ERNIE Light DT 1.0 vs. Qwen 3.8 Flash: Mehr zahlen für weniger Input

Setzt man ERNIE Light DT 1.0 und Qwen 3.8 Flash in dieselbe Zeile, streiten drei Zahlen. Baidu berechnet 1,13 US-Dollar pro Million Input-Tokens; A​libaba berechnet 0,15 US-Dollar. Baidu liefert nur Text; A​libaba akzeptiert Text, Bilder und Video. Baidu hat keinen Benchmark veröffentlicht; das Modell von A​libaba steht hinter einem dokumentierten Release mit einem Open-Weights-Zwilling, den man inspizieren kann. Qwen 3.8 Flash erschien am 26. August 2026; ERNIE Light DT 1.0 erschien am 10. November 2026, zweieinhalb Monate später, zum siebeneinhalbfachen Input-Preis.

Neuer und teurer ist nicht automatisch schlechter – Architekturen werden besser, und ein Modell, das auf KV-Cache-Komprimierung ausgelegt ist, löst ein Problem, das eine schnelle Allzweck-Tier nicht löst. Doch die Beweislast liegt in diesem Vergleich eindeutig bei Baidu, und Baidu hat sie nicht auf sich genommen.

Was Qwen 3.8 Flash eigentlich ist

Alibabas Flash-Tier ist ein dünn besetztes Mixture-of-Experts-Modell: 125 Milliarden Parameter im Expertenkörper, von denen pro Token rund 6 Milliarden aktiviert werden, plus eine n-Gramm-Embedding-Tabelle mit 51 Milliarden Parametern und etwa 4 Milliarden Parameter für Multi-Token-Prediction-Heads, was auf der Festplatte insgesamt rund 180 Milliarden Parameter ergibt. Achtundvierzig Schichten, 512 Experten und ein hybrider Attention-Stack aus Gated DeltaNet und Qwen Sparse Attention.

Die Produkt-SKU wird auf QwenCloud mit einem dokumentierten Standardkontext von einer Million Token, einer maximalen Eingabe von 991.000 Token und einer maximalen Ausgabe von 131.072 Token bereitgestellt. Das Open-Weights-Artefakt mit derselben Architektur ist Qwen3.8-Flash-Next, veröffentlicht unter der Q​wen Community License – ein anderes Objekt mit einer anderen Lizenz, nützlich zur Prüfung, aber kein Ersatz für den Endpunkt.

Bemerkenswert ist, dass Q​wens Sparse Attention und Baidus Sparse Attention dasselbe Problem aus entgegengesetzten Richtungen angehen. Q​wens QSA arbeitet auf Mikroblock-Ebene statt einzelne Tokens auszuwählen, was laut dem Anbieter die Latenz bei langem Kontext deutlich senkt. Baidus BSA zielt dagegen in Kombination mit feedbackgesteuerter Historienkompression auf Cache-Speicher und Indexierung. Beide sind Wetten darauf, dass die Zukunft der Inferenz in langem Kontext zu geringen Kosten liegt. Sie sind sich nur uneinig darüber, welchen Teil der Rechnung sie attackieren.

Der Vergleich, Dimension für Dimension

• Eingabepreis — ERNIE Light DT 1.0 bei 1,13 $ pro Million Tokens gegenüber Qwen 3.8 Flash bei 0,15 $. Baidu ist 7,5-mal teurer.

• Ausgabepreis — 3,94 $ gegenüber 0,47 $ pro Million. Baidu ist 8,4-mal teurer.

• Zwischengespeicherte Eingabe – 0,113 $ gegenüber 0,0184 $ pro Million. Beide bieten einen zehnfachen Rabatt beim Lesen aus dem Cache; die absolute Differenz beträgt das 6,1-Fache.

• Kontextfenster — 1.024.000 Tokens gegenüber 1.000.000, wobei Q​wen mit einer maximalen Eingabe von 991.000 Tokens dokumentiert ist. Effektiv dieselbe Obergrenze.

• Maximale Ausgabe — 131.072 Token bei beiden. Identisch.

• Eingabemodalität — nur Text im Vergleich zu Text, Bild und Video.

• Reasoning-Steuerung — vier abgestufte Stufen bei Light DT (max, hoch, niedrig, keine) im Vergleich zu einem flexiblen Denkmodus bei Qwen 3.8 Flash, der ein dokumentiertes maximales Token-Budget für Reasoning unterstützt.

• Tool-Nutzung und strukturierte Ausgabe — bei beiden unterstützt, einschließlich erzwungener Tool-Auswahl.

• Unabhängiger Score — für Light DT wurde keiner veröffentlicht; das Flash-Next-Geschwistermodell von Q​wen wurde im Artificial Analysis Intelligence Index gemessen, und sein Score gehört zum offenen Artefakt statt zum Produktions-SKU.

• Offene Gewichte — keine für Light DT; ein Checkpoint mit derselben Architektur unter der Qwen Community License für Qwen.

Wo die siebenfache Prämie theoretisch verdient werden könnte

Es lohnt sich, Baidus Position in ihrer stärksten Form zu vertreten, statt sie abzutun, denn es gibt eine Version davon, in der der Preis angemessen ist.

Ein auf Kompression basierendes Modell kann prinzipiell eine Anfrage mit einer Million Token mit einem Cache-Fußabdruck bedienen, den ein konventionelles Modell nicht erreichen kann. Wenn Baidus BSA die Qualität bei wachsendem Kontext tatsächlich konstant hält – die Behauptung lautet „die Modellleistung aufrechtzuerhalten“, während der KV-Cache-Speicher und der Rechenaufwand reduziert werden –, dann sinken die Kosten des Betreibers pro Million Token Kontext. Ein Anbieter, der Forschungsaufwand darauf verwendet hat, könnte vernünftigerweise mehr pro Token verlangen und wäre bei einer langen Anfrage dennoch günstiger.

Das Problem ist, dass dies völlig unbestätigt ist, und die eine Zahl, die es klären würde – der effektive Cache-Footprint pro Million Tokens – wurde nicht veröffentlicht. Es gibt keine Model Card, keinen technischen Bericht, keine Benchmark-Tabelle. Baidus eigene Produktbeschreibung umfasst nur einen einzigen Absatz.

Vergleichen Sie die Belege auf der anderen Seite. Qwen 3.8 Flash hat eine Anbieterseite mit Dokumentation auf Token-Ebene, ein Geschwistermodell mit offenen Gewichten, dessen Architektur sich in einer Konfigurationsdatei nachlesen lässt, und Messungen Dritter zu diesem Geschwistermodell. Sie mögen mit A​libabas Zahlen nicht übereinstimmen, aber Sie können sie überprüfen.

Modalität ist das schwierigere Problem

Der Preis ist Verhandlungssache. Die Modalität ist eine Wand.

Qwen 3.8 Flash akzeptiert Text, Bilder und Video, und sein Produkttext benennt die Aufgaben, die sich daraus ergeben: visuelles Verständnis, Dokument- und Codebase-Analyse, Diagrammanalyse, Desktop-Interaktion, Langvideoanalyse. ERNIE Light DT 1.0 nimmt Text entgegen und gibt Text zurück.

Wenn irgendein Teil Ihrer Pipeline einen Screenshot, eine gescannte Seite, ein Diagramm oder ein Videobild umfasst, ist der Vergleich entschieden, bevor der Preis eine Rolle spielt. Entweder setzen Sie Light DT ein OCR- oder Vision-Modell voran – was Kosten, Latenz und eine zusätzliche Fehlerquelle hinzufügt – oder Sie nutzen ein Modell, das das Artefakt akzeptiert. In einer Support-Pipeline, in der die Hälfte der eingehenden Nachrichten ein Screenshot einer Fehlermeldung ist, ist „Nur Text“ keine Einschränkung, die man umgeht; es ist eine andere Produktkategorie.

Der Gegenfall ist ebenso real: retrieval-augmentierte Textarbeit, Codeanalyse an reinem Quelltext, Log-Triage, Fragen und Antworten zu langen Dokumenten, bei denen die Dokumente bereits Text sind. Dort bringt der Modalitätsvorteil nichts, und der Vergleich kehrt zu Preis und Qualität zurück – wo Baidu immer noch 7,5-mal teurer ist, ohne Belege dafür vorweisen zu können.

Drei Wege, wie sich das Premium tatsächlich bezahlt machen könnte

Anstatt davon auszugehen, dass Baidu einfach überteuert ist, folgen hier die konkreten Bedingungen, unter denen die Entscheidung für Light DT vertretbar wäre – jede einzelne davon lässt sich an einem Nachmittag testen.

Eins: Die Qualität bleibt bei 400.000 Tokens und darüber erhalten. Ling und Q​wen werben beide mit einem Fenster von einer Million Tokens; ob eines von beiden mitten in einem sehr langen Prompt schlechter wird, ist genau das, was Kompressionsschemata zu beheben versprechen. Wenn Light DT Fragen zum tiefen Kontext präzise beantwortet, während Q​wen 3.8 Flash beginnt, die Mitte des Dokuments zu verfehlen, hat der Aufpreis eine Berechtigung. Der Test ist ein Satz von Fragen, deren Antworten bei 5 %, 50 % und 95 % Tiefe im selben langen Dokument liegen.

Zwei: Der Durchsatz pro Anfrage ist deutlich besser. Wenn Komprimierung bedeutet, dass pro Anfrage weniger Token im Cache liegen, kann ein Anbieter mehr gleichzeitige lange Anfragen auf derselben Hardware bedienen – was sich in geringerer Latenz unter Last niederschlagen kann. Baidu veröffentlicht keine Durchsatzzahl, und Q​wen veröffentlicht ebenfalls keine passende, daher lässt sich dies nur messen, indem man beide unter Ihrer eigenen Nebenläufigkeit laufen lässt.

Drei: Die Reasoning-Leiter verdient sich ihren Platz. Setzt man den Effort bei Light DT auf none, ergibt sich ein schneller, günstiger Pfad für Klassifikation und Extraktion, während max auf demselben Endpoint ein Thinking-Modell liefert. Qwen 3.8 Flash hat einen Thinking-Modus, aber eine weniger feingranulare Leiter. Wer einen Endpoint für zwei sehr unterschiedliche Aufgaben betreibt, für den hat das echten technischen Wert – allerdings nicht offensichtlich einen Wert von 1,13 Dollar pro Million.

Die realistische Einschätzung

Keine dieser drei Bedingungen dürfte für sich genommen einen 7,5-fachen Input-Aufpreis rechtfertigen, und zusammen schlagen sie Q​wen immer noch nur, wenn Ihre Workload langkontextig, rein textbasiert und in der Tiefe qualitätskritisch ist. Das ist ein reales Segment – Legal Discovery, Q&A zu großen Codebasen, Prüfung regulatorischer Dokumente –, aber nicht der breite Fast-Tier-Markt, den diese Modelle nominell gemeinsam bedienen.

Die wahrscheinlichere Erklärung ist die wenig schmeichelhafteste: Baidu bepreist einen neuen, nicht gemessenen Endpunkt als Premiumprodukt, weil es das kann, und der Preis wird sich bewegen, sobald der Markt eine Meinung dazu hat. Das ist ein normales Muster für eine erste Börsennotierung. Es ist auch der Grund, warum niemand sein Budget auf der aktuellen Zahl aufbauen sollte.

Beide betreiben, ohne sich auf eines von beiden festzulegen.

Qwen 3.8 Flash ist im Katalog von OrcaRouter zum Listenpreis von A​libaba ohne Aufschlag erhältlich, was bedeutet, dass der Preis, den Sie auf unserer Modellseite sehen, der Preis ist, den der Anbieter berechnet – und wenn A​libaba ihn senkt, erscheint die Senkung hier am selben Tag und nicht erst bei der nächsten Vertragsverlängerung.

Diese Eigenschaft ist bei einem Vergleich wie diesem wichtiger als sonst, denn die gesamte Prämisse ist eine Preisspanne, die niemand gerechtfertigt hat und die jede der beiden Parteien ändern könnte. Eine Routing-Ebene, die beide Preise nebeneinander auflistet und es Ihnen ermöglicht, fünf Prozent des Traffics an das neue Modell zu senden, während fünfundneunzig Prozent beim bekannten bleiben, ist der Weg herauszufinden, ob der Aufpreis real ist, ohne dafür ein Quartalsbudget zu verwetten.

Automatisches Failover ist die andere Hälfte. Ein Modell, das von einem einzigen Anbieter bereitgestellt wird, hat eine einzige Ausfall-Domäne; wenn es bei Baidu eine Störung gibt, ist Ihr Langkontext-Pfad ausgefallen. Routing, das bei Fehlern des primären Endpunkts auf einen vergleichbaren Endpunkt ausweichen kann, ist der Unterschied zwischen einer beeinträchtigten Funktion und einem Ausfall.

Was diese Woche zu tun ist

Beginne mit {{1}}Qwen 3.8 Flash{{/1}}, es sei denn, du kannst die Workload benennen, bei der das zusätzliche Geld einen Mehrwert bringt. Es ist pro Einheit günstiger, akzeptiert mehr Eingabetypen und bringt ein inspizierbares offenes Geschwistermodell mit. Bei {{2}}$0.15 und $0.47 pro Million Token{{/2}} kostet eine ernsthafte Evaluierung nur ein paar Cent.

Teste ERNIE Light DT 1.0 ausschließlich gegen die konkrete Behauptung, die es aufstellt. Baue einen einzigen Long-Context-Eval – einen Dokumentensatz mit 200.000 Token, in dem Antworten in drei Tiefen platziert sind – und lass ihn auf beiden Modellen laufen. Wenn Light DT die Qualität hält, wo Qwen 3.8 Flash nachlässt, hast du den Fall für die Premiumvariante gefunden und kannst ihn mit Daten untermauern. Wenn nicht, hast du dir eine 7,5-fach höhere Rechnung erspart – aufgrund eines Herstellerabsatzes und eines Namens, der „light“ sagt, aber wie „luxury“ abrechnet.