DBRX Instruct vs ERNIE Speed
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
DatabricksのDBRX InstructとBaiduのERNIE Speedは、注目度の高い主要AIモデルです。DBRX Instructは32.8K トークンのコンテキストウィンドウを備え、API料金は100万トークンあたり入力$0.00/出力$0.00、一方のERNIE Speedは128K トークンのコンテキストで入力$0.00/出力$0.00です。以下でベンチマーク、速度、コストを詳しく比較します。
任意のAIモデルを切り替えて比較
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
DBRX Instruct
オープンウェイト基盤モデルDatabricks の DBRX Instruct は、オンプレミス環境でのセルフホスト、ファインチューニング、完全なデータ主権の確保向けに設計されたAIモデルです。33K のコンテキストウィンドウ、毎秒 75 トークンの生成速度、知能指数 76/100（無料のオープンウェイト提供）を実現しています。
$0.00 / 1M
$0.00 / 1M
32.8K tokens
N/A
ERNIE Speed
超高速・低遅延レスポンスBaidu の ERNIE Speed は、超低遅延のリアルタイム対話、高速ルーティング、大量リクエスト処理向けに設計されたAIモデルです。128K のコンテキストウィンドウ、毎秒 175 トークンの生成速度、知能指数 68/100（無料のオープンウェイト提供）を実現しています。
$0.00 / 1M
$0.00 / 1M
128K tokens
N/A
ひと目でわかる主な違い
- Both models cost the same under this workload — choose on capability, not price.
- ERNIE Speed has a larger context window (128K vs 33K tokens).
- ERNIE Speed is faster at 175 tok/s vs 75 tok/s.
| Feature | DBRX Instruct | ERNIE Speed |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 76 | 68 |
Provider | Databricks | Baidu |
Input Price Cost per million input tokens | $0.00 / 1M | $0.00 / 1M |
Output Price Cost per million output tokens | $0.00 / 1M | $0.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.00 / 1M | $0.00 / 1M |
Context Window Maximum input + output tokens | 32.8K tokens~49 A4 pages of text | 128K tokens~192 A4 pages of text |
Max Output Tokens Per single request | 4K | 4K |
Throughput Speed Tokens generated per second | 75 tok/s | 175 tok/s |
SWE-bench Verified Real-world software engineering | N/A | N/A |
分野別勝者スコアカード
At-a-glance decision frameworkEvaluations ongoing
検証済みベンチマークスコア比較
Official evaluation metrics verified by independent third-party research labs.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Tokens emitted per second during active generation streaming.
レイテンシ＆応答時間
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
リアルタイムAPIトークン料金シミュレーター
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
DBRX Instruct · Strengths & Key Advantages
- 33K のコンテキストウィンドウと最大 4K トークンの出力容量（MMLU-Pro 74% · Arena Elo 1265）
- 毎秒 75 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 480ms の低遅延
- オープンウェイトモデル (132B total (36B MoE))として vLLM・SGLang・Ollama を用いた自社GPUでのローカル運用が可能
Considerations & Trade-offs
- 非量子化のフル精度でローカル推論を行うには十分なGPU VRAM容量が必要です
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
ERNIE Speed · Strengths & Key Advantages
- 128K のコンテキストウィンドウと最大 4K トークンの出力容量（MMLU-Pro 64% · Arena Elo 1205）
- 毎秒 175 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 230ms の低遅延
- オープンウェイトモデル (Confidential / 8B Scale)として vLLM・SGLang・Ollama を用いた自社GPUでのローカル運用が可能
Considerations & Trade-offs
- 非量子化のフル精度でローカル推論を行うには十分なGPU VRAM容量が必要です
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | DBRX Instruct | ERNIE Speed |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.00 | $0.00 |
Output Tokens / Task Tokens generated per task | 14K | 8K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
技術仕様・スペック
Architecture, release timeline, capabilities, and modalities.
| Feature | DBRX Instruct | ERNIE Speed |
|---|---|---|
| Official API Model ID (SDK) | dbrx-instruct | ernie-speed |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2024-03 | 2024-03 |
| Knowledge Cutoff | December 2023 | December 2023 |
| Architecture | Fine-Grained Sparse Mixture-of-Experts Transformer | Distilled High-Throughput Transformer |
| Parameters | 132B total (36B active MoE) | Confidential / 8B Scale |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Free across full context window (only KV-cache VRAM scales) | Free across full context window (only KV-cache VRAM scales) |
| Prompt Cache Policy & TTL | Automatic prefix KV-caching in vLLM / SGLang (0 cost) | Automatic prefix KV-caching in vLLM / SGLang (0 cost) |
| Computer Use / GUI Agent | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) | Text BPE (~4 chars/token) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 82 GB VRAM (4-bit Quantized) · 284 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 5 GB VRAM (4-bit Quantized) · 17 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text | text |
| Output Modalities | text | text |
DBRX Instruct vs ERNIE Speed: よくある質問 (FAQ)
Which is more intelligent, DBRX Instruct or ERNIE Speed?
DBRX Instruct is more intelligent. It scores 76 compared with 68 on the composite Intelligence Index.
Which model is faster?
ERNIE Speed is faster, generating 175 tokens per second compared with 75 tokens per second.
Which model has lower latency?
ERNIE Speed has lower latency, with a time to first token of 0.23s compared with 0.48s.
Which model has a larger context window?
ERNIE Speed has a larger context window, supporting 128K tokens compared with 32.8K tokens.
総合評価
DBRX Instruct（オンプレミス環境でのセルフホスト、ファインチューニング、完全なデータ主権の確保、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）とERNIE Speed（超低遅延のリアルタイム対話、高速ルーティング、大量リクエスト処理、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）はいずれも優れた選択肢です。高度な推論・コーディング精度ではDBRX Instructがリードし、応答速度とスループットではERNIE Speedが優れ、APIコスト効率ではDBRX Instructが有利です。
よくある質問 (FAQ)
コーディングや複雑な推論には DBRX Instruct と ERNIE Speed のどちらが適していますか？+
総合知能指数およびコーディング評価では DBRX Instruct が優位です。上部の SWE-bench や GPQA スコアもあわせてご確認ください。
DBRX Instruct と ERNIE Speed ではどちらのAPI料金が安いですか？+
DBRX Instruct は100万トークンあたり入力$0.00 / 出力$0.00、ERNIE Speed は入力$0.00 / 出力$0.00です。総合的なコスト効率では DBRX Instruct がより経済的です。
コンテキスト長と生成速度はどちらが優れていますか？+
コンテキストウィンドウは DBRX Instruct が 32.8K トークン、ERNIE Speed が 128K トークン です。出力スピード（トークン/秒）では ERNIE Speed がリードしています。
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- DBRX Instruct vs ERNIE Lite：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- ERNIE Speed vs ERNIE Lite：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Aion-Mini：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Gemini 3.6 Flash：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-Mini vs Laguna XS 2.1：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aya Expanse 32B vs Llama 3.2 90B Vision：ベンチマーク・API料金・速度の徹底比較 (2026)比較
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
公的ソース: DatabricksおよびBaidu公式APIドキュメント、システムカード、独立ベンチマーク評価 (2026)。