ERNIE Light DT 1.0 vs Qwen 3.8 Flash: pagare di più per meno input

Metti ERNIE Light DT 1.0 e Qwen 3.8 Flash sulla stessa riga e sono tre numeri a discutere. Baidu chiede 1,13 $ per milione di token in input; A​libaba ne chiede 0,15. Baidu ti dà solo testo; A​libaba accetta testo, immagini e video. Baidu non ha pubblicato alcun benchmark; il modello di A​libaba si basa su un rilascio documentato con una versione gemella a pesi aperti che puoi ispezionare. Qwen 3.8 Flash è uscito il 26 agosto 2026; ERNIE Light DT 1.0 è apparso il 10 novembre 2026, due mesi e mezzo dopo, a sette volte e mezzo il prezzo di input.

Il fatto che sia più recente e più caro non lo rende automaticamente peggiore: le architetture migliorano, e un modello costruito attorno alla compressione della KV-cache risolve un problema che un tier veloce generico non affronta. Tuttavia, l'onere della prova ricade saldamente sul lato di Baidu in questo confronto, e Baidu non l'ha raccolto.

Che cos'è realmente Qwen 3.8 Flash

Il livello Flash di Al​ibaba è una miscela sparsa di esperti: 125 miliardi di parametri nel corpo degli esperti con circa 6 miliardi attivati per token, più una tabella di embedding n-gram da 51 miliardi di parametri e circa 4 miliardi di teste di predizione multi-token, per un totale di circa 180 miliardi di parametri su disco. Quarantotto livelli, 512 esperti e uno stack di attenzione ibrido costruito da Gated DeltaNet e Q​wen Sparse Attention.

Lo SKU del prodotto è erogato su QwenCloud con un contesto predefinito documentato di un milione di token, un input massimo di 991.000 token e un output massimo di 131.072 token. L'artefatto open-weights con la stessa architettura è Qwen3.8-Flash-Next, pubblicato con la Q​wen Community License, che è un oggetto diverso con una licenza diversa — utile per l'ispezione, non un sostituto dell'endpoint.

In particolare, l'attenzione sparsa di Q​wen e quella di Baidu risolvono lo stesso problema da direzioni opposte. La QSA di Q​wen opera a livello di micro-blocco anziché selezionare singoli token, il che, secondo il fornitore, riduce significativamente la latenza sui contesti lunghi. La BSA di Baidu, abbinata alla compressione della cronologia guidata dal feedback, punta invece sull'archiviazione e sull'indicizzazione della cache. Entrambe sono scommesse sul fatto che il futuro dell'inferenza sia il contesto lungo a basso costo. Semplicemente non concordano su quale parte del conto attaccare.

Il confronto, dimensione per dimensione

• Prezzo di input — ERNIE Light DT 1.0 a 1,13 $ per milione di token contro Qwen 3.8 Flash a 0,15 $. Baidu costa 7,5 volte tanto.

• Prezzo di output — 3,94 $ contro 0,47 $ per milione. Baidu costa 8,4 volte tanto.

Input in cache — $0,113 contro $0,0184 per milione. Entrambi offrono uno sconto di dieci volte sulla lettura dalla cache; il divario assoluto è di 6,1x.

• Finestra di contesto — 1.024.000 token rispetto a 1.000.000, con Q​wen documentato a un input massimo di 991.000 token. Di fatto, lo stesso limite.

• Output massimo — 131.072 token su entrambi. Identico.

• Modalità di input — solo testo rispetto a testo, immagine e video.

• Controllo del ragionamento — quattro livelli graduati su Light DT (max, alto, basso, nessuno) rispetto a una modalità di pensiero flessibile su Qwen 3.8 Flash che supporta un budget massimo documentato di token per il ragionamento.

• Uso degli strumenti e output strutturato — supportati su entrambi, inclusa la scelta forzata dello strumento.

• Punteggio indipendente — nessun punteggio pubblicato per Light DT; il modello gemello Flash-Next di Qwen è stato valutato sull'Artificial Analysis Intelligence Index e il suo punteggio appartiene all'artefatto aperto anziché alla SKU di produzione.

• Pesi aperti — nessuno per Light DT; un checkpoint con la stessa architettura sotto la Qwen Community License per Qwen.

Dove si potrebbe teoricamente guadagnare il premio sette volte superiore

Vale la pena presentare nella sua versione più solida la posizione di Baidu anziché liquidarla, perché esiste una versione di questa vicenda in cui il prezzo è giusto.

Un modello basato sulla compressione può, in linea di principio, soddisfare una richiesta da un milione di token con un'occupazione della cache che un modello convenzionale non può eguagliare. Se il BSA di Baidu mantiene davvero la qualità costante con l'aumentare del contesto — l'affermazione è "mantenere le prestazioni del modello" riducendo lo spazio di archiviazione della KV-cache e il calcolo — allora il costo dell'operatore per milione di token di contesto diminuisce. Un fornitore che ha investito sforzi di ricerca in questo potrebbe ragionevolmente far pagare di più per token pur restando più economico per le richieste lunghe.

Il problema è che questo è del tutto non verificato, e l'unico numero che lo risolverebbe — l'impronta effettiva della cache per milione di token — non è stato pubblicato. Non c'è una model card, né un rapporto tecnico, né una tabella di benchmark. La descrizione del prodotto di Baidu si limita a un singolo paragrafo.

Confronta le prove dall'altra parte. Qwen 3.8 Flash dispone di una pagina del fornitore con documentazione a livello di token, di un modello gemello a pesi aperti la cui architettura è leggibile in un file di configurazione, e di misurazioni di terze parti su quel gemello. Puoi non essere d'accordo con i numeri di Alibaba, ma puoi verificarli.

La modalità è il problema più difficile

Il prezzo è una trattativa. La modalità è un muro.

Qwen 3.8 Flash accetta testo, immagini e video, e il suo testo di presentazione elenca le attività che ne conseguono: comprensione visiva, analisi di documenti e basi di codice, analisi di grafici, interazione con il desktop e analisi di video lunghi. ERNIE Light DT 1.0 accetta testo e restituisce testo.

Se una qualsiasi parte della tua pipeline prevede uno screenshot, una pagina scansionata, un grafico o un fotogramma video, il confronto è già finito prima che il prezzo conti. O metti un modello OCR o di visione davanti a Light DT — aggiungendo costo, latenza e una modalità di errore — oppure usi un modello che accetta l'artefatto. In una pipeline di supporto in cui metà del traffico in entrata è uno screenshot di un messaggio di errore, "solo testo" non è un limite con cui convivere; è una categoria di prodotto diversa.

Il caso contrario è altrettanto reale: lavoro testuale con recupero aumentato, analisi del codice su sorgente semplice, triage dei log, domande e risposte su documenti lunghi in cui i documenti sono già testo. Lì, il vantaggio della modalità non serve a nulla, e il confronto torna a prezzo e qualità — dove Baidu è ancora 7,5 volte più caro senza alcuna prova da mostrare.

Tre modi in cui il premium potrebbe davvero ripagarsi da solo

Anziché presumere che Baidu sia semplicemente sopravvalutato, ecco le condizioni specifiche in base alle quali scegliere Light DT sarebbe difendibile — ciascuna verificabile in un pomeriggio.

Uno: la qualità tiene a 400.000 token e oltre. Ling e Qwen pubblicizzano entrambi una finestra da un milione di token; se l'uno o l'altro degradi nel mezzo di un prompt molto lungo è esattamente ciò che gli schemi di compressione sostengono di risolvere. Se Light DT risponde accuratamente a domande su contesti profondi là dove Qwen 3.8 Flash inizia a perdere il centro del documento, il sovrapprezzo ha una sua ragione. Il test è un insieme di domande le cui risposte si trovano al 5%, al 50% e al 95% di profondità nello stesso documento lungo.

Due: il throughput per richiesta è sostanzialmente migliore. Se la compressione significa meno token di cache per richiesta, un fornitore può servire più richieste lunghe concorrenti sullo stesso hardware — il che può tradursi in una latenza inferiore sotto carico. Baidu non pubblica alcun dato sul throughput, e nemmeno Q​wen ne pubblica uno comparabile, quindi questo è misurabile solo eseguendo entrambi con la vostra concorrenza.

Tre: la scala del ragionamento si ripaga. Impostare lo sforzo su "none" in Light DT offre un percorso rapido ed economico per classificazione ed estrazione, mentre "max" ti dà un modello che ragiona sullo stesso endpoint. Qwen 3.8 Flash ha una modalità di pensiero ma una scala meno granulare. Se usi un unico endpoint per due compiti molto diversi, questo ha un valore ingegneristico reale — anche se non un valore ovviamente pari a 1,13 $ per milione.

La lettura realistica

Nessuna di queste tre condizioni è probabilmente sufficiente da sola a giustificare un premio del 7,5x sul prezzo di input, e anche messe insieme riescono a superare Qwen solo se il tuo carico di lavoro è a contesto lungo, esclusivamente testuale e sensibile alla qualità in profondità. È un segmento reale — l'esame documentale in ambito legale, il Q&A su grandi basi di codice, la revisione di documenti normativi — ma non è l'ampio mercato della fascia veloce che questi modelli condividono nominalmente.

La spiegazione più probabile è la meno lusinghiera: Baidu sta prezzando un endpoint nuovo e non misurato come un prodotto premium perché può farlo, e il prezzo si muoverà una volta che il mercato avrà un'opinione. È un modello normale per una prima quotazione. È anche il motivo per cui nessuno dovrebbe basare un budget sul numero attuale.

Eseguire entrambi senza impegnarsi in nessuno dei due

Qwen 3.8 Flash è nel catalogo di OrcaRouter al prezzo di listino di A​libaba, senza alcun ricarico applicato, il che significa che il prezzo che vedi sulla pagina del nostro modello è quello che il fornitore applica — e se A​libaba lo riduce, la riduzione compare qui lo stesso giorno, anziché al rinnovo contrattuale successivo.

Quella proprietà conta più del solito in un confronto come questo, perché l'intera premessa è un differenziale di prezzo che nessuno ha giustificato e che entrambe le parti potrebbero cambiare. Un livello di instradamento che elenca entrambi i prezzi fianco a fianco e ti consente di inviare il cinque percento del traffico al nuovo modello mantenendo il novantacinque su quello conosciuto è il modo per scoprire se il sovrapprezzo è reale senza puntarci il budget di un trimestre.

Il failover automatico è l'altra metà. Un modello servito da un unico fornitore ha un unico dominio di guasto; se Baidu subisce un incidente, il tuo percorso a contesto lungo è fuori uso. Un routing in grado di passare a un endpoint comparabile quando quello primario genera errori è la differenza tra una funzionalità degradata e un'interruzione del servizio.

Cosa fare questa settimana

Inizia con {{1}}Qwen 3.8 Flash{{/1}} a meno che tu non riesca a indicare il carico di lavoro in cui {{2}}il denaro extra compra qualcosa{{/2}}. È più economico su ogni unità, accetta più tipi di input e viene fornito con un {{3}}gemello open ispezionabile{{/3}}. A {{4}}$0.15 e $0.47 per milione di token{{/4}}, una valutazione seria costa pochi centesimi.

Metti alla prova ERNIE Light DT 1.0 solo rispetto all'affermazione specifica che fa. Crea un'unica valutazione long-context — un set di documenti da 200.000 token con risposte inserite a tre profondità — ed eseguila su entrambi i modelli. Se Light DT mantiene la qualità dove Qwen 3.8 Flash cala, hai trovato l'argomento a favore del premium e puoi sostenerlo con i dati. In caso contrario, ti sei risparmiato una bolletta 7,5 volte più salata sulla base di un paragrafo del fornitore e di un nome che dice "light" mentre fa pagare come se significasse "luxury".