ERNIE Light DT 1.0 vs ERNIE 5.5 Flash Base : la licence est le produit

ERNIE Light DT 1.0 et ERNIE 5.5 Flash Base sont la réponse d'un même laboratoire à deux questions différentes, publiées à cinq jours d'intervalle en novembre 2026. Light DT est une API : pas de poids, pas de fiche modèle, un prix de 1,13 $ par million de tokens en entrée et un plafond de sortie de 131 072 tokens. Flash Base est un téléchargement : 280 milliards de paramètres, 14 milliards actifs par token, 33,5 billions de tokens d'entraînement, et aucun point de terminaison hébergé par Baidu. Le choix entre les deux ne relève pas vraiment des benchmarks — aucun des deux n'a de score publié qui vaille la peine d'en débattre — mais plutôt de savoir si vous préférez louer une pile de serving ou détenir une licence pour bâtir sur la leur.

Et c'est sur la licence que cette comparaison cesse d'être symétrique, car celle de Flash Base est étonnamment précise sur les lieux où vous pouvez l'utiliser et sur les personnes que vous devez prévenir.

Deux artefacts, un laboratoire, à cinq jours d'intervalle

Flash Base est sorti le 5 novembre 2026, accompagné d'un rapport technique et de poids ouverts sur Hugging Face en deux précisions — FP8 et BF16 — publiés sous la licence ERNIE 5.5 Flash Base Model License v1.0. Il s'agit d'un point de contrôle de pré-entraînement, autrement dit les poids fournis sont ceux issus du pré-entraînement, avant tout ajustement par instructions ou tout travail sur les préférences. Il n'existe pas de template de chat digne de ce nom, ni aucun équivalent « instruct » publié à ses côtés.

Light DT est arrivé le 10 novembre 2026 en tant que point de terminaison API international, décrit par Baidu comme basé sur des modèles GLM open source intégrant des recherches issues de la ligne « Lightning » de son service Search, et construit autour de Baidu Sparse Attention ainsi que d’un mécanisme de compression de l’historique piloté par rétroaction dont le fournisseur affirme qu’il réduit le stockage et les calculs du cache KV. Il est post-entraîné, répond aux questions, appelle des outils et n’existe pas sous forme de fichier téléchargeable.

Présenté ainsi, le duo paraît déséquilibré dans le sens évident : l’un est un produit fini et l’autre un point de départ. Mais le prix dit le contraire, et la licence dit encore autre chose.

La grille tarifaire qui va dans le mauvais sens

Light DT coûte plus cher par token qu’un modèle dont le nombre de paramètres actifs est vingt fois supérieur. C’est le fait qu’il faut assimiler avant toute autre chose dans cet article :

• Prix d'entrée — ERNIE Light DT 1.0 à 1,13 $ par million de jetons, contre ERNIE 5.5 Flash Base à 0 $, car il n'existe pas de point de terminaison Baidu et donc pas de prix catalogue. Le 0 $ est réel : son hébergement est un coût d'investissement, pas une ligne sur une facture.

• Prix de sortie — 3,94 $ par million pour Light DT ; pour Flash Base, vos propres heures GPU.

• Entrée mise en cache — 0,113 $ par million sur Light DT, soit une réduction d’un facteur dix sur les lectures en cache. Flash Base n’a pas d’équivalent, car l’économie du cache devient le problème de votre ordonnanceur.

• Paramètres actifs par token — non divulgué pour Light DT ; 14 milliards pour Flash Base.

• Contexte — 1 024 000 tokens pour Light DT ; 1 000 000 pour Flash Base en fine-tuning et en inférence, avec 128 000 comme contexte d’entraînement maximal.

• Sortie maximale — 131,072 jetons pour Light DT ; limitée par votre configuration de service pour Flash Base.

• Poids — aucun pour Light DT ; 280B en FP8 ou BF16, répartis sur 128 shards safetensors dans le dépôt FP8, pour Flash Base.

• Pile de service — celle de Baidu, pour Light DT ; SGLang ou vLLM avec le plugin propre à Baidu, pour Flash Base. La recette SGLang publiée exige un parallélisme tensoriel de 4 et une taille de parallélisme de données pour l’attention de 4, ce qui impose un minimum de quatre GPU avant même d’avoir chargé une seule requête.

Combien coûte réellement l’auto-hébergement d’un modèle 280B par million de tokens

C’est le calcul qui décide de l’issue de la confrontation, et il vaut la peine de le faire avec des chiffres ronds plutôt qu’au ressenti.

Quatre GPU constituent le minimum pour la configuration publiée, mais 280 milliards de paramètres en FP8 représentent environ 280 Go de poids avant tout cache, donc un nœud de production réaliste compte huit accélérateurs, avec de la place pour le cache KV et le traitement par lots. Disons huit cartes de classe H100 à un tarif de location moyen de 2 $ par carte-heure — un chiffre de milieu de marché pour 2026, pas un devis — et le nœud coûte environ 16 $ de l’heure, soit environ 11 700 $ par mois s’il tourne en continu.

Maintenant, la question du débit. Un MoE creux activant 14 milliards de paramètres par token est rapide par token, comme tous les modèles creux, mais c’est le débit agrégé sur un lot qui détermine votre coût unitaire, et Baidu ne publie aucun chiffre de tokens par seconde pour ce checkpoint. Supposons, prudemment, que le nœud maintienne 4 000 tokens de sortie par seconde sur un lot complet. Cela fait 14,4 millions de tokens de sortie par heure, ce qui, à 16 $ de l’heure, revient à environ 1,11 $ par million de tokens de sortie — avant les pertes d’utilisation, avant l’ingénieur responsable du déploiement, avant les heures d’inactivité lorsque le trafic baisse.

Faites-le tourner à un tiers de sa capacité, ce que font la plupart des déploiements réels en dehors des pics, et le coût effectif triple. Le résumé honnête, c’est que l’auto-hébergement de Flash Base coûte entre environ un et trois dollars par million de jetons de sortie selon le taux de remplissage du nœud — une fourchette qui englobe les 3,94 $ de Light DT et peut le battre confortablement à forte utilisation.

Ce qui signifie que la prime de prix sur Light DT n’est pas une taxe sur l’ignorance. C’est ce que Baidu facture pour ne pas avoir à effectuer ce calcul, et pour un schéma de compression dont il affirme qu’il garde le cache suffisamment petit pour qu’une fenêtre d’un million de tokens reste abordable à servir. Si votre trafic est irrégulier, à faible volume ou majoritairement en contexte long, payer $3.94 et laisser quelqu’un d’autre assumer le problème d’utilisation est le choix rationnel.

La licence, c'est là que Flash Base se complique

La licence de Flash Base n’est pas une licence permissive standard, et trois clauses comptent davantage que n’importe quel benchmark.

• Territoire. La concession s’applique à « toutes les zones géographiques du monde autres que l’Union européenne, le Royaume-Uni et la Corée du Sud ». L’utilisation des poids, ou la distribution de dérivés, en dehors de ce territoire sort du cadre des droits accordés. Si vous avez des utilisateurs de l’UE, une région d’inférence dans l’UE ou du personnel de l’UE qui intervient sur le modèle, il s’agit d’un point de blocage à lire attentivement avec un conseil juridique plutôt que d’une simple note de bas de page.

• Seuil de chiffre d’affaires. L’utilisation commerciale est gratuite en dessous de 50 millions de dollars de chiffre d’affaires annuel lié aux produits ou services utilisant le modèle, sous réserve d’une notification unique à Baidu. Au-delà, vous devez obtenir une autorisation commerciale écrite distincte avant de commencer, et si votre croissance vous amène à franchir ce seuil, vous devez obtenir l’autorisation avant de le franchir ou suspendre l’utilisation concernée.

• Attribution. Les produits commerciaux doivent afficher les mots exacts « Powered by ERNIE » à un endroit facilement accessible — une interface utilisateur, une page À propos ou, pour les API et les services backend, la documentation destinée aux développeurs.

Il y a aussi une clause qu'il vaut la peine de signaler à quiconque envisage de distiller : la licence interdit d'utiliser les matériaux ou leurs sorties pour améliorer tout autre modèle d'IA que le modèle lui-même ou ses dérivés. Entraîner un modèle étudiant plus petit sur les sorties de Flash Base relève de l'autorisation ; entraîner une architecture différente sur ces sorties n'en relève pas.

Light DT ne présente aucun de ces problèmes, car il n’a pas de poids à concéder sous licence. Vous obtenez un contrat de conditions d’utilisation et une grille tarifaire, soit une surface bien plus réduite pour une équipe juridique et une surface bien plus réduite pour l’ambition.

Capacité : ce que chacun fera et ne fera pas d’emblée

• Contrôle du raisonnement — Light DT expose quatre niveaux d’effort (max, high, low, none), max étant la valeur par défaut. Flash Base ne dispose d’aucun mode de raisonnement ; c’est un modèle de complétion, et tout comportement de raisonnement devrait être entraîné.

• Appel d'outils — Light DT prend en charge l'appel de fonctions avec choix d'outil forcé, les sorties structurées et les formats de réponse JSON. Flash Base prend en charge tout ce que vous implémentez autour de lui.

• Modalité — les deux fonctionnent en texte entrant, texte sortant. Aucun des deux n’accepte d’images, et aucun ne lira un document numérisé à votre place.

• Contexte long — Light DT annonce 1 024 000 tokens grâce à sa conception de cache compressé. Flash Base prend en charge 1 M de tokens pendant le fine-tuning et l'inférence, mais à cette longueur, sur huit cartes, votre budget de cache KV est la contrainte déterminante, et c'est la compression intégrée par Baidu dans l'attention de Flash — Heavily Compressed Attention sur 37 de ses 43 couches — qui la rend tout simplement réalisable.

• Évaluation — Flash Base publie un tableau complet des fournisseurs : MMLU 93,3, MMLU-Pro 78,4, GPQA 60,2, HumanEval+ 82,3, LiveCodeBench 40,1, HELMET-RAG 71,5, LongBench-v2 48,7, mesurés face à DeepSeek-V4-Flash-Base, Hy3-preview-Base et MiMo-V2.5-Base dans un même pipeline. Ce sont les propres chiffres de Baidu, exécutés par Baidu, et doivent être lus comme tels. Light DT ne publie absolument rien.

Cette dernière ligne est l’asymétrie qui compte le plus pour un acheteur. Flash Base vous permet au moins de vérifier ses affirmations — télécharger les poids, lancer votre propre évaluation et voir si le tableau du fournisseur tient sur vos données. Light DT vous demande de croire au mécanisme sur parole, car la seule preuve disponible est un paragraphe de texte produit.

Là où un routeur a sa place, et où il ne l'a pas

Aucun de ces deux modèles ne figure aujourd’hui au catalogue d’OrcaRouter, et dire le contraire est le genre de chose qui coûte une semaine à un lecteur. Ce qu’un routeur change, en revanche, c’est la forme de la décision.

Si vous choisissez la voie Flash Base, vous engagez des capitaux et des équipes sur un modèle dont vous pouvez mesurer la qualité, mais dont vous ne pouvez pas maîtriser le coût de service — et l’architecture sensée consiste à conserver un modèle hébergé derrière la même interface comme solution de repli pour les jours où votre nœud est saturé, où votre batch est à froid ou où une exécution d’évaluation monopolise les cartes. Si vous choisissez la voie Light DT, vous vous engagez sur le point de terminaison d’un seul fournisseur, sans second fournisseur derrière, et sans poids à déplacer si le prix change.

Dans les deux cas, le mode de défaillance est le même : une charge de travail à contexte long épinglée à un seul modèle, sans moyen de comparer ce qu’aurait coûté l’alternative. C’est ce que résout un point de terminaison routé doté d’une liste de prix par modèle — non pas en faisant le choix à votre place, mais en rendant le coût du choix visible par requête plutôt que par trimestre.

Lequel choisir

Choisissez ERNIE 5.5 Flash Base si vous avez un problème d'entraînement plutôt qu'un problème de service : vous voulez un point de départ creux de 280B, vous comptez le fine-tuner, vos utilisateurs et votre infrastructure se trouvent en dehors de l'UE, du Royaume-Uni et de la Corée du Sud, et vous êtes sous le seuil de chiffre d'affaires ou prêt à demander une autorisation à Baidu. Le tableau de référence du fournisseur vous donne une base défendable, et les poids garantissent que personne ne peut vous retirer le modèle.

Choisissez ERNIE Light DT 1.0 si la fenêtre de contexte est l’essentiel. Un million de tokens servis via un cache compressé, avec un budget de raisonnement ajustable et l’appel d’outils, est un produit spécifique pour une tâche spécifique — de longs documents récupérés, de longues transcriptions d’agents, des sessions de longue durée — et payer un supplément par token pour éviter d’avoir à assumer le budget de cache est un arbitrage légitime.

N’en prenez aucun si vos prompts sont courts. À 8 000 jetons par requête, toute l’histoire de l’architecture des deux côtés n’a aucune importance, et 1,13 $ par million de jetons d’entrée n’est qu’une façon coûteuse de faire ce qu’un modèle dix fois moins cher fera tout aussi bien.