，請使用 Gemini 3.8 Flash，並為一月的翻倍編列預算。ERNIE-5.5-Flash-Base 不是候選方案，而且在多模態後訓練模型推出之前也不會是。

如果你的工作負載是純文字、以中文為主且對成本敏感，今天正確的做法仍然不是 ERNIE——而是等待價格。基礎權重已可取得且可免費下載，這讓它們適合用於微調實驗，而不是用來做生產決策。一旦 Baidu 公布後訓練模型在 Qianfan 上的費率，這項比較就會成為真正的成本問題，而 14B 活躍參數量暗示答案可能很有意思。

如果你只是想理解 ERNIE 這次發布，要內化的重點是：這裡的「Flash」是繼承自一個尚未推出的模型的行銷分級。Gemini 的 Flash 分級有價格、有上下文視窗、有模態清單，還有一個註明日期的漲價。ERNIE 的則有一個 Hugging Face 儲存庫，以及一句承諾未來會有更多東西的話。在一項即將上漲的已知成本與一項尚不存在的未知成本之間，理性的做法是依照已知的那一項來規劃，同時緊盯另一項的動向。