ERNIE Light DT 1.0 vs. ERNIE 5.5 Flash Base: Die Lizenz ist das Produkt

ERNIE Light DT 1.0 und ERNIE 5.5 Flash Base sind die Antworten desselben Labors auf zwei verschiedene Fragen, die im November 2026 mit fünf Tagen Abstand veröffentlicht wurden. Light DT ist eine API: keine Gewichte, keine Modellkarte, 1,13 US-Dollar pro Million Eingabe-Tokens und ein Ausgabelimit von 131.072 Tokens. Flash Base ist ein Download: 280 Milliarden Parameter, 14 Milliarden pro Token aktiv, 33,5 Billionen Trainings-Tokens und überhaupt kein gehosteter Endpunkt von Baidu. Die Entscheidung zwischen ihnen dreht sich nicht wirklich um Benchmarks – keines der beiden hat einen veröffentlichten Wert, über den es sich zu streiten lohnt –, sondern darum, ob Sie einen Serving-Stack mieten oder eine Lizenz besitzen möchten, auf deren Grundlage Sie selbst aufbauen.

Und die Lizenz ist der Punkt, an dem dieser Vergleich nicht mehr symmetrisch ist, denn die von Flash Base legt ungewöhnlich genau fest, wo man sie verwenden darf und wen man benachrichtigen muss.

Zwei Artefakte, ein Labor, fünf Tage Abstand

Flash Base erschien am 5. November 2026 mit einem technischen Bericht und offenen Gewichten auf Hugging Face in zwei Präzisionen – FP8 und BF16 –, veröffentlicht unter der ERNIE 5.5 Flash Base Model License v1.0. Es handelt sich um einen Pre-Training-Checkpoint, das heißt, die Gewichte, die man erhält, sind diejenigen, die aus dem Pre-Training hervorgegangen sind, bevor irgendein Instruction-Tuning oder eine Präferenzarbeit erfolgte. Es gibt keine ernstzunehmende Chat-Vorlage und kein Instruct-Geschwistermodell, das zusammen mit ihm veröffentlicht wurde.

Light DT kam am 10. November 2026 als internationaler API-Endpunkt auf den Markt. Baidu beschreibt ihn als auf Open-Source-G​LM-Modellen basierend, in die Forschung aus der Search-Reihe „Lightning“ des Unternehmens eingeflossen ist, und als aufgebaut um Baidu Sparse Attention sowie ein feedbackgetriebenes History-Kompressionsschema, das laut Anbieter den KV-Cache-Speicherbedarf und den Rechenaufwand reduziert. Er ist nachtrainiert, beantwortet Fragen, ruft Tools auf und existiert nicht als herunterladbare Datei.

So betrachtet wirkt die Paarung in die offensichtliche Richtung unausgewogen: Das eine ist ein fertiges Produkt, das andere ein Ausgangspunkt. Doch der Preis spricht eine andere Sprache, und die Lizenz wiederum etwas anderes.

Die Tarifkarte, die in die falsche Richtung läuft

Light DT kostet pro Token mehr als ein Modell mit der zwanzigfachen Anzahl aktiver Parameter. Das ist die Tatsache, mit der man sich vor allem anderen in diesem Text auseinandersetzen sollte:

• Eingabepreis — ERNIE Light DT 1.0 bei 1,13 US-Dollar pro Million Tokens vs. ERNIE 5.5 Flash Base bei 0 US-Dollar, da es keinen Baidu-Endpunkt und daher keinen Listenpreis gibt. Die 0 US-Dollar sind real: Das Hosting ist ein Kapitalaufwand, keine Rechnungsposition.

• Ausgabepreis — 3,94 $ pro Million für Light DT; für Flash Base Ihre eigenen GPU-Stunden.

• Zwischengespeicherte Eingabe — 0,113 $ pro Million bei Light DT, ein zehnfacher Rabatt auf zwischengespeicherte Lesevorgänge. Flash Base hat kein Äquivalent, weil die Cache-Ökonomie zum Problem deines Schedulers wird.

• Aktive Parameter pro Token — für Light DT nicht angegeben; 14 Milliarden für Flash Base.

• Kontext — 1.024.000 Tokens für Light DT; 1.000.000 für Flash Base beim Fine-Tuning und bei der Inferenz, wobei 128.000 den maximalen Trainingskontext darstellen.

• Maximale Ausgabe – 131.072 Tokens für Light DT; begrenzt durch Ihre Serving-Konfiguration für Flash Base.

• Gewichte — keine für Light DT; 280B in FP8 oder BF16, aufgeteilt auf 128 Safetensors-Shards im FP8-Repository, für Flash Base.

• Serving-Stack — Baidus eigener für Light DT; SGLang oder vLLM mit Baidus eigenem Plugin für Flash Base. Das veröffentlichte SGLang-Rezept verlangt Tensor-Parallelität von 4 und eine Attention-Data-Parallel-Größe von 4, was eine Untergrenze von vier GPUs darstellt, bevor auch nur eine einzige Anfrage geladen wurde.

Was Self-Hosting von 280B tatsächlich pro Million Tokens kostet

Dies ist die Berechnung, die das Matchup entscheidet, und es lohnt sich, sie mit runden Zahlen statt mit Bauchgefühl durchzuführen.

Vier GPUs sind das Minimum für die veröffentlichte Konfiguration, aber 280 Mrd. Parameter in FP8 sind rund 280 GB Gewichte vor jeglichem Cache, daher umfasst ein realistischer Produktionsknoten acht Beschleuniger mit Platz für KV-Cache und Batching. Sagen wir acht Karten der H100-Klasse zu einer durchschnittlichen Miete von 2 $ pro Kartenstunde – ein Wert im mittleren Marktsegment für 2026, kein Angebot –, dann kostet der Knoten etwa 16 $ pro Stunde oder rund 11.700 $ pro Monat, wenn er durchgehend läuft.

Jetzt die Durchsatzfrage. Ein sparse MoE, der pro Token 14 Milliarden Parameter aktiviert, ist pro Token schnell, und zwar so schnell, wie alle sparse Modelle sind, aber der aggregierte Durchsatz über einen Batch bestimmt Ihre Stückkosten, und Baidu veröffentlicht für diesen Checkpoint keine Tokens-pro-Sekunde-Zahl. Nehmen wir konservativ an, dass der Knoten über einen vollen Batch 4.000 Ausgabe-Token pro Sekunde durchhält. Das sind 14,4 Millionen Ausgabe-Token pro Stunde, was bei 16 $ pro Stunde auf etwa 1,11 $ pro Million Ausgabe-Token hinausläuft – vor Auslastungsverlusten, vor dem Ingenieur, der den Betrieb verantwortet, vor den Leerlaufstunden, in denen der Verkehr abnimmt.

Betreiben Sie es mit einem Drittel der Kapazität – wie es die meisten realen Bereitstellungen außerhalb von Spitzenlast tun –, verdreifachen sich die effektiven Kosten. Die ehrliche Zusammenfassung lautet: Das Selbsthosten von Flash Base kostet – je nachdem, wie gut man den Knoten auslastet – irgendwo zwischen etwa einem und drei Dollar pro Million Ausgabe-Tokens; eine Spanne, die die 3,94 $ von Light DT umfasst und bei hoher Auslastung deutlich unterbieten kann.

Das bedeutet, die Preisprämie für Light DT ist keine Steuer auf Unwissenheit. Sie ist das, was Baidu dafür verlangt, dass man diese Berechnung nicht selbst durchführen muss, und für ein Kompressionsschema, von dem es behauptet, es halte den Cache klein genug, dass ein Fenster von einer Million Tokens bezahlbar zu bedienen bleibt. Wenn Ihr Traffic stoßartig, volumenarm oder überwiegend langkontextig ist, ist es die rationale Wahl, 3,94 $ zu zahlen und jemand anderen das Auslastungsproblem besitzen zu lassen.

Die Lizenz – hier wird Flash Base kompliziert.

Die Lizenz von Flash Base ist keine standardmäßige permissive Lizenz, und drei Klauseln sind wichtiger als jeder Benchmark.

• Territorium. Die Gewährung gilt für „alle geografischen Gebiete weltweit außer der Europäischen Union, dem Vereinigten Königreich und Südkorea“. Die Nutzung der Gewichte oder die Weitergabe von Derivaten außerhalb dieses Territoriums fällt nicht unter die gewährten Rechte. Wenn Sie EU-Nutzer, eine EU-Inferenzregion oder EU-Mitarbeiter haben, die mit dem Modell in Berührung kommen, ist dies ein Hindernis, das Sie sorgfältig mit Rechtsberatung prüfen sollten, statt es als Fußnote zu behandeln.

• Umsatzschwelle. Die kommerzielle Nutzung ist kostenlos, solange der Jahresumsatz im Zusammenhang mit den Produkten oder Dienstleistungen, die das Modell verwenden, unter 50 Millionen US-Dollar liegt; hierfür ist eine einmalige Mitteilung an Baidu erforderlich. Darüber hinaus benötigen Sie vor Beginn eine separate schriftliche kommerzielle Genehmigung. Wenn Sie die Schwelle überschreiten, müssen Sie die Genehmigung vor dem Überschreiten einholen oder die betroffene Nutzung aussetzen.

• Namensnennung. Kommerzielle Produkte müssen die exakten Worte „Powered by ERNIE“ an einer leicht zugänglichen Stelle anzeigen – in einer Benutzeroberfläche, auf einer Info-Seite oder bei APIs und Backend-Diensten in der Entwicklerdokumentation.

Es gibt außerdem eine Klausel, die für alle erwähnenswert ist, die ein Destillieren planen: Die Lizenz verbietet es, die Materialien oder ihre Outputs zu nutzen, um ein anderes KI-Modell als das Modell selbst oder seine Derivate zu verbessern. Ein kleineres Studentenmodell mit Flash Base-Outputs zu trainieren, ist von der Erlaubnis abgedeckt; eine andere Architektur damit zu trainieren nicht.

Light DT hat keines dieser Probleme, weil es keine Gewichte zu lizenzieren gibt. Sie erhalten eine Nutzungsvereinbarung und eine Preisliste – eine deutlich kleinere Angriffsfläche für ein Rechtsteam und eine deutlich kleinere Angriffsfläche für Ambitionen.

Funktionsumfang: Was jedes einzelne davon standardmäßig kann und nicht kann

• Reasoning-Steuerung — Light DT bietet vier Effort-Stufen (max, high, low, none), wobei max der Standard ist. Flash Base hat überhaupt keinen Reasoning-Modus; es ist ein Completion-Modell, und jegliches Reasoning-Verhalten müsste man erst antrainieren.

• Tool-Aufruf — Light DT unterstützt Funktionsaufrufe mit erzwungener Tool-Auswahl, strukturierten Ausgaben und JSON-Antwortformaten. Flash Base unterstützt alles, was Sie darum herum implementieren.

• Modalität — beide sind reine Text-zu-Text-Systeme. Keines von beiden nimmt Bilder entgegen, und keines wird für Sie ein gescanntes Dokument auslesen.

• Langkontext — Light DT wirbt mit 1.024.000 Tokens dank seines komprimierten Cache-Designs. Flash Base unterstützt 1M beim Fine-Tuning und bei der Inferenz, doch bei dieser Länge ist auf acht Karten Ihr KV-Cache-Budget die bindende Einschränkung, und die Kompression, die Baidu in Flashs eigene Attention eingebaut hat — Heavily Compressed Attention in 37 seiner 43 Layer — ist das, was dies überhaupt erst möglich macht.

• Evaluierung — Flash Base veröffentlicht eine vollständige Anbietertabelle: MMLU 93,3, MMLU-Pro 78,4, GPQA 60,2, HumanEval+ 82,3, LiveCodeBench 40,1, HELMET-RAG 71,5, LongBench-v2 48,7, gemessen an DeepSeek-V4-Flash-Base, Hy3-preview-Base und MiMo-V2.5-Base unter einer einheitlichen Pipeline. Das sind Baidus eigene Zahlen, von Baidu erhoben, und sollten auch so gelesen werden. Light DT veröffentlicht überhaupt nichts.

Die letzte Zeile ist die Asymmetrie, die für einen Käufer am meisten zählt. Flash Base ermöglicht es zumindest, seine Behauptungen zu überprüfen – die Gewichte herunterladen, eine eigene Evaluierung durchführen und sehen, ob die Anbietertabelle mit Ihren Daten standhält. Light DT verlangt von Ihnen, den Mechanismus einfach zu glauben, denn der einzige verfügbare Beleg ist ein Absatz Produkttext.

Wo ein Router passt – und wo nicht

Keines dieser Modelle steht heute im Katalog von OrcaRouter, und etwas anderes zu behaupten wäre genau die Art von Sache, die einen Leser eine Woche Zeit kostet. Was ein Router jedoch ändert, ist die Form der Entscheidung.

Wenn Sie die Flash-Base-Route wählen, binden Sie Kapital und Personal an ein Modell, dessen Qualität Sie messen können, dessen Serving-Kosten Sie aber nicht in den Griff bekommen – und die sinnvolle Architektur besteht darin, ein gehostetes Modell hinter derselben Schnittstelle als Fallback beizubehalten, für die Tage, an denen Ihr Node voll ist, Ihr Batch kalt ist oder ein Evaluierungslauf die Karten beansprucht. Wenn Sie die Light-DT-Route wählen, binden Sie sich an den Endpoint eines einzigen Anbieters, ohne einen zweiten Anbieter dahinter und ohne Gewichte, die Sie verschieben könnten, wenn sich der Preis ändert.

So oder so ist das Fehlermuster dasselbe: eine Long-Context-Workload, die an ein einziges Modell gebunden ist, ohne Möglichkeit zu vergleichen, was die Alternative gekostet hätte. Genau das löst ein gerouteter Endpoint mit einer Preisliste pro Modell – nicht indem er die Wahl für Sie trifft, sondern indem er die Kosten der Wahl pro Anfrage statt pro Quartal sichtbar macht.

Welchen soll man wählen?

Nehmen Sie ERNIE 5.5 Flash Base, wenn Sie eher ein Trainings- als ein Serving-Problem haben: Sie möchten einen 280B großen, dünn besetzten Ausgangspunkt, Sie beabsichtigen, ihn zu fine-tunen, Ihre Nutzer und Ihre Infrastruktur befinden sich außerhalb der EU, des Vereinigten Königreichs und Südkoreas, und Sie liegen unter der Umsatzschwelle oder sind bereit, Baidu um eine Genehmigung zu bitten. Die Benchmark-Tabelle des Anbieters liefert Ihnen eine belastbare Ausgangsbasis, und dank der Gewichte kann Ihnen niemand das Modell wegnehmen.

Nehmen Sie ERNIE Light DT 1.0, wenn es auf das Kontextfenster ankommt. Eine Million Tokens, bereitgestellt über einen komprimierten Cache, mit einem einstellbaren Reasoning-Budget und Tool Calling, ist ein spezifisches Produkt für eine spezifische Aufgabe – lange abgerufene Dokumente, lange Agent-Transkripte, lang laufende Sitzungen – und einen Aufpreis pro Token zu zahlen, um nicht das Cache-Budget besitzen zu müssen, ist ein legitimer Kompromiss.

Nehmen Sie keines von beiden, wenn Ihre Prompts kurz sind. Bei 8.000 Tokens pro Anfrage ist die ganze Geschichte um die Architektur auf beiden Seiten irrelevant, und 1,13 $ pro Million Eingabe-Tokens ist einfach eine teure Art, das zu tun, was ein Modell für ein Zehntel des Preises genauso gut erledigt.