ERNIE Light DT 1.0 cuesta cuatro veces lo que cuesta el modelo Flash 280B de Baidu

El modelo pequeño más reciente de Baidu tiene precio de uno grande. ERNIE Light DT 1.0, listado el 10 de noviembre de 2026, tiene un precio de lista de 1,13 USD por millón de tokens de entrada y 3,94 USD por millón de tokens de salida. El ERNIE 5.5 Flash Preview —280 mil millones de parámetros del mismo laboratorio, un techo de salida mayor y una tarifa mucho menor— está listado a 0,28 USD y 1,13 USD. Si se leen esas dos líneas juntas, el nombre deja de tener sentido: el modelo llamado Light es el caro, por un factor de cuatro en la entrada y de tres y medio en la salida.

Esa inversión no es un error tipográfico en una tarifa, y es lo primero que conviene entender de este lanzamiento. Baidu no ha lanzado un Flash más barato. Ha lanzado un tipo distinto de objeto — uno concebido para un problema de costes que no aparece en absoluto en una lista de precios por token, y con un precio fijado como si aquello que te ahorra valiera más que los tokens por los que cobra.

¿Qué se publicó realmente y cuándo?

El modelo apareció como baidu/ernie-light-dt-1.0-intl —el sufijo -intl indica el endpoint internacional en lugar de la SKU de Qianfan de China continental— con una marca de instantánea del 10 de noviembre de 2026. Baidu lo sirve directamente, no a través de una red de revendedores, y es texto de entrada, texto de salida. Sin imágenes, sin audio, sin archivos.

Los dos números que definen su forma son una ventana de contexto de 1,024,000 tokens y una salida máxima de 131,072 tokens. Esos no son inusuales a finales de 2026; una ventana de un millón de tokens es lo mínimo indispensable en el segmento chino de pesos abiertos y lo ha sido desde el verano. Lo inusual es un millón de tokens en un modelo que el propio material promocional de su proveedor describe como ligero.

La descripción de Baidu es breve y vale la pena citarla en lugar de parafrasearla, porque es la única declaración técnica que ha hecho la empresa: el modelo está "basado en modelos GLM de código abierto" e "incluye hallazgos de investigación del modelo grande Lightning de Baidu Search", y "cuenta con Baidu Sparse Attention (BSA), un mecanismo de atención dispersa único desarrollado por Baidu ERNIE".

Atención dispersa, compresión del historial y por qué un modelo Light consigue un millón de tokens

Tres afirmaciones se encuentran dentro de ese párrafo y cumplen funciones distintas.

El primero es el linaje. Un modelo de Baidu construido sobre G​LM no es un detalle menor: G​LM es la familia de arquitecturas de Z.ai, y que Baidu lo diga en voz alta indica que se trata de una estrategia de adaptación y no de un entrenamiento previo desde cero. Baidu no está afirmando aquí un nuevo modelo fundacional. Está afirmando una mejor forma de ejecutar uno.

La segunda es la conexión de búsqueda. La línea "Lightning" de Baidu Search es la familia de modelos que está detrás de la generación de respuestas propia del producto de búsqueda, lo que significa que se ha optimizado bajo una presión muy específica: un volumen de consultas enorme, contextos recuperados largos y un presupuesto de latencia estricto. Los hallazgos de investigación que sobreviven a ese entorno suelen estar relacionados con el tráfico de memoria, no con las puntuaciones de los benchmarks.

El tercero —y el que explica el precio— es BSA más lo que Baidu llama «compresión de historial impulsada por retroalimentación», que, según afirma, «mejora el almacenamiento y la indexación de la información histórica» y «reduce significativamente el almacenamiento de la caché KV y los costos computacionales mientras mantiene el rendimiento del modelo».

Si le quitas el marketing, esto es una historia de caché KV. En un transformer estándar, el coste de mantener una conversación larga o un documento largo en contexto crece con cada token que conservas, porque cada capa almacena en caché las claves y los valores de cada posición. Esa caché es lo que hace que una ventana de un millón de tokens sea costosa de servir incluso cuando el modelo en sí es pequeño. Los esquemas de compresión atacan exactamente eso: mantener una representación compacta e indexada del pasado lejano en lugar de la caché cruda por token, y la factura del contexto largo baja.

Ese es el mismo problema que Baidu resolvió de forma diferente en ERNIE 5.5 Flash, donde 37 de 43 capas usan Heavily Compressed Attention —almacenando en caché una entrada por cada 128 tokens— mientras que seis capas mantienen acceso completo a nivel de token mediante MLA con atención dispersa. Light DT parece ir más allá en la misma dirección: más compresión, mejor indexación de lo que se comprimió. Baidu no ha publicado el número de capas, el número de parámetros ni la tasa de compresión, así que se desconoce hasta dónde llega.

Lo que se desprende de la arquitectura es una hipótesis de precios, y solo es una hipótesis porque Baidu no lo ha dicho: si tu carga de trabajo está dominada por la residencia en caché en lugar de por tokens nuevos, el proveedor puede cobrar más por token y aun así ser la opción más barata por solicitud. Que eso sea cierto depende por completo de un número que Baidu no ha publicado: la huella efectiva de caché por millón de tokens de contexto.

El precio, en las unidades que realmente utiliza un comprador

Tarifas por token, como se indican:

• Entrada — ERNIE Light DT 1.0 a $1.13 por millón de tokens frente a ERNIE 5.5 Flash Preview a $0.28. Light DT cuesta 4.0 veces más.

• Salida — $3,94 frente a $1,13 por millón. Light DT tiene 3,5 veces el precio.

• Entrada en caché — $0.113 frente a $0.028 por millón. Light DT tiene un precio 4.0 veces superior, y ambos aplican un descuento de diez veces a las lecturas en caché frente a la entrada nueva.

• Contexto — 1.024.000 tokens para ambos.

Salida máxima: 131.072 tokens para Light DT frente a 921.600 para ERNIE 5.5 Flash Preview. Esta es la única línea en la que el modelo pequeño es realmente más pequeño, por un factor de siete.

• Modalidad — solo texto para Light DT; también solo texto para el endpoint Preview.

El techo de salida es la señal reveladora. ERNIE 5.5 Flash Preview se ha diseñado para emitir respuestas muy largas: novecientos mil tokens de salida no es una cifra propia de un modelo de chat, es una cifra para generación por lotes, síntesis de formato largo o transcripciones de agentes que nunca se recortan. Los 131.072 de Light DT son un presupuesto de salida normal, generoso y sin nada de particular. Baidu ha limitado deliberadamente lo que más cuesta servir.

Así que la forma del producto es: cobrar un sobreprecio por cada token que entra y negarse a dejar que el modelo divague. Es una fijación de precios coherente para un modelo cuyo recurso costoso es el contexto que mantiene, no el texto que escribe.

Qué hará y qué no hará el endpoint

La superficie de capacidades es más amplia de lo que sugiere el precio, y más estrecha de lo que implica el nombre.

• El razonamiento es opcional y ajustable. Se exponen cuatro niveles de esfuerzo —máximo, alto, bajo y ninguno—, con máximo como valor predeterminado. Poder establecer el esfuerzo en ninguno es importante para un modelo de este nivel: es la diferencia entre un clasificador sensible a la latencia y un modelo de razonamiento, en el mismo endpoint.

• Se admite la llamada a herramientas, incluida la elección forzada de herramientas. La llamada a funciones, las salidas estructuradas y los formatos de respuesta JSON están todos disponibles, lo que permite usarlo como planificador dentro de un bucle de agente en lugar de solo como generador de texto.

• El muestreo es convencional —temperature, top_p, max_tokens—, sin nada inusual expuesto y sin indicios de los exóticos parámetros de decodificación que incluyen algunos laboratorios chinos.

• Recibe texto y devuelve texto. Si tu pipeline le pasa un PDF escaneado, una captura de pantalla o una grabación de llamada, necesitas un paso de OCR o de transcripción por delante, y ese paso tiene su propio coste y sus propios modos de fallo.

• Lo sirve un único proveedor. Un endpoint de un solo proveedor no tiene failover detrás, así que un incidente en Baidu es un incidente en tu producto. Es un hecho de adquisición, no una crítica.

¿Qué falta?

Tres lagunas, y todas están en el mismo lugar: la evidencia.

No hay ningún benchmark. Ni una tabla de proveedor, ni un gráfico, ni un solo número: el texto de lanzamiento de Baidu hace una afirmación sobre el mecanismo y ahí se queda. Tampoco hay un evaluador independiente que le dedique una fila. Artificial Analysis, que incluye filas para la familia ERNIE 5.5 y para la mayor parte de la gama rápida china, no evalúa este modelo. Así que la afirmación honesta sobre su calidad hoy es: desconocida, en todos los ejes, incluido el eje que Baidu está vendiendo implícitamente, que es si la compresión te hace perder precisión en contexto largo.

No hay pesos. ERNIE 5.5 Flash Base publicó pesos abiertos el 5 de noviembre de 2026, 280B parámetros con una licencia que excluye la UE, el Reino Unido y Corea del Sur. Light DT se distribuye solo como API, sin repositorio público ni ficha de modelo. Si quieres inspeccionar el esquema de compresión, no puedes.

Y no hay definición de «DT». Baidu no ha publicado ninguna entrada de glosario, y las dos letras no se corresponden con nada en la nomenclatura existente de la compañía — donde Flash significa un nivel barato, Base significa un punto de control de preentrenamiento y Preview significa un modelo instruct alojado. Hasta que Baidu diga qué significa DT, trátalo como un código de producto, no como una descripción.

Cómo llamarlo y qué hacer mientras tanto

Por ahora, se puede acceder a ERNIE Light DT 1.0 a través de la API propia de Baidu y de plataformas de terceros que incluyen el endpoint internacional. No está en el catálogo de OrcaRouter —compruébalo en la lista de modelos activa antes de planificar en torno a ello—, así que este no es un caso en el que podamos darte una clave y un precio y listo.

Lo que vale la pena hacer hoy es medir aquello de lo que depende el precio. Toma el contexto más largo que tu producto realmente envía —los documentos recuperados, la conversación en curso, el fragmento del código base— y envíalo a un modelo al que ya puedas llamar. Registra los tokens de entrada, los tokens en caché si el proveedor los informa, y la latencia de reloj de pared en el extremo profundo de la ventana. Ese número, no la tarifa por token, es lo que decide si un modelo de caché comprimida es un ahorro o un recargo. Si tu tráfico nunca supera los 32.000 tokens, la arquitectura que vende Baidu no te sirve de nada, y 1,13 $ por millón es simplemente cuatro veces demasiado.

Lo segundo que vale la pena hacer es mantener barato el cambio. La razón por la que un modelo sin benchmarks y con una prima cuatro veces mayor siquiera es debatible es que la alternativa a probarlo no es una reescritura: es una URL base. Enruta tu tráfico de contexto largo a través de un único endpoint con el precio por modelo expuesto, y un modelo como este puede ponerse detrás del diez por ciento del tráfico un martes y retirarse un miércoles. Esa es la única forma responsable de evaluar un lanzamiento sin mediciones: poca exposición, tráfico real y un precio que puedas leer por solicitud en lugar de por factura.

Qué observar, en orden: una ficha de modelo con el número de parámetros y una tasa de compresión; una primera evaluación independiente, idealmente una que informe 128K y 1M por separado en lugar de una única puntuación promediada; y un movimiento de precios. Ese último es el más informativo. Una prima cuádruple sobre un modelo ligero es o una declaración sobre la economía de la caché o un marcador de posición, y la forma de distinguirlo es si sobrevive a su primer trimestre.