ERNIE Light DT 1.0 vs Qwen 3.8 Flash : payer plus pour moins de données d’entrée

Placez ERNIE Light DT 1.0 et Qwen 3.8 Flash sur la même ligne et trois chiffres font le débat. Baidu facture 1,13 $ par million de jetons d'entrée ; A​libaba facture 0,15 $. Baidu ne propose que du texte ; A​libaba accepte le texte, les images et la vidéo. Baidu n'a publié aucun benchmark ; le modèle d'A​libaba s'inscrit dans une sortie documentée avec un jumeau à poids ouverts que vous pouvez inspecter. Qwen 3.8 Flash est sorti le 26 août 2026 ; ERNIE Light DT 1.0 est apparu le 10 novembre 2026, deux mois et demi plus tard, à sept fois et demie le prix d'entrée.

Plus récent et plus cher n’est pas automatiquement pire — les architectures s’améliorent, et un modèle construit autour de la compression du cache KV résout un problème qu’un niveau rapide polyvalent ne résout pas. Mais la charge de la preuve incombe clairement au camp de Baidu dans cette comparaison, et Baidu ne l’a pas assumée.

Ce qu’est réellement Qwen 3.8 Flash

Le palier Flash d'Alibaba est un mélange d'experts clairsemé : 125 milliards de paramètres dans le corps des experts, avec environ 6 milliards activés par token, plus une table d'embeddings n-grammes de 51 milliards de paramètres et environ 4 milliards de têtes de prédiction multi-token, ce qui représente environ 180 milliards de paramètres sur disque. Quarante-huit couches, 512 experts et une pile d'attention hybride construite à partir de Gated DeltaNet et de Qwen Sparse Attention.

Le SKU du produit est servi sur QwenCloud avec un contexte par défaut documenté d'un million de tokens, une entrée maximale de 991 000 tokens et une sortie maximale de 131 072 tokens. L'artefact à poids ouverts présentant la même architecture est Qwen3.8-Flash-Next, publié sous la licence Q​wen Community License, qui est un objet différent régi par une licence différente — utile pour l'inspection, mais ne se substituant pas au point de terminaison.

Notamment, l'attention parcimonieuse de Q​wen et celle de Baidu résolvent le même problème sous des angles opposés. Le QSA de Q​wen opère au niveau des micro-blocs plutôt qu'en sélectionnant des jetons individuels, ce qui, selon l'éditeur, réduit considérablement la latence sur les contextes longs. Le BSA de Baidu, associé à une compression de l'historique pilotée par le retour d'information, cible quant à lui le stockage du cache et l'indexation. Les deux parient que l'avenir de l'inférence réside dans le contexte long à faible coût. Ils ne sont simplement pas d'accord sur la partie de la facture à attaquer.

La comparaison, dimension par dimension

• Prix des entrées — ERNIE Light DT 1.0 à 1,13 $ par million de tokens, contre Qwen 3.8 Flash à 0,15 $. Baidu est 7,5 fois plus cher.

• Prix de sortie — 3,94 $ contre 0,47 $ par million. Baidu est 8,4 fois plus cher.

• Entrée en cache — 0,113 $ contre 0,0184 $ par million. Les deux offrent une remise de dix fois sur les lectures en cache ; l’écart absolu est de 6,1×.

• Fenêtre de contexte — 1 024 000 jetons contre 1 000 000, avec Q​wen documenté à une entrée maximale de 991 000 jetons. Concrètement, le même plafond.

• Sortie maximale — 131 072 jetons sur les deux. Identique.

• Modalité d’entrée — texte uniquement par rapport à texte, image et vidéo.

• Contrôle du raisonnement — quatre niveaux gradués sur Light DT (max, élevé, faible, aucun) face à un mode de réflexion flexible sur Qwen 3.8 Flash, qui prend en charge un budget de tokens de raisonnement maximal documenté.

{{1}}Utilisation d’outils et sortie structurée{{/1}} — pris en charge sur les deux, y compris le choix d’outil forcé.

• Score indépendant — aucun n'a été publié pour Light DT ; le modèle frère Flash-Next de Q​wen a été mesuré sur l'Artificial Analysis Intelligence Index, et son score appartient à l'artefact ouvert plutôt qu'au SKU de production.

• Poids ouverts — aucun pour Light DT ; un point de contrôle de même architecture sous la licence Qwen Community License pour Qwen.

Où la prime septuple pourrait théoriquement être obtenue

Il vaut la peine de présenter l’argument le plus solide en faveur de la position de Baidu plutôt que de la rejeter, car il existe une version de ce scénario où le prix se justifie.

Un modèle construit sur la compression peut, en principe, répondre à une requête d’un million de jetons avec une empreinte de cache qu’un modèle conventionnel ne peut égaler. Si le BSA de Baidu maintient réellement une qualité constante à mesure que le contexte s’allonge — l’affirmation étant de « maintenir les performances du modèle » tout en réduisant le stockage et le calcul du cache KV — alors le coût par million de jetons de contexte pour l’opérateur baisse. Un fournisseur qui a consacré des efforts de recherche à cela pourrait raisonnablement facturer davantage par jeton tout en restant moins cher par requête longue.

Le problème est que tout cela est entièrement non vérifié, et le seul chiffre qui permettrait de trancher — l’empreinte effective du cache par million de jetons — n’a pas été publié. Il n’y a ni fiche modèle, ni rapport technique, ni tableau de benchmarks. La description produit de Baidu elle-même tient en un seul paragraphe.

Comparez les éléments de preuve de l’autre côté. Qwen 3.8 Flash dispose d’une page fournisseur avec une documentation au niveau des tokens, d’un modèle frère à poids ouverts dont l’architecture peut être lue dans un fichier de configuration, et de mesures réalisées par des tiers sur ce modèle frère. Vous pouvez ne pas être d’accord avec les chiffres d’A​libaba, mais vous pouvez les vérifier.

La modalité est le problème le plus difficile.

Le prix est une négociation. La modalité est un mur.

Qwen 3.8 Flash accepte le texte, les images et la vidéo, et sa documentation produit nomme les tâches qui en découlent : compréhension visuelle, analyse de documents et de bases de code, analyse de graphiques, interaction avec l’environnement de bureau, analyse de vidéos longues. ERNIE Light DT 1.0 prend du texte en entrée et renvoie du texte.

Si une partie de votre pipeline implique une capture d’écran, une page numérisée, un graphique ou une image vidéo, la comparaison est terminée avant même que le prix n’entre en ligne de compte. Soit vous placez un modèle OCR ou de vision en amont de Light DT — ce qui ajoute du coût, de la latence et un mode de défaillance —, soit vous utilisez un modèle qui accepte l’artefact. Dans un pipeline de support où la moitié des demandes entrantes est une capture d’écran d’un message d’erreur, « texte uniquement » n’est pas une limitation que l’on contourne ; c’est une catégorie de produit différente.

Le contre-exemple est tout aussi réel : les tâches textuelles augmentées par récupération, l’analyse de code sur du code source brut, le tri de journaux, les questions-réponses sur des documents longs où les documents sont déjà du texte. Là, l’avantage lié à la modalité n’apporte rien, et la comparaison revient au prix et à la qualité — où Baidu reste 7,5 fois plus cher sans preuve à l’appui.

Trois façons dont le supplément pourrait réellement s’amortir

Plutôt que de supposer que Baidu est simplement trop cher, voici les conditions précises dans lesquelles choisir Light DT serait défendable — chacune d’elles vérifiable en un après-midi.

Premièrement : la qualité tient à partir de 400 000 tokens. Ling et Qwen annoncent tous deux une fenêtre d’un million de tokens ; savoir si l’un ou l’autre se dégrade au milieu d’un prompt très long est précisément ce que les schémas de compression prétendent résoudre. Si Light DT répond avec précision aux questions de contexte profond là où Qwen 3.8 Flash commence à rater le milieu du document, le surcoût se justifie. Le test consiste en une série de questions dont les réponses se trouvent à 5 %, 50 % et 95 % de profondeur dans un même document long.

Deux : le débit par requête est nettement meilleur. Si la compression signifie moins de jetons de cache par requête, un fournisseur peut servir davantage de requêtes longues simultanées sur le même matériel — ce qui peut se traduire par une latence plus faible en charge. Baidu ne publie aucun chiffre de débit, et Q​wen n’en publie pas de comparable non plus, donc cela n’est mesurable qu’en exécutant les deux dans vos propres conditions de concurrence.

Trois : l’échelle de raisonnement justifie sa place. Régler l’effort sur « aucun » sur Light DT offre un chemin rapide et économique pour la classification et l’extraction, tandis que « max » vous donne un modèle de réflexion sur le même point de terminaison. Qwen 3.8 Flash dispose d’un mode réflexion, mais d’une échelle moins granulaire. Si vous faites tourner un seul point de terminaison pour deux tâches très différentes, cela a une véritable valeur d’ingénierie — mais pas manifestement une valeur de 1,13 $ par million.

La lecture réaliste

Aucune de ces trois conditions ne suffit probablement à elle seule à justifier un surcoût de 7,5x sur les entrées, et ensemble, elles ne surpassent encore Qwen que si votre charge de travail est à contexte long, uniquement textuelle et sensible à la qualité en profondeur. C’est un segment réel — découverte juridique, questions-réponses sur de grandes bases de code, examen de documents réglementaires — mais ce n’est pas le vaste marché du segment rapide que ces modèles partagent nominalement.

L’explication la plus probable est aussi la moins flatteuse : Baidu facture un nouveau point de terminaison non mesuré comme un produit premium parce qu’il le peut, et le prix évoluera dès que le marché aura un avis. C’est un schéma normal pour une première cotation. C’est aussi pourquoi personne ne devrait établir un budget sur le chiffre actuel.

Exécuter les deux sans s’engager ni pour l’un ni pour l’autre.

Qwen 3.8 Flash figure au catalogue d’OrcaRouter au prix catalogue d’A​libaba, sans marge appliquée, ce qui signifie que le prix affiché sur la page de notre modèle est celui facturé par le fournisseur — et si A​libaba le réduit, cette baisse apparaît ici le jour même plutôt qu’au prochain renouvellement du contrat.

Cette propriété compte plus que d’ordinaire dans une comparaison comme celle-ci, car toute la prémisse repose sur un écart de prix que personne n’a justifié et que l’une ou l’autre des parties pourrait modifier. Une couche de routage qui présente les deux prix côte à côte et permet d’envoyer 5 % du trafic vers le nouveau modèle tout en gardant 95 % sur le modèle connu, voilà comment savoir si le supplément est réel sans y engager le budget d’un trimestre.

Le basculement automatique est l'autre moitié. Un modèle servi par un seul fournisseur a un seul domaine de défaillance ; si Baidu subit un incident, votre chemin à contexte long est hors service. Un routage capable de basculer vers un point de terminaison comparable lorsque le primaire renvoie des erreurs fait la différence entre une fonctionnalité dégradée et une panne.

Que faire cette semaine

Commencez par Qwen 3.8 Flash, sauf si vous pouvez nommer la charge de travail où l’argent supplémentaire apporte quelque chose. Il est moins cher sur chaque unité, accepte davantage de types d’entrée et s’accompagne d’un homologue ouvert et inspectable. À 0,15 $ et 0,47 $ par million de jetons, une évaluation sérieuse coûte quelques centimes.

Testez ERNIE Light DT 1.0 uniquement au regard de l'allégation spécifique qu'il avance. Construisez une évaluation sur contexte long — un ensemble de documents de 200 000 tokens avec des réponses implantées à trois profondeurs — et exécutez-la sur les deux modèles. Si Light DT maintient la qualité là où Qwen 3.8 Flash faiblit, vous avez trouvé l'argument en faveur du premium et pouvez le défendre avec des données. Si ce n'est pas le cas, vous vous êtes épargné une facture 7,5x plus élevée sur la foi d'un paragraphe de fournisseur et d'un nom qui dit « light » tout en facturant comme s'il signifiait « luxury ».