ERNIE Light DT 1.0 costa quattro volte quanto il modello Flash 280B di Baidu.

Il più recente modello piccolo di Baidu ha un prezzo da modello grande. ERNIE Light DT 1.0, inserito in listino il 10 novembre 2026, ha un prezzo di listino di 1,13 $ per milione di token di input e 3,94 $ per milione di token di output. Il ERNIE 5.5 Flash Preview — 280 miliardi di parametri dello stesso laboratorio, un tetto di output più alto, un listino prezzi molto più contenuto — è indicato a 0,28 $ e 1,13 $. Leggendo insieme queste due righe, il nome smette di avere senso: il modello chiamato Light è quello costoso, di un fattore quattro sull'input e tre e mezzo sull'output.

Quell'inversione non è un refuso in un listino prezzi, ed è la prima cosa che vale la pena capire di questo rilascio. Baidu non ha rilasciato un Flash più economico. Ha rilasciato un tipo diverso di oggetto — costruito per un problema di costi che non compare affatto in un listino prezzi per token, e prezzato come se ciò che ti fa risparmiare valesse più dei token per cui ti addebita.

Che cosa è stato effettivamente pubblicato, e quando

Il modello appariva come baidu/ernie-light-dt-1.0-intl — il suffisso -intl indica l'endpoint internazionale anziché lo SKU Qianfan della Cina continentale — con una marca temporale dello snapshot del 10 novembre 2026. È servito direttamente da Baidu, non tramite una rete di rivenditori, ed è testo in ingresso, testo in uscita. Nessuna immagine, nessun audio, nessun file.

I due numeri che ne definiscono la forma sono una finestra di contesto di 1.024.000 token e un output massimo di 131.072 token. Non sono insoliti a fine 2026; una finestra da un milione di token è il minimo indispensabile nella fascia dei modelli open-weight cinesi, ed è così dall'estate. Ciò che è insolito è un milione di token su un modello che il materiale promozionale del suo stesso fornitore descrive come leggero.

La descrizione di Baidu è breve e vale la pena citarla anziché parafrasarla, perché è l'unica dichiarazione tecnica rilasciata dall'azienda: il modello è «basato su modelli G​LM open source» e «include i risultati della ricerca del large model Lightning di Baidu Search», e «presenta Baidu Sparse Attention (BSA), un meccanismo unico di attenzione sparsa sviluppato da Baidu ERNIE».

Attenzione sparsa, compressione della cronologia e perché un modello Light arriva a un milione di token

Tre affermazioni sono contenute in quel paragrafo e svolgono funzioni diverse.

Il primo aspetto è la discendenza. Un modello Baidu costruito su GLM non è un dettaglio da poco: GLM è la famiglia di architetture di Z.ai, e il fatto che Baidu lo dichiari apertamente ti dice che si tratta di una strategia di adattamento, non di un addestramento pre-training da zero. Baidu non sta rivendicando un nuovo modello di base. Sta rivendicando un modo migliore per farne funzionare uno.

La seconda è la connessione Search. La linea "Lightning" di Baidu Search è la famiglia di modelli alla base della generazione di risposte proprietaria del prodotto di ricerca, il che significa che è stata ottimizzata sotto una pressione molto specifica: un volume enorme di query, contesti recuperati lunghi e un rigido budget di latenza. I risultati di ricerca che sopravvivono a quell'ambiente tendono a riguardare il traffico di memoria, non i punteggi dei benchmark.

Il terzo — e quello che spiega il prezzo — è BSA più quella che Baidu chiama "compressione della cronologia guidata dal feedback", che, secondo l'azienda, "migliora l'archiviazione e l'indicizzazione delle informazioni storiche" e "riduce significativamente lo spazio di archiviazione della cache KV e i costi computazionali mantenendo le prestazioni del modello".

Togli il marketing e resta una storia di KV-cache. In un transformer standard, il costo di mantenere in contesto una conversazione lunga o un documento lungo cresce con ogni token che conservi, perché ogni layer memorizza nella cache chiavi e valori per ogni posizione. È quella cache a rendere costoso da servire una finestra da un milione di token anche quando il modello stesso è piccolo. Gli schemi di compressione attaccano esattamente questo punto: mantengono una rappresentazione compatta e indicizzata del passato remoto invece della cache grezza per token, e il conto del contesto lungo scende.

Lo stesso problema che Baidu ha risolto diversamente in ERNIE 5.5 Flash, dove 37 strati su 43 usano Heavily Compressed Attention — memorizzando nella cache una voce ogni 128 token — mentre sei strati mantengono l'accesso completo a livello di token tramite MLA con attenzione sparsa. Light DT sembra spingersi oltre nella stessa direzione: più compressione, migliore indicizzazione di ciò che è stato compresso. Baidu non ha pubblicato il numero di strati, il numero di parametri o il rapporto di compressione, quindi non si sa fino a che punto si spinga.

Ciò che consegue dall'architettura è un'ipotesi di prezzo, ed è solo un'ipotesi perché Baidu non l'ha dichiarato: se il tuo carico di lavoro è dominato dalla residenza in cache anziché dai token nuovi, il fornitore può applicare un prezzo più alto per token e restare comunque l'opzione più economica per richiesta. Che ciò sia vero dipende interamente da un numero che Baidu non ha pubblicato — l'impronta effettiva della cache per milione di token di contesto.

Il prezzo, nelle unità che un acquirente utilizza davvero

Tariffe per token, come elencate:

• Input — ERNIE Light DT 1.0 a $1,13 per milione di token rispetto a ERNIE 5.5 Flash Preview a $0,28. Light DT costa 4,0 volte tanto.

• Output — $3,94 contro $1,13 per milione. Light DT costa 3,5 volte tanto.

• Input in cache — $0.113 contro $0.028 per milione. Light DT costa 4,0 volte tanto, ed entrambi scontano le letture in cache di un fattore dieci rispetto all'input nuovo.

• Contesto — 1.024.000 token per entrambi.

• Output massimo — 131.072 token per Light DT contro 921.600 per ERNIE 5.5 Flash Preview. Questa è l'unica voce in cui il modello piccolo è davvero più piccolo, di un fattore sette.

• Modalità — solo testo per Light DT; solo testo anche per l'endpoint Preview.

Il tetto di output è il segnale rivelatore. ERNIE 5.5 Flash Preview è stato costruito per generare risposte molto lunghe — novecentomila token di output non è un numero da modello di chat, è un numero per la generazione in batch, la sintesi di testi lunghi o le trascrizioni di agenti che non vengono mai ridotte. Il 131,072 di Light DT è un budget di output normale, generoso e banale. Baidu ha deliberatamente limitato la cosa che costa di più da servire.

Quindi la forma del prodotto è questa: far pagare un sovrapprezzo per ogni token in ingresso e impedire al modello di divagare. È una politica di prezzo coerente per un modello la cui risorsa costosa è il contesto che mantiene, non il testo che scrive.

Cosa farà e cosa non farà l'endpoint

La superficie di capacità è più ampia di quanto il prezzo suggerisca, e più stretta di quanto il nome implichi.

• Il ragionamento è opzionale e regolabile. Sono esposti quattro livelli di sforzo — max, high, low e none — con max come predefinito. Poter impostare lo sforzo su none è importante per un modello di questo livello: è la differenza tra un classificatore sensibile alla latenza e un modello di ragionamento, sullo stesso endpoint.

Il tool calling è supportato, inclusa la scelta forzata dello strumento. Il function calling, gli output strutturati e i formati di risposta JSON sono tutti disponibili, il che lo rende utilizzabile come planner all'interno di un ciclo di agente anziché solo come generatore di testo.

Il campionamento è convenzionale — temperature, top_p, max_tokens — senza nulla di insolito esposto e nessun segno dei parametri di decodifica esotici che alcuni laboratori cinesi includono.

• Prende in input testo e restituisce testo. Se la tua pipeline gli fornisce una scansione PDF, uno screenshot o la registrazione di una chiamata, hai bisogno di uno step OCR o di trascrizione a monte, e quello step ha i suoi costi e le sue modalità di errore.

• È servito da un unico fornitore. Un endpoint mono-fornitore non ha alcun failover alle spalle, quindi un incidente in casa Baidu è un incidente nel tuo prodotto. Questo è un fatto di procurement, non una critica.

Cosa manca?

Tre lacune, e sono tutte nello stesso punto: le prove.

Non esiste alcun benchmark. Non una tabella di fornitori, non un grafico, non un singolo numero: il comunicato di lancio di Baidu formula un'affermazione su un meccanismo e si ferma lì. Nemmeno un valutatore indipendente ha una riga dedicata. Artificial Analysis, che include righe per la famiglia ERNIE 5.5 e per gran parte della fascia veloce cinese, non valuta questo modello. Quindi l'affermazione onesta sulla sua qualità oggi è: sconosciuta, su ogni asse, incluso l'asse che Baidu sta implicitamente vendendo, cioè se la compressione ti fa perdere accuratezza sul contesto lungo.

Non ci sono pesi. ERNIE 5.5 Flash Base ha pubblicato pesi aperti il 5 novembre 2026, 280 miliardi di parametri con una licenza che esclude UE, Regno Unito e Corea del Sud. Light DT è distribuito esclusivamente come API, senza repository pubblico e senza model card. Se volete esaminare lo schema di compressione, non potete.

E non esiste alcuna definizione di "DT". Baidu non ha pubblicato una voce di glossario, e le due lettere non corrispondono a nulla nella denominazione esistente dell'azienda — dove Flash indica un livello economico, Base indica un checkpoint di pre-addestramento, e Preview indica un modello instruct ospitato. Finché Baidu non dirà cosa significa DT, trattalo come un codice prodotto, non come una descrizione.

Come chiamarlo e cosa fare nel frattempo

Per ora, ERNIE Light DT 1.0 è raggiungibile tramite l'API di Baidu stessa e tramite piattaforme di terze parti che offrono l'endpoint internazionale. Non è presente nel catalogo di OrcaRouter — controllalo rispetto all'elenco dei modelli live prima di basare i tuoi piani su di esso — quindi non è una situazione in cui possiamo darti una chiave e un prezzo e chiudere la questione.

Oggi vale la pena misurare la cosa da cui dipende il prezzo. Prendi il contesto più lungo che il tuo prodotto invia effettivamente — i documenti recuperati, la conversazione in scorrimento, la porzione di codebase — e invialo a un modello che puoi già chiamare. Registra i token di input, i token in cache se il fornitore li riporta, e la latenza in tempo reale all'estremità profonda della finestra. È quel numero, non la tariffa per token, a decidere se un modello con cache compressa rappresenta un risparmio o un sovrapprezzo. Se il tuo traffico non supera mai i 32.000 token, l'architettura che Baidu sta vendendo non ti dà nulla, e 1,13 $ per milione è semplicemente quattro volte troppo.

La seconda cosa che vale la pena fare è mantenere economica la sostituzione. Il motivo per cui vale persino la pena discutere di un modello senza benchmark e con un sovrapprezzo quadruplo è che l'alternativa a provarlo non è una riscrittura: è un base URL. Instrada il tuo traffico a contesto lungo attraverso un unico endpoint con il prezzo per modello esposto, e un modello come questo può essere messo dietro il dieci percento del traffico di martedì e rimosso di mercoledì. È l'unico modo responsabile di valutare un rilascio non misurato: esposizione ridotta, traffico reale e un prezzo che puoi leggere per richiesta anziché per fattura.

Cosa tenere d'occhio, in ordine: una model card con il numero di parametri e un rapporto di compressione; una prima valutazione indipendente, idealmente una che riporti separatamente i risultati a 128K e 1M invece di un unico punteggio medio; e una variazione di prezzo. Quest'ultima è la più informativa. Un sovrapprezzo quadruplo su un modello leggero è o una dichiarazione sull'economia della cache o un segnaposto, e il modo per distinguere è se sopravvive al suo primo trimestre.