ERNIE Light DT 1.0 vs Qwen 3.8 Flash: Pagar más por menos entrada

Pon ERNIE Light DT 1.0 y Qwen 3.8 Flash en la misma línea y tres cifras se encargan del debate. Baidu cobra $1.13 por millón de tokens de entrada; Alibaba cobra $0.15. Baidu solo te ofrece texto; Alibaba acepta texto, imágenes y video. Baidu no ha publicado ningún benchmark; el modelo de Alibaba cuenta con un lanzamiento documentado y un gemelo de pesos abiertos que puedes inspeccionar. Qwen 3.8 Flash se lanzó el 26 de agosto de 2026; ERNIE Light DT 1.0 apareció el 10 de noviembre de 2026, dos meses y medio después, a un precio de entrada 7,5 veces superior.

Lo más nuevo y lo más caro no es automáticamente peor — las arquitecturas mejoran, y un modelo construido en torno a la compresión de la caché KV está resolviendo un problema que un nivel rápido de propósito general no resuelve. Pero la carga de la prueba recae firmemente del lado de Baidu en esta comparación, y Baidu no la ha asumido.

Qué es realmente Qwen 3.8 Flash

El nivel Flash de Alibaba es una mezcla dispersa de expertos: 125 mil millones de parámetros en el cuerpo de expertos, con aproximadamente 6 mil millones activados por token, además de una tabla de embeddings de n-gramas de 51 mil millones de parámetros y alrededor de 4 mil millones de cabezas de predicción multitoken, lo que suma aproximadamente 180 mil millones de parámetros en disco. Cuarenta y ocho capas, 512 expertos y una pila de atención híbrida construida a partir de Gated DeltaNet y Qwen Sparse Attention.

El SKU del producto se sirve en QwenCloud con un contexto predeterminado documentado de un millón de tokens, una entrada máxima de 991.000 tokens y una salida máxima de 131.072 tokens. El artefacto de pesos abiertos con la misma arquitectura es Qwen3.8-Flash-Next, publicado bajo la Q​wen Community License, que es un objeto distinto con una licencia distinta — útil para su inspección, pero no un sustituto del endpoint.

En particular, la atención dispersa de Q​wen y la de Baidu resuelven el mismo problema desde direcciones opuestas. La QSA de Q​wen opera a nivel de microbloque en lugar de seleccionar tokens individuales, lo que, según el proveedor, reduce significativamente la latencia en contextos largos. La BSA de Baidu, combinada con una compresión del historial basada en retroalimentación, se centra en cambio en el almacenamiento y la indexación de la caché. Ambas son apuestas a que el futuro de la inferencia es el contexto largo a bajo coste. Solo discrepan sobre qué parte de la factura atacar.

La comparación, dimensión por dimensión

• Precio de entrada: ERNIE Light DT 1.0 a $1.13 por millón de tokens frente a Qwen 3.8 Flash a $0.15. Baidu es 7,5 veces más caro.

Precio de salida — 3,94 $ frente a 0,47 $ por millón. Baidu es 8,4 veces más caro.

• Entrada en caché — $0.113 frente a $0.0184 por millón. Ambos ofrecen un descuento de diez veces en las lecturas en caché; la diferencia absoluta es de 6.1x.

• Ventana de contexto — 1,024,000 tokens frente a 1,000,000, con Q​wen documentado con una entrada máxima de 991,000 tokens. Efectivamente, el mismo techo.

• Salida máxima — 131.072 tokens en ambos. Idéntica.

• Modalidad de entrada — solo texto frente a texto, imagen y video.

• Control de razonamiento — cuatro niveles graduados en Light DT (máx., alto, bajo, ninguno) frente a un modo de pensamiento flexible en Qwen 3.8 Flash que admite un presupuesto documentado de tokens máximos para razonamiento.

• Uso de herramientas y salida estructurada — compatible con ambos, incluida la elección forzada de herramienta.

• Puntuación independiente: no se ha publicado ninguna para Light DT; el hermano Flash-Next de Qwen se ha medido en el Artificial Analysis Intelligence Index, y su puntuación corresponde al artefacto abierto en lugar del SKU de producción.

• Pesos abiertos — ninguno para Light DT; un checkpoint de la misma arquitectura bajo la Licencia Comunitaria de Q​wen para Q​wen.

Donde teóricamente podría ganarse la prima séptuple

Merece la pena construir la versión más sólida de la postura de Baidu en lugar de descartarla, porque hay una variante de esto en la que el precio es el adecuado.

Un modelo construido sobre la compresión puede, en principio, atender una solicitud de un millón de tokens con una huella de caché que un modelo convencional no puede igualar. Si el BSA de Baidu realmente mantiene la calidad constante a medida que crece el contexto —la afirmación es "mantener el rendimiento del modelo" mientras reduce el almacenamiento y el cómputo de la caché KV—, entonces el coste por millón de tokens de contexto para el operador disminuye. Un proveedor que haya dedicado esfuerzo de investigación a eso podría razonablemente cobrar más por token y seguir siendo más barato por solicitud larga.

El problema es que esto está completamente sin verificar, y la única cifra que lo resolvería —la huella efectiva de caché por millón de tokens— no se ha publicado. No hay ficha del modelo, ni informe técnico, ni tabla de benchmarks. La propia descripción del producto de Baidu se limita a un solo párrafo.

Compare la evidencia del otro lado. Qwen 3.8 Flash tiene una página del proveedor con documentación a nivel de token, un hermano de pesos abiertos cuya arquitectura se puede leer en un archivo de configuración, y mediciones de terceros de ese hermano. Puede no estar de acuerdo con las cifras de A​libaba, pero puede verificarlas.

La modalidad es el problema más difícil.

El precio es una negociación. La modalidad es un muro.

Qwen 3.8 Flash acepta texto, imágenes y video, y su texto de producto enumera las tareas que se derivan de ello: comprensión visual, análisis de documentos y bases de código, análisis de gráficos, interacción con el escritorio y análisis de videos largos. ERNIE Light DT 1.0 recibe texto y devuelve texto.

Si alguna parte de tu flujo de trabajo incluye una captura de pantalla, una página escaneada, un gráfico o un fotograma de vídeo, la comparación ya está decidida antes de que el precio importe. O colocas un modelo de OCR o de visión delante de Light DT —lo que añade coste, latencia y un modo de fallo— o usas un modelo que acepte el artefacto. En un flujo de soporte en el que la mitad de las entradas es una captura de pantalla de un mensaje de error, «solo texto» no es una limitación que puedas sortear; es una categoría de producto diferente.

El caso contrario es igual de real: trabajo con texto aumentado por recuperación, análisis de código sobre código fuente sin más, triaje de registros, preguntas y respuestas sobre documentos extensos en los que los documentos ya son texto. Ahí, la ventaja de la modalidad no aporta nada, y la comparación vuelve al precio y a la calidad, donde Baidu sigue siendo 7,5 veces más caro sin ninguna prueba que lo demuestre.

Tres formas en que la prima podría realmente pagarse por sí sola

En lugar de suponer que Baidu simplemente tiene un precio excesivo, estas son las condiciones específicas en las que elegir Light DT sería defendible — cada una de ellas comprobable en una tarde.

Uno: la calidad se mantiene con 400.000 tokens o más. Ling y Qwen anuncian ambos una ventana de un millón de tokens; si alguno se degrada en medio de un prompt muy largo es exactamente lo que los esquemas de compresión afirman corregir. Si Light DT responde con precisión a preguntas de contexto profundo allí donde Qwen 3.8 Flash empieza a perder el centro del documento, el sobreprecio tiene argumentos a favor. La prueba es un conjunto de preguntas cuyas respuestas se sitúan al 5 %, al 50 % y al 95 % de profundidad en el mismo documento largo.

Dos: el rendimiento por solicitud es sustancialmente mejor. Si la compresión implica menos tokens de caché por solicitud, un proveedor puede atender más solicitudes largas concurrentes con el mismo hardware, lo que puede traducirse en una menor latencia bajo carga. Baidu no publica ninguna cifra de rendimiento, y Qwen tampoco publica una equivalente, así que esto solo puede medirse ejecutando ambos bajo tu propia concurrencia.

Tres: la escala de razonamiento se justifica. Establecer el esfuerzo en ninguno en Light DT ofrece una vía rápida y barata para clasificación y extracción, mientras que el máximo te da un modelo de pensamiento en el mismo endpoint. Qwen 3.8 Flash tiene un modo de pensamiento pero una escala menos granular. Si ejecutas un solo endpoint para dos trabajos muy distintos, eso tiene un valor de ingeniería genuino, aunque no obviamente un valor de $1.13-per-million.

La lectura realista

Ninguna de esas tres condiciones por sí sola basta probablemente para justificar una prima de entrada de 7,5x, y en conjunto solo superan a Qwen si tu carga de trabajo es de contexto largo, solo texto y sensible a la calidad en profundidad. Ese es un segmento real —descubrimiento de pruebas legales, preguntas y respuestas sobre grandes bases de código, revisión de documentos regulatorios—, pero no es el amplio mercado de nivel rápido que estos modelos comparten nominalmente.

La explicación más probable es la menos halagadora: Baidu le está poniendo precio de producto premium a un endpoint nuevo y sin medición porque puede, y el precio cambiará en cuanto el mercado tenga una opinión. Es un patrón normal para una primera cotización. También es la razón por la que nadie debería elaborar un presupuesto basado en la cifra actual.

Ejecutando ambos sin comprometerse con ninguno

Qwen 3.8 Flash está en el catálogo de OrcaRouter al precio de lista de Alibaba sin aplicar ningún recargo, lo que significa que el precio que ves en nuestra página del modelo es el que cobra el proveedor, y si Alibaba lo reduce, la reducción aparece aquí el mismo día en lugar de en la próxima renovación del contrato.

Esa propiedad importa más de lo habitual en una comparación como esta, porque toda la premisa es una diferencia de precios que nadie ha justificado y que cualquiera de las partes podría cambiar. Una capa de enrutamiento que muestre ambos precios uno al lado del otro y te permita enviar el cinco por ciento del tráfico al modelo nuevo mientras mantienes el noventa y cinco por ciento en el conocido es la forma de averiguar si la prima es real sin apostar el presupuesto de un trimestre a ello.

La conmutación por error automática es la otra mitad. Un modelo servido por un único proveedor tiene un único dominio de fallo; si Baidu sufre un incidente, tu ruta de contexto largo se cae. Un enrutamiento capaz de recurrir a un endpoint comparable cuando el primario da error es la diferencia entre una función degradada y una caída del servicio.

Qué hacer esta semana

Empieza con Qwen 3.8 Flash a menos que puedas nombrar la carga de trabajo en la que el dinero extra compra algo. Es más barato en cada unidad, acepta más tipos de entrada y viene con un hermano abierto inspeccionable. A $0,15 y $0,47 por millón de tokens, una evaluación seria cuesta centavos.

Pon a prueba ERNIE Light DT 1.0 solo frente a la afirmación concreta que hace. Crea una evaluación de contexto largo —un conjunto de documentos de 200.000 tokens con respuestas insertadas a tres profundidades— y ejecútala en ambos modelos. Si Light DT mantiene la calidad donde Qwen 3.8 Flash falla, habrás encontrado el argumento a favor de la versión premium y podrás defenderlo con datos. Si no lo hace, te habrás ahorrado una factura 7,5 veces mayor gracias a un párrafo de proveedor y a un nombre que dice «light» mientras cobra como si significara «lujo».