ERNIE Light DT 1.0 coûte quatre fois plus cher que le modèle Flash 280B de Baidu.

Le nouveau petit modèle de Baidu est facturé comme un grand. ERNIE Light DT 1.0, répertorié le 10 novembre 2026, affiche un prix catalogue de 1,13 $ par million de jetons d'entrée et de 3,94 $ par million de jetons de sortie. Le ERNIE 5.5 Flash Preview — 280 milliards de paramètres issus du même laboratoire, un plafond de sortie plus élevé, une grille tarifaire bien plus basse — est affiché à 0,28 $ et 1,13 $. Lisez ces deux lignes ensemble et le nom cesse d'avoir du sens : le modèle appelé Light est le plus cher, par un facteur de quatre en entrée et de trois et demi en sortie.

Cette inversion n’est pas une coquille dans une grille tarifaire, et c’est la première chose à comprendre au sujet de cette version. Baidu n’a pas livré un Flash moins cher. Il a livré un autre type d’objet — conçu pour un problème de coût qui n’apparaît pas du tout sur une liste de prix par token, et facturé comme si ce qu’il vous permet d’économiser valait plus que les tokens qu’il facture.

Qu’est-ce qui a été réellement publié, et quand ?

Le modèle est apparu sous baidu/ernie-light-dt-1.0-intl — le suffixe -intl indiquant le point de terminaison international plutôt que la référence SKU Qianfan de Chine continentale — avec un horodatage d’instantané du 10 novembre 2026. Il est servi directement par Baidu, et non via un réseau de revendeurs, et c’est du texte en entrée, du texte en sortie. Aucune image, aucun audio, aucun fichier.

Les deux chiffres qui définissent son dimensionnement sont une fenêtre de contexte de 1 024 000 jetons et une sortie maximale de 131 072 jetons. Cela n’a rien d’inhabituel fin 2026 ; une fenêtre d’un million de jetons est un prérequis de base dans le segment chinois des modèles à poids ouverts, et ce depuis l’été. Ce qui est inhabituel, c’est un million de jetons sur un modèle que la documentation commerciale de son propre fournisseur décrit comme léger.

La description de Baidu est courte, et mérite d’être citée plutôt que paraphrasée, car c’est la seule déclaration technique que l’entreprise ait faite : le modèle est « basé sur des modèles GLM open source » et « inclut des résultats de recherche du grand modèle Lightning de Baidu Search », et il « dispose de Baidu Sparse Attention (BSA), un mécanisme d’attention creuse unique développé par Baidu ERNIE ».

Attention clairsemée, compression de l’historique, et pourquoi un modèle Light obtient un million de tokens

Trois affirmations figurent dans ce paragraphe, et elles jouent des rôles différents.

Le premier point, c’est la lignée. Un modèle Baidu construit sur GLM n’est pas un détail anodin — GLM est la famille d’architectures de Z.ai, et le fait que Baidu l’affirme ouvertement montre qu’il s’agit d’une stratégie d’adaptation plutôt que d’un pré-entraînement depuis zéro. Baidu ne revendique pas ici un nouveau modèle de base. Il revendique une meilleure façon d’en exécuter un.

Le second est le lien avec la recherche. La gamme « Lightning » de Baidu Search est la famille de modèles qui sous-tend la génération de réponses du produit de recherche lui-même, ce qui signifie qu’elle a été optimisée sous une pression très spécifique : un volume de requêtes énorme, de longs contextes récupérés et un budget de latence strict. Les résultats de recherche qui survivent à cet environnement portent généralement sur le trafic mémoire, et non sur les scores de benchmark.

Le troisième — et celui qui explique le prix — est BSA, auquel s’ajoute ce que Baidu appelle « compression de l’historique pilotée par les retours », qui, selon l’entreprise, « améliore le stockage et l’indexation des informations historiques » et « réduit considérablement le stockage du cache KV et les coûts de calcul tout en maintenant les performances du modèle ».

Ôtez le marketing, et il ne reste qu’une histoire de cache KV. Dans un transformer standard, le coût de garder une longue conversation ou un long document dans le contexte augmente avec chaque token conservé, car chaque couche met en cache les clés et les valeurs pour chaque position. C’est ce cache qui rend coûteux à servir une fenêtre d’un million de tokens, même lorsque le modèle lui-même est petit. Les schémas de compression s’attaquent exactement à cela : conservez une représentation compacte et indexée du passé lointain au lieu du cache brut par token, et la facture du contexte long diminue.

C'est le même problème que Baidu a résolu différemment dans ERNIE 5.5 Flash, où 37 des 43 couches utilisent Heavily Compressed Attention — en mettant en cache une entrée pour 128 tokens — tandis que six couches conservent un accès complet au niveau des tokens via MLA avec attention éparse. Light DT semble aller plus loin dans la même direction : davantage de compression, une meilleure indexation de ce qui a été compressé. Baidu n'a pas publié le nombre de couches, le nombre de paramètres ni le taux de compression, si bien que l'on ignore jusqu'où il pousse.

Ce qui découle de l'architecture est une hypothèse tarifaire, et ce n'est qu'une hypothèse parce que Baidu ne l'a pas dit : si votre charge de travail est dominée par la résidence en cache plutôt que par les nouveaux tokens, le fournisseur peut facturer davantage par token et rester malgré tout l'option la moins chère par requête. La véracité de cette hypothèse dépend entièrement d'un chiffre que Baidu n'a pas publié — l'empreinte effective du cache par million de tokens de contexte.

Le prix, dans les unités qu'un acheteur utilise réellement

Tarifs par jeton, tels qu’indiqués :

• Entrée — ERNIE Light DT 1.0 à 1,13 $ par million de jetons, contre ERNIE 5.5 Flash Preview à 0,28 $. Light DT coûte 4,0 fois plus cher.

• Sortie — 3,94 $ contre 1,13 $ par million. Light DT coûte 3,5 fois plus cher.

• Entrée mise en cache — 0,113 $ contre 0,028 $ par million. Light DT est 4,0 fois plus cher, et les deux appliquent une réduction d'un facteur dix sur les lectures mises en cache par rapport à l'entrée fraîche.

• Contexte — 1 024 000 tokens pour les deux.

• Sortie maximale — 131 072 tokens pour Light DT contre 921 600 pour ERNIE 5.5 Flash Preview. C’est le seul point où le petit modèle est réellement plus petit, d’un facteur sept.

• Modalité — texte uniquement pour Light DT ; texte uniquement pour le point de terminaison Preview également.

Le plafond de sortie est révélateur. ERNIE 5.5 Flash Preview a été conçu pour émettre des réponses très longues — neuf cent mille tokens de sortie n’est pas un chiffre de modèle de chat, c’est un chiffre pour la génération par lots, la synthèse de textes longs ou des transcriptions d’agents qui ne sont jamais tronquées. Les 131 072 de Light DT constituent un budget de sortie normal, généreux et sans particularité. Baidu a délibérément plafonné ce qui coûte le plus cher à servir.

Ainsi, la structure du produit est la suivante : facturer un surcoût sur chaque token en entrée et refuser de laisser le modèle divaguer. C’est une tarification cohérente pour un modèle dont la ressource coûteuse est le contexte qu’il détient, et non le texte qu’il écrit.

Ce que le point de terminaison fera et ne fera pas

La surface de capacités est plus large que ne le suggère le prix, et plus étroite que ne l'implique le nom.

• Le raisonnement est facultatif et ajustable. Quatre niveaux d’effort sont exposés — max, high, low et none — avec max comme valeur par défaut. Pouvoir définir l’effort sur none est important pour un modèle de cette catégorie : c’est la différence entre un classifieur sensible à la latence et un modèle de raisonnement, sur le même point de terminaison.

L’appel d’outils est pris en charge, y compris le choix forcé d’un outil. L’appel de fonctions, les sorties structurées et les formats de réponse JSON sont tous disponibles, ce qui permet de l’utiliser comme planificateur au sein d’une boucle d’agent plutôt que seulement comme générateur de texte.

• L’échantillonnage est classique — temperature, top_p, max_tokens — rien d’inhabituel n’est exposé et aucun signe des paramètres de décodage exotiques que certains laboratoires chinois embarquent.

• Il prend du texte et renvoie du texte. Si votre pipeline lui fournit un PDF scanné, une capture d'écran ou un enregistrement d'appel, vous avez besoin d'une étape d'OCR ou de transcription en amont, et cette étape a son propre coût et ses propres modes de défaillance.

• Il est fourni par un seul prestataire. Un point de terminaison mono-fournisseur n’a aucun mécanisme de basculement en secours ; ainsi, un incident chez Baidu est un incident dans votre produit. C’est un fait d’approvisionnement, pas une critique.

Qu’est-ce qui manque ?

Trois lacunes, et elles se trouvent toutes au même endroit : les preuves.

Il n’y a aucun benchmark. Pas de tableau fournisseur, pas de graphique, pas un seul chiffre — le texte de lancement de Baidu avance une affirmation sur le mécanisme, puis s’arrête. Aucun évaluateur indépendant ne lui consacre non plus de ligne. Artificial Analysis, qui tient des lignes pour la famille ERNIE 5.5 et pour la plupart du segment chinois des modèles rapides, n’évalue pas ce modèle. Donc, l’énoncé honnête de sa qualité aujourd’hui est : inconnue, sur tous les axes, y compris l’axe que Baidu vend implicitement, à savoir si la compression entraîne une perte de précision en contexte long.

Il n’y a pas de poids. ERNIE 5.5 Flash Base a publié ses poids ouverts le 5 novembre 2026, avec 280 milliards de paramètres et une licence qui exclut l’UE, le Royaume-Uni et la Corée du Sud. Light DT n’est disponible que sous forme d’API, sans dépôt public ni fiche modèle. Si vous voulez examiner le schéma de compression, c’est impossible.

Et il n’existe aucune définition de « DT ». Baidu n’a pas publié d’entrée de glossaire, et ces deux lettres ne correspondent à rien dans le système de nommage existant de l’entreprise — où Flash désigne une gamme économique, Base désigne un checkpoint de pré-entraînement, et Preview désigne un modèle instruct hébergé. Tant que Baidu n’indique pas ce que DT signifie, traitez-le comme un code produit, et non comme une description.

Comment l’appeler, et que faire en attendant

Pour l’instant, ERNIE Light DT 1.0 est accessible via l’API propre à Baidu et via des plateformes tierces qui proposent le point de terminaison international. Il ne figure pas au catalogue d’OrcaRouter — vérifiez sa présence dans la liste des modèles à jour avant de prévoir quoi que ce soit en fonction de lui — ce n’est donc pas un cas où nous pouvons vous donner une clé et un prix et en rester là.

Ce qui vaut la peine d’être fait aujourd’hui, c’est de mesurer ce dont dépend le prix. Prenez le contexte le plus long que votre produit envoie réellement — les documents récupérés, la conversation glissante, l’extrait de base de code — et envoyez-le à un modèle que vous pouvez déjà appeler. Notez les jetons d’entrée, les jetons mis en cache si le fournisseur les indique, et la latence réelle à l’extrémité profonde de la fenêtre. C’est ce chiffre, et non le tarif par jeton, qui détermine si un modèle à cache compressé représente une économie ou un surcoût. Si votre trafic ne dépasse jamais 32 000 jetons, l’architecture que vend Baidu ne vous apporte rien, et 1,13 $ par million est tout simplement quatre fois trop cher.

La deuxième chose qui vaut la peine d’être faite est de maintenir un coût de bascule faible. Si un modèle sans benchmarks et facturé quatre fois plus cher est même envisageable, c’est que l’alternative à son essai n’est pas une réécriture — c’est une URL de base. Faites passer votre trafic à contexte long par un seul point de terminaison où le prix par modèle est exposé : un modèle comme celui-ci peut alors être placé derrière 10 % du trafic un mardi et retiré un mercredi. C’est la seule manière responsable d’évaluer une version non mesurée : une exposition faible, du trafic réel et un prix que l’on peut lire par requête plutôt que par facture.

À surveiller, dans l’ordre : une fiche modèle avec le nombre de paramètres et un taux de compression ; une première évaluation indépendante, idéalement qui rapporte séparément les résultats à 128K et 1M plutôt qu’un score moyen unique ; et un mouvement tarifaire. Ce dernier est le plus informatif. Un prix quatre fois plus élevé sur un modèle léger est soit une affirmation sur l’économie du cache, soit un prix provisoire, et ce qui permet de faire la différence, c’est de savoir s’il survit à son premier trimestre.