ERNIE Light DT 1.0 kostet viermal so viel wie Baidus 280B-Flash-Modell.

Baidus neuestes kleines Modell ist bepreist wie ein großes. ERNIE Light DT 1.0, gelistet am 10. November 2026, hat einen Listenpreis von 1,13 US-Dollar pro Million Input-Tokens und 3,94 US-Dollar pro Million Output-Tokens. Die ERNIE 5.5 Flash Preview – 280 Milliarden Parameter aus demselben Labor, eine höhere Output-Obergrenze, eine deutlich kleinere Preisliste – ist mit 0,28 und 1,13 US-Dollar gelistet. Liest man diese beiden Zeilen zusammen, ergibt der Name keinen Sinn mehr: Das Modell namens Light ist das teure, um den Faktor vier beim Input und dreieinhalb beim Output.

Diese Umkehrung ist kein Tippfehler in einer Preisliste, und sie ist das Erste, was man an dieser Veröffentlichung verstehen sollte. Baidu hat kein günstigeres Flash ausgeliefert. Es hat eine andere Art von Objekt ausgeliefert – eines, das für ein Kostenproblem gebaut ist, das in einer Preisliste pro Token überhaupt nicht auftaucht, und das so bepreist ist, als wäre das, was es einem erspart, mehr wert als die Tokens, für die es berechnet wird.

Was tatsächlich veröffentlicht wurde und wann

Das Modell erschien als baidu/ernie-light-dt-1.0-intl — wobei das Suffix -intl den internationalen Endpunkt und nicht die Qianfan-SKU für das Festland kennzeichnet — mit einem Snapshot-Stempel vom 10. November 2026. Es wird direkt von Baidu bereitgestellt, nicht über ein Reseller-Netzwerk, und es ist Text rein, Text raus. Keine Bilder, kein Audio, keine Dateien.

Die beiden Zahlen, die seine Form bestimmen, sind ein Kontextfenster von 1.024.000 Tokens und eine maximale Ausgabe von 131.072 Tokens. Das ist Ende 2026 nicht ungewöhnlich; ein Kontextfenster von einer Million Tokens gehört in der chinesischen Open-Weight-Klasse seit dem Sommer zum Standard. Ungewöhnlich sind eine Million Tokens bei einem Modell, das der eigene Anbietetext als leicht beschreibt.

Baidus Beschreibung ist kurz, und es lohnt sich, sie zu zitieren statt sie zu paraphrasieren, denn sie ist die einzige technische Aussage, die das Unternehmen gemacht hat: Das Modell sei „basierend auf Open-Source-GLM-Modellen“ und „enthält Forschungsergebnisse aus dem Lightning Large Model von Baidu Search“, und es „verfügt über Baidu Sparse Attention (BSA), einen einzigartigen spärlichen Attention-Mechanismus, der von Baidu ERNIE entwickelt wurde“.

Sparse Attention, Historienkompression und warum ein Light-Modell eine Million Token bekommt

In diesem Absatz stehen drei Behauptungen, und sie haben unterschiedliche Funktionen.

Das erste ist die Abstammung. Ein Baidu-Modell, das auf G​LM basiert, ist kein kleines Detail – G​LM ist die Architekturfamilie von Z.ai, und dass Baidu das offen ausspricht, zeigt, dass es sich um eine Anpassungsstrategie handelt und nicht um einen Pre-Training-Lauf von Grund auf. Baidu beansprucht hier kein neues Foundation-Modell. Es beansprucht einen besseren Weg, ein solches zu betreiben.

Das zweite ist die Verbindung zur Suche. Die „Lightning“-Linie von Baidu Search ist die Modellfamilie hinter der eigenen Antwortgenerierung des Suchprodukts, was bedeutet, dass sie unter einem ganz bestimmten Druck optimiert wurde: enormes Anfragevolumen, lange abgerufene Kontexte und ein hartes Latenzbudget. Forschungsergebnisse, die in dieser Umgebung Bestand haben, drehen sich tendenziell um Speicherverkehr, nicht um Benchmark-Werte.

Der dritte — und derjenige, der den Preis erklärt — ist BSA plus das, was Baidu als „feedback-driven history compression“ bezeichnet und was laut Baidu „die Speicherung und Indizierung historischer Informationen verbessert“ und „den KV-Cache-Speicher und die Rechenkosten erheblich senkt, während die Modellleistung erhalten bleibt“.

Zieht man das Marketing ab, bleibt eine KV-Cache-Geschichte. In einem Standard-Transformer wachsen die Kosten dafür, ein langes Gespräch oder ein langes Dokument im Kontext zu halten, mit jedem Token, den man behält, weil jede Schicht Schlüssel und Werte für jede Position zwischenspeichert. Dieser Cache ist es, der ein Fenster mit einer Million Token selbst dann teuer zu bedienen macht, wenn das Modell selbst klein ist. Kompressionsverfahren setzen genau dort an: Statt des rohen Caches pro Token eine kompakte, indexierte Darstellung der fernen Vergangenheit behalten, und die Rechnung für langen Kontext sinkt.

Das ist dasselbe Problem, das Baidu in ERNIE 5.5 Flash anders gelöst hat: Dort verwenden 37 von 43 Schichten Heavily Compressed Attention – mit einem Cache-Eintrag pro 128 Tokens –, während sechs Schichten über MLA mit Sparse Attention vollständigen Zugriff auf Token-Ebene beibehalten. Light DT scheint in dieselbe Richtung weiterzugehen: mehr Kompression, bessere Indexierung des Komprimierten. Baidu hat weder Schichtanzahlen noch Parameteranzahlen oder das Kompressionsverhältnis veröffentlicht, daher ist unbekannt, wie weit es geht.

Aus der Architektur folgt eine Preishypothese, und sie ist nur deshalb eine Hypothese, weil Baidu sich dazu nicht geäußert hat: Wenn Ihre Arbeitslast eher von der Verweildauer im Cache als von frischen Tokens dominiert wird, kann der Anbieter mehr pro Token verlangen und pro Anfrage dennoch die günstigere Option sein. Ob das zutrifft, hängt vollständig von einer Zahl ab, die Baidu nicht veröffentlicht hat – dem effektiven Cache-Footprint pro Million Kontext-Tokens.

Der Preis in den Einheiten, die ein Käufer tatsächlich verwendet

Preise pro Token, wie aufgeführt:

• Eingabe — ERNIE Light DT 1.0 zu 1,13 US-Dollar pro Million Token gegenüber ERNIE 5.5 Flash Preview zu 0,28 US-Dollar. Light DT kostet das 4,0-Fache.

• Ausgabe — 3,94 $ gegenüber 1,13 $ pro Million. Light DT ist 3,5-mal so teuer.

• Gecachter Input — 0,113 $ gegenüber 0,028 $ pro Million. Light DT kostet das 4,0-Fache, und beide berechnen gecachte Lesevorgänge mit einem Zehntel des Preises für frischen Input.

• Kontext — 1.024.000 Token für beide.

• Maximale Ausgabe – 131.072 Tokens für Light DT gegenüber 921.600 für ERNIE 5.5 Flash Preview. Dies ist der einzige Punkt, an dem das kleine Modell tatsächlich kleiner ist – um den Faktor sieben.

• Modalität — nur Text für Light DT; auch für den Preview-Endpoint nur Text.

Die Ausgabengrenze ist der entscheidende Hinweis. ERNIE 5.5 Flash Preview wurde darauf ausgelegt, sehr lange Antworten zu erzeugen – neunhunderttausend Tokens Ausgabe sind keine Zahl für ein Chat-Modell, sondern eine Zahl für Batch-Generierung, Langtext-Synthese oder Agent-Transkripte, die nie gekürzt werden. Die 131.072 von Light DT sind ein normales, großzügiges, unspektakuläres Ausgabebudget. Baidu hat bewusst genau das gedeckelt, dessen Bereitstellung am teuersten ist.

Die Produktstruktur ist also: auf jedes eingehende Token einen Aufpreis erheben und es dem Modell verwehren, zu schwafeln. Das ist eine kohärente Preisgestaltung für ein Modell, dessen teure Ressource der Kontext ist, den es hält, nicht der Text, den es schreibt.

Was der Endpunkt tun wird und was nicht

Die Funktionspalette ist breiter, als der Preis vermuten lässt, und schmaler, als der Name andeutet.

{{1}}Reasoning{{/1}} ist optional und steuerbar. Vier Aufwandsstufen sind verfügbar – {{2}}max{{/2}}, {{3}}high{{/3}}, {{4}}low{{/4}} und {{5}}none{{/5}} – wobei {{2}}max{{/2}} die Standardeinstellung ist. Dass sich der Aufwand auf {{5}}none{{/5}} setzen lässt, ist für ein Modell dieser Stufe wichtig: Es ist der Unterschied zwischen einem latenzempfindlichen Klassifikator und einem Reasoning-Modell am selben Endpunkt.

• Tool-Aufrufe werden unterstützt, einschließlich erzwungener Tool-Auswahl. Funktionsaufrufe, strukturierte Ausgaben und JSON-Antwortformate sind alle verfügbar, wodurch es sich nicht nur als Textgenerator, sondern auch als Planer innerhalb einer Agentenschleife einsetzen lässt.

• Das Sampling ist konventionell – Temperatur, top_p, max_tokens –, es werden keine ungewöhnlichen Parameter offengelegt und nichts deutet auf die exotischen Decoding-Knöpfe hin, die manche chinesischen Labore mitliefern.

• Es nimmt Text entgegen und gibt Text zurück. Wenn Ihre Pipeline ihm einen PDF-Scan, einen Screenshot oder eine Anrufaufzeichnung zuführt, benötigen Sie davor einen OCR- oder Transkriptionsschritt, und dieser Schritt hat seine eigenen Kosten und seine eigenen Fehlermodi.

• Es wird von einem einzigen Anbieter bereitgestellt. Ein Single-Vendor-Endpunkt hat kein Failover im Rücken, daher ist ein Vorfall bei Baidu ein Vorfall in Ihrem Produkt. Das ist eine Tatsache aus Beschaffungssicht, keine Kritik.

Was fehlt

Drei Lücken – und sie alle an derselben Stelle: bei den Beweisen.

Es gibt keinen Benchmark. Keine Anbietertabelle, kein Diagramm, keine einzige Zahl – Baidus Veröffentlichungstext erhebt einen Mechanismus-Anspruch und hört dort auf. Auch kein unabhängiger Evaluator hat eine Zeile dafür. Artificial Analysis, das Zeilen für die ERNIE-5.5-Familie und für den Großteil der chinesischen Fast-Tier führt, bewertet dieses Modell nicht. Die ehrliche Aussage über seine heutige Qualität lautet also: unbekannt, auf jeder Achse, einschließlich der Achse, die Baidu implizit bewirbt, nämlich ob Kompression dich bei langem Kontext Genauigkeit kostet.

Es gibt keine Gewichte. ERNIE 5.5 Flash Base veröffentlichte am 5. November 2026 offene Gewichte, 280B Parameter, mit einer Lizenz, die die EU, das Vereinigte Königreich und Südkorea ausnimmt. Light DT wird ausschließlich als API bereitgestellt, ohne öffentliches Repository und ohne Model Card. Wenn Sie das Kompressionsschema untersuchen möchten, ist das nicht möglich.

Und es gibt keine Definition von „DT“. Baidu hat keinen Glossareintrag veröffentlicht, und die beiden Buchstaben lassen sich mit nichts in der bestehenden Namensgebung des Unternehmens in Verbindung bringen – wobei Flash für eine günstige Stufe steht, Base für einen Pre-Training-Checkpoint steht und Preview für ein gehostetes Instruct-Modell steht. Bis Baidu sagt, wofür DT steht, behandeln Sie es als Produktcode, nicht als Beschreibung.

Wie man es nennt und was man in der Zwischenzeit tun kann

Derzeit ist ERNIE Light DT 1.0 über Baidus eigene API und über Drittanbieterplattformen erreichbar, die den internationalen Endpunkt anbieten. Es ist nicht im Katalog von OrcaRouter — gleichen Sie es mit der aktuellen Modellliste ab, bevor Sie darauf aufbauen — daher ist dies kein Fall, in dem wir Ihnen einfach einen Schlüssel und einen Preis geben und fertig sind.

Was heute sinnvoll ist, ist das zu messen, wovon der Preis abhängt. Nehmen Sie den längsten Kontext, den Ihr Produkt tatsächlich sendet – die abgerufenen Dokumente, die fortlaufende Konversation, den Codebase-Ausschnitt – und senden Sie ihn an ein Modell, das Sie bereits aufrufen können. Erfassen Sie die Eingabe-Token, die zwischengespeicherten Token, falls der Anbieter sie meldet, und die Wall-Clock-Latenz am tiefen Ende des Fensters. Diese Zahl, nicht der Preis pro Token, entscheidet darüber, ob ein Modell mit komprimiertem Cache eine Ersparnis oder einen Aufpreis bedeutet. Wenn Ihr Datenverkehr nie 32.000 Token überschreitet, bringt Ihnen die Architektur, die Baidu verkauft, nichts, und 1,13 $ pro Million sind schlicht viermal zu viel.

Die zweite Sache, die sich lohnt, ist, den Wechsel günstig zu halten. Der Grund, warum ein Modell ohne Benchmarks und mit vierfachem Aufpreis überhaupt diskutabel ist, liegt darin, dass die Alternative zum Ausprobieren kein Rewrite ist – sondern eine Basis-URL. Leiten Sie Ihren Long-Context-Traffic über einen einzigen Endpunkt, bei dem der Preis pro Modell offengelegt ist, und ein solches Modell lässt sich an einem Dienstag hinter zehn Prozent des Traffics setzen und am Mittwoch wieder entfernen. Das ist der einzige verantwortungsvolle Weg, eine nicht gemessene Veröffentlichung zu bewerten: geringe Exposition, echter Traffic und ein Preis, den man pro Anfrage statt pro Rechnung ablesen kann.

Worauf man achten sollte, und zwar in dieser Reihenfolge: eine Modellkarte mit Parameterzahlen und einem Kompressionsverhältnis; eine erste unabhängige Bewertung, idealerweise eine, die 128K und 1M getrennt ausweist statt einer einzigen Durchschnittsbewertung; und eine Preisänderung. Der letzte Punkt ist der aussagekräftigste. Ein vierfacher Aufpreis für ein leichtes Modell ist entweder eine Aussage über Cache-Ökonomie oder ein Platzhalter, und ob es sich um das eine oder das andere handelt, zeigt sich daran, ob er das erste Quartal übersteht.