ERNIE Light DT 1.0 Biayanya Empat Kali Lipat Dibanding Model Flash 280B Baidu

Model kecil terbaru Baidu dihargai seperti model besar. ERNIE Light DT 1.0, yang dicantumkan pada 10 November 2026, memiliki harga daftar $1,13 per juta token masukan dan $3,94 per juta token keluaran. ERNIE 5.5 Flash Preview — 280 miliar parameter dari laboratorium yang sama, batas keluaran yang lebih besar, daftar tarif yang jauh lebih kecil — dicantumkan pada $0,28 dan $1,13. Baca kedua baris itu bersama-sama dan namanya jadi tidak masuk akal: model yang disebut Light adalah yang mahal, empat kali lipat untuk masukan dan tiga setengah kali lipat untuk keluaran.

Pembalikan itu bukan salah ketik di daftar tarif, dan itulah hal pertama yang perlu dipahami dari rilis ini. Baidu tidak merilis Flash yang lebih murah. Mereka merilis jenis objek yang berbeda — objek yang dibangun untuk masalah biaya yang sama sekali tidak muncul dalam daftar harga per token, dan diberi harga seolah-olah hal yang dihematnya lebih bernilai daripada token yang ditagihkannya.

Apa yang sebenarnya diterbitkan, dan kapan

Model tersebut muncul sebagai baidu/ernie-light-dt-1.0-intl — akhiran -intl menandakan endpoint internasional, bukan SKU Qianfan daratan Tiongkok — dengan stempel snapshot 10 November 2026. Model ini dilayani langsung oleh Baidu, bukan melalui jaringan penjual ulang, dan bersifat teks masuk, teks keluar. Tidak ada gambar, audio, atau file.

Dua angka yang menentukan bentuknya adalah jendela konteks 1.024.000 token dan keluaran maksimum 131.072 token. Itu bukan hal yang luar biasa pada akhir 2026; jendela satu juta token sudah menjadi standar dasar di lapisan model terbuka Tiongkok dan telah demikian sejak musim panas. Yang luar biasa adalah satu juta token pada model yang materi pemasaran vendornya sendiri menggambarkannya sebagai ringan.

Deskripsi Baidu singkat dan layak dikutip alih-alih diparafrasakan, karena ini adalah satu-satunya pernyataan teknis yang dibuat perusahaan: model tersebut "berbasis model G​LM sumber terbuka" dan "mencakup temuan riset dari model besar Lightning milik Baidu Search," serta "menghadirkan Baidu Sparse Attention (BSA), mekanisme sparse attention unik yang dikembangkan oleh Baidu ERNIE."

Atensi sparse, kompresi riwayat, dan mengapa model Light bisa mendapatkan satu juta token

Ada tiga klaim di dalam paragraf itu, dan ketiganya menjalankan fungsi yang berbeda.

Yang pertama adalah asal-usulnya. Model Baidu yang dibangun di atas G​LM bukanlah detail kecil — G​LM adalah keluarga arsitektur milik Z.ai, dan dengan menyatakannya secara terbuka, Baidu memberi tahu Anda bahwa ini adalah strategi adaptasi, bukan pelatihan prapelatihan dari nol. Baidu tidak mengklaim model fondasi baru di sini. Baidu mengklaim cara yang lebih baik untuk menjalankannya.

Yang kedua adalah koneksi Search. Lini "Lightning" dari Baidu Search adalah keluarga model di balik pembangkitan jawaban milik produk pencarian itu sendiri, yang berarti model ini telah dioptimalkan di bawah tekanan yang sangat spesifik: volume kueri yang sangat besar, konteks hasil pencarian yang panjang, dan anggaran latensi yang ketat. Temuan riset yang bertahan di lingkungan tersebut cenderung berkaitan dengan lalu lintas memori, bukan dengan skor benchmark.

Yang ketiga — dan yang menjelaskan harganya — adalah BSA ditambah apa yang disebut Baidu sebagai "feedback-driven history compression," yang menurutnya "meningkatkan penyimpanan dan pengindeksan informasi historis" dan "secara signifikan mengurangi penyimpanan cache KV dan biaya komputasi sambil mempertahankan kinerja model."

Singkirkan bumbu pemasaran, dan itu adalah kisah KV-cache. Dalam transformer standar, biaya menahan percakapan panjang atau dokumen panjang dalam konteks tumbuh dengan setiap token yang Anda pertahankan, karena setiap lapisan menyimpan cache key dan value untuk setiap posisi. Cache itulah yang membuat jendela sejuta token mahal untuk dilayani bahkan ketika modelnya sendiri kecil. Skema kompresi menyerang tepat hal itu: pertahankan representasi ringkas dan terindeks dari masa lalu yang jauh alih-alih cache mentah per token, dan tagihan konteks panjang pun turun.

Itu adalah masalah yang sama yang diselesaikan Baidu secara berbeda dalam ERNIE 5.5 Flash, di mana 37 dari 43 lapisan menggunakan Heavily Compressed Attention — menyimpan satu entri per 128 token — sementara enam lapisan tetap mempertahankan akses penuh tingkat token melalui MLA dengan sparse attention. Light DT tampaknya mendorong lebih jauh ke arah yang sama: kompresi lebih banyak, pengindeksan yang lebih baik atas apa yang dikompresi. Baidu belum menerbitkan jumlah lapisan, jumlah parameter, atau rasio kompresinya, sehingga sejauh mana ini didorong masih belum diketahui.

Dari arsitektur itu, yang berikut ini adalah hipotesis penetapan harga, dan itu hanya hipotesis karena Baidu belum mengatakannya: jika beban kerja Anda didominasi oleh residensi cache alih-alih oleh token baru, vendor dapat menagih lebih banyak per token dan tetap menjadi opsi yang lebih murah per permintaan. Apakah itu benar sepenuhnya bergantung pada angka yang belum dipublikasikan Baidu — jejak cache efektif per juta token konteks.

Harga, dalam satuan yang benar-benar digunakan pembeli

Tarif per token, sebagaimana tercantum:

• Input — ERNIE Light DT 1.0 seharga $1.13 per juta token dibandingkan ERNIE 5.5 Flash Preview seharga $0.28. Harga Light DT 4.0x lebih tinggi.

• Keluaran — $3,94 dibandingkan $1,13 per juta. Light DT 3,5 kali lipat harganya.

• Input yang di-cache — $0.113 dibandingkan $0.028 per juta. Light DT berharga 4.0x lipat, dan keduanya memberi diskon sepuluh kali lipat untuk pembacaan cache dibandingkan input baru.

• Konteks — 1.024.000 token untuk keduanya.

• {{1}}Output maksimum{{/1}} — {{2}}131.072 token untuk Light DT dibandingkan 921.600 untuk ERNIE 5.5 Flash Preview{{/2}}. Ini adalah satu-satunya baris di mana model kecil itu benar-benar lebih kecil, dengan faktor tujuh.

• Modalitas — hanya teks untuk Light DT; hanya teks untuk endpoint Preview juga.

Batas atas output adalah petunjuknya. ERNIE 5.5 Flash Preview dibangun untuk menghasilkan jawaban yang sangat panjang — sembilan ratus ribu token output bukan angka untuk model chat, itu angka untuk generasi batch, sintesis bentuk panjang, atau transkrip agen yang tidak pernah dipangkas. 131.072 milik Light DT adalah anggaran output yang normal, lapang, dan biasa saja. Baidu dengan sengaja membatasi hal yang paling mahal untuk dilayani.

Jadi bentuk produknya adalah: kenakan tarif premium untuk setiap token yang masuk, dan jangan biarkan model bertele-tele. Itu adalah penetapan harga yang koheren untuk model yang sumber daya mahalnya adalah konteks yang dipegangnya, bukan teks yang ditulisnya.

Apa yang akan dan tidak akan dilakukan oleh endpoint

Cakupan kemampuannya lebih luas daripada yang disiratkan harga, dan lebih sempit daripada yang tersirat oleh namanya.

• Penalaran bersifat opsional dan dapat disesuaikan. Empat tingkat upaya tersedia — max, high, low, dan none — dengan max sebagai default. Kemampuan menyetel upaya ke none penting bagi model di kelas ini: inilah pembeda antara pengklasifikasi yang sensitif terhadap latensi dan model yang berpikir, pada endpoint yang sama.

• Pemanggilan alat didukung, termasuk pemilihan alat secara paksa. Pemanggilan fungsi, keluaran terstruktur, dan format respons JSON semuanya tersedia, yang membuatnya dapat digunakan sebagai perencana di dalam loop agen, bukan hanya sebagai generator teks.

• Sampling bersifat konvensional — temperature, top_p, max_tokens — tanpa hal tak biasa yang diungkapkan dan tidak ada tanda pengaturan decoding eksotis yang disertakan beberapa lab Tiongkok.

• Ia menerima teks dan mengembalikan teks. Jika pipeline Anda memasukkannya hasil pindai PDF, tangkapan layar, atau rekaman panggilan, Anda memerlukan langkah OCR atau transkripsi di depannya, dan langkah itu memiliki biaya serta mode kegagalannya sendiri.

• Layanan ini disediakan oleh satu penyedia. Endpoint satu vendor tidak memiliki failover di belakangnya, sehingga insiden di Baidu adalah insiden pada produk Anda. Ini fakta pengadaan, bukan kritik.

Apa yang hilang

Tiga celah, dan semuanya berada di tempat yang sama: bukti.

Tidak ada benchmark. Bukan tabel vendor, bukan grafik, bukan satu angka pun — materi rilis Baidu hanya mengklaim mekanisme lalu berhenti. Tidak ada evaluator independen yang punya baris untuk model ini juga. Artificial Analysis, yang memuat baris untuk keluarga ERNIE 5.5 dan untuk sebagian besar tier cepat Tiongkok, tidak menilai model ini. Jadi pernyataan jujur tentang kualitasnya saat ini adalah: tidak diketahui, pada setiap sumbu, termasuk sumbu yang secara implisit dijual Baidu, yaitu apakah kompresi mengorbankan akurasi pada konteks panjang.

Tidak ada bobot. ERNIE 5.5 Flash Base merilis bobot terbuka pada 5 November 2026, 280B parameter dengan lisensi yang mengecualikan Uni Eropa, Inggris, dan Korea Selatan. Light DT hanya tersedia sebagai API, tanpa repositori publik dan tanpa kartu model. Jika Anda ingin memeriksa skema kompresi, Anda tidak bisa.

Dan tidak ada definisi untuk "DT." Baidu belum menerbitkan entri glosarium, dan kedua huruf itu tidak memetakan ke apa pun dalam penamaan yang sudah ada di perusahaan — di mana Flash berarti tier murah, Base berarti checkpoint pra-pelatihan, dan Preview berarti model instruct yang dihosting. Sampai Baidu menyatakan apa kepanjangan DT, anggap saja itu sebagai kode produk, bukan deskripsi.

Cara memanggilnya, dan apa yang harus dilakukan sementara itu

Untuk saat ini, ERNIE Light DT 1.0 dapat diakses melalui API milik Baidu sendiri dan melalui platform pihak ketiga yang menyediakan endpoint internasional. Model ini tidak ada di katalog OrcaRouter — periksa terhadap daftar model live sebelum Anda merencanakan berdasarkan itu — jadi ini bukan kasus di mana kami bisa memberi Anda kunci dan harga lalu selesai.

Yang layak dilakukan hari ini adalah mengukur hal yang menjadi dasar harga. Ambil konteks terpanjang yang benar-benar dikirim produk Anda — dokumen hasil pencarian, percakapan bergulir, potongan basis kode — lalu kirimkan ke model yang sudah bisa Anda panggil. Catat token input, token cache jika penyedia melaporkannya, dan latensi waktu dinding di ujung dalam jendela. Angka itu, bukan tarif per token, yang menentukan apakah model cache terkompresi merupakan penghematan atau premi. Jika lalu lintas Anda tidak pernah melebihi 32.000 token, arsitektur yang dijual Baidu tidak memberi Anda manfaat apa pun, dan $1.13 per juta token hanyalah empat kali terlalu mahal.

Hal kedua yang layak dilakukan adalah menjaga agar penggantian tetap murah. Alasan model tanpa benchmark dan premi empat kali lipat bahkan layak diperbincangkan adalah bahwa alternatif untuk mencobanya bukanlah menulis ulang — melainkan base URL. Rutekan lalu lintas konteks panjang Anda melalui satu endpoint dengan harga per model yang terbuka, dan model seperti ini dapat ditempatkan di belakang sepuluh persen lalu lintas pada hari Selasa dan dihapus pada hari Rabu. Itulah satu-satunya cara yang bertanggung jawab untuk mengevaluasi rilis yang belum terukur: eksposur kecil, lalu lintas nyata, dan harga yang dapat Anda baca per permintaan alih-alih per faktur.

Yang perlu diperhatikan, secara berurutan: kartu model dengan jumlah parameter dan rasio kompresi; evaluasi independen pertama, idealnya yang melaporkan 128K dan 1M secara terpisah alih-alih satu skor rata-rata; dan perubahan harga. Yang terakhir itu paling informatif. Premi empat kali lipat pada model ringan entah merupakan pernyataan tentang ekonomi cache atau placeholder, dan cara membedakannya adalah apakah premi itu bertahan pada kuartal pertamanya.