Ling-3.2-flash 對比 ERNIE 5.5 Flash：一個是產品，另一個是起點

兩家中國實驗室在 2026 年 11 月 5 日相隔數小時先後發布了接近旗艦級的模型，而只要你注意到 Ling-3.2-flash 和 ERNIE 5.5 Flash 並不是同一類物件，幾乎所有你能寫的比較都會瞬間失效。Ling-3.2-flash 是一個完成品，是經過指令微調的多模態聊天模型：輸入文字、圖像和影片，輸出答案，已在 Ant Ling 的 OpenAI 相容端點上線，並免費開放兩週。百度發布的則是 ERNIE-5.5-Flash-Base——這是預訓練結束時的檢查點，尚未經過中期訓練，也尚未進行指令微調，僅支援文字，並且透過 completions 端點提供服務，因為它還沒被教會遵循指令。百度自家的發布頁面表示，經過後訓練的 ERNIE 5.5 Flash「隨後就會推出」。

這一個不對稱，就決定了下面大多數的實務問題。其中一個模型，你今天下午就能呼叫。另一個模型，你可以下載、微調，把它改造成屬於你的東西——那完全是另一種採購，還附帶一份法律合約。

這兩個物件，並排放在一起

以下為各廠商目前文件所述內容。若某項數字為廠商自行提供且未經重現，文中會註明。

• 總參數量與活躍參數量——Ling-3.2-flash 總計 560B／活躍 25B；ERNIE-5.5-Flash-Base 每個 token 總計 280B／活躍 14B，另有 0.36B 的 ECHO 參數，上述兩項計數皆未包含。

• 輸入 — Ling-3.2-flash 原生支援文字、圖像與影片，請求中可包含 image_url 與 video_url 區塊；ERNIE-5.5-Flash-Base 則僅支援文字，就這樣。

• 你會收到什麼——Ling-3.2-flash 是位於 API 背後、經過後訓練的聊天模型；ERNIE-5.5-Flash-Base 則是原始的預訓練權重，預期由你自己進行後訓練。

架構——Ling-3.2-flash 是 Ant 自 3.1 以來持續推行的 Ling 混合線性系列中的 MoE；ERNIE-5.5-Flash-Base 為 43 層（一層稠密 FFN、42 層多路由器潛在 MoE），512 個路由專家，採用 top-10 路由加一個共享專家，37 層重壓縮注意力層，以及六層具稀疏注意力的 MLA 層。

• 背景 — Ling-3.2-flash 在 API 上提供 100 萬個 token 的上下文視窗；ERNIE-5.5-Flash-Base 是以 128K 訓練，而其釋出的設定可讓微調與推論支援 1,048,576 個 token，但這並非同一項宣稱。

• 權重 — Ling-3.2-flash 未公開任何權重；ERNIE-5.5-Flash-Base 在 Hugging Face 和 ModelScope 上提供 FP8 和 BF16 safetensors。

• 價格 — Ling-3.2-flash 在發布後兩週內免費，但第十五天尚未公布費率；ERNIE-5.5-Flash-Base 因為百度並未提供託管服務而沒有託管價格，自行託管的成本則取決於 280B 權重對你而言要花多少錢。

那些列都不是在宣稱品質。它們是在描述你將會買到的內容。

根據證據，Ling-3.2-flash 實際上擅長什麼

Ant 的發布資料是三個基準測試數字和五段示範影片。這些數字比較了 Ling-3.2-flash 與 Opus 5 在最高推理強度下於 OmniDocBench1.5（92.21 對 90.56）、ZEROBench(Sub)（43.71 對 39.52）及 Vision2Web（85.86 對 80.20）的表現。這三項數據全由廠商自行報告，全都屬於視覺類，且沒有任何一項經第三方重現。整體來看，它們只主張一件事：在文件解析、3D 場景推理與視覺轉網頁任務上，Ant 認為自己能勝過一款前沿閉源模型。它們完全沒有聲稱在文字推理、程式編寫或代理式終端工作上有任何優勢，而這些領域仍是大多數生產流量的去向。

這些示範比數字更有資訊量，因為它們展示了 Ant 打造這個模型所針對的循環。Ling-3.2-flash 會檢查材質球體的無頭渲染、比較粗糙度與法線貼圖，並改寫自己的腳本；它透過 UI 操作驅動 Blender；它把工程圖轉換成 3D 網頁模型；它閱讀帶有方程式的研究 PDF，並用程式碼實作演算法。這些任務每一項都要求模型查看中間產物並自我修正。這正是原生多模態訓練相較於配備視覺轉接器的文字模型所能帶來的價值，而如果這是你的使用情境，這就是你應該優先測試的能力。

兩項營運注意事項應一併說明。Ant 的文件記載全域限制為每秒兩次查詢，超過此限會出現 429；同步呼叫有 90 秒逾時，並建議改用串流。此外，該模型僅免費至大約 11 月 19 日；定價頁面表示之後會恢復原始費率，卻未說明費率為何。

ERNIE-5.5-Flash-Base 實際上適合用來做什麼

Baidu 的賣點是成本轉移，而這套說法相當連貫。該公司把預訓練算力花在 33.5 兆個 token 上，並採用 Muon 優化器；你則把自己的算力花在領域適應、指令微調或強化學習上，起點是一個已經內建儲存庫規模程式碼與長上下文行為的檢查點。這次發布作為研究基線異常乾淨：預訓練結束時只有一個檢查點，沒有中期訓練，也沒有後訓練，因此可以直接比較兩種微調方法，而不必爭論基礎模型原本已經知道什麼。

百度的評測在單一測試框架、同一組提示詞與同一個評審模型下，將它與三個規模相近的開放基礎模型——DeepSeek-V4-Flash-Base（284B-A13B）、Hy3-preview-Base（295B-A21B）與 MiMo-V2.5-Base（310B-A15B）——在七大類共 30 項基準測試上進行比較。這比大多數發布表格的對照更受控，但仍是由廠商自行執行。值得注意的頭條架構主張是：43 層中有 37 層對經過 128× 壓縮的序列進行注意力計算，而百度表示這六層 MLA 足以維持長上下文效能。若這在獨立測試下成立，那會是本次發布中最有意思的一點——128× 壓縮卻不犧牲長上下文檢索能力。

問題就出在授權條款上，而且這不是個小問題。《ERNIE 5.5 Flash 基礎模型授權協議 v1.0》將「領土」定義為「全球除歐盟、英國與韓國以外的所有地理區域」，並要求相關素材不得在該領土之外使用、散布或展示。若相關產品的年營收低於 5,000 萬美元，商業使用免費，前提是您須發送一次性通知，並在使用者介面、網站、關於頁面或產品文件中顯著展示「Powered by ERNIE」。若年營收超過 5,000 萬美元，則須先取得百度另行出具的書面事前授權，才能越過該門檻；若未取得授權而越過，必須停止使用。

所以，對「免費」的 280B 檢查點，誠實的定位是：在三個司法管轄區以外的所有地方都可免費下載、在營收門檻內可免費商業使用，並且帶有一項品牌標示義務——多數產品團隊會先在自己的行銷網站上注意到它，之後才在授權條款裡注意到。

要選哪一個，取決於你在做什麼

如果你要做的是視覺相關工作，而且這個月就需要答案，就選 Ling-3.2-flash。適合用在版面配置很重要的文件擷取、由截圖驅動的 UI 代理、圖稿轉 3D、醫療影像檢傷分類，以及任何需要模型檢查自身渲染輸出的情境。它的 API 採 OpenAI 形式，因此整合時只需變更 base-URL；兩週免費期也代表評估除了你的時間之外，不必花任何成本。但還不要把它放進正式環境的流程：目前尚未公布價格、沒有獨立評分、沒有權重，也沒有備援供應商。

如果你具備後訓練能力，也有特定領域，就選 ERNIE-5.5-Flash-Base。一個 280B-A14B 基礎模型，具備有文件記錄的架構、可運作的 SGLang 與 vLLM 配方、FP8 與 BF16 版本，以及 Megatron-Bridge 微調範例，對想要自有模型的團隊來說是真正的資產。開始前，先拿你的法律實體核對「Territory」條款，而不是開始後才核對。而且不要把它當成聊天模型來評測——它是在續寫文字，不是在回答請求，所以任何與 Ling-3.2-flash 進行的指令遵循比較，都是在衡量錯誤的東西。

如果你真正想要的是一個完成品、可以直接呼叫的 ERNIE，那就再等等。百度表示，經過後訓練的 ERNIE 5.5 Flash 即將推出；而在它推出之前，千帆的價目表上並沒有託管的 ERNIE 5.5——我們今天看到的國際清單列有 ERNIE 5.1、ERNIE 5.0 和 ERNIE 4.5 Turbo，並沒有 5.5 這一列。

兩者都不在我們的目錄中——以下是目前有的

把路由這件事講清楚：我們在 11 月 6 日重新讀取了 OrcaRouter 目錄，它回傳 215 個模型識別碼。其中沒有 Ling、inclusionAI、Ring 或 ERNIE 的項目；唯一符合「ling」的是 Kling 影片模型。所以這個比較並不是在單一金鑰已能觸及的兩者之間做選擇。

單一金鑰確實能觸及、且以供應商牌價零加成提供的，是涵蓋同樣這兩項工作的模型。對於有公開費率的視覺工作，Qwen3.8-Flash 每百萬輸入 token 為 $0.15、每百萬輸出 token 為 $0.47。對於大規模的低成本文字代理，DeepSeek V4.1 Flash 為 $0.15 與 $0.60，而 GLM-5.3-Flash 為 $0.15 與 $0.50。這三者都接受 OpenAI 格式的請求，因此把 Ling-3.2-flash 的整合移植到它們身上，只是變更模型字串，而不是重寫——當免費窗口關閉、而你仍沒有價目表時，這點很重要。

這也是為什麼要在自架 ERNIE 微調模型前面加一層路由器，而不是讓應用程式直接連到自己的叢集：單一端點、單一金鑰，而且自動容錯移轉到託管模型，當你的 GPU 滿載或部署正在滾動更新時。路由 DSL 會將多個模型組合成單一次呼叫，這就是你可以把視覺模型和文字模型當成一個步驟、而不是兩個步驟來執行的方法。

值得關注的事情

兩個版本都各自朝相反方向只做了一半，而兩邊的缺口都得照別人的時程才能補上。Ant 還欠一份價目表、一張模型卡，而且——如果 2026 年的模式持續下去——還欠一個以 MIT 授權的 checkpoint。Baidu 則欠已完成後訓練的 ERNIE 5.5 Flash，也欠一份更清楚的說明，交代 Territory 條款究竟適用於模型輸出，還是只適用於權重及其衍生物；而就條文目前文字來看，其適用範圍似乎比多數團隊所假設的更廣。

在其中一個推出之前，這項比較的局面很單純：Ling-3.2-flash 是你今天就能評估、卻無法編列預算的那一個；ERNIE-5.5-Flash-Base 則是你負擔得起預算、卻無法呼叫的那一個。