ERNIE Light DT 1.0 対 Ling 3.1 Flash：同じクラスにおける25倍の価格差

中国の高速ティアモデル2つ。いずれもテキスト専用で、100万トークンのコンテキストウィンドウをうたい、長いコンテキストを手頃な価格で維持するためのスパースアテンションの仕組みを備えている——そして一方の入力トークンあたりのコストは、もう一方の25倍だ。ERNIE Light DT 1.0は、Baiduが2026年11月10日に公開したもので、100万入力トークンあたり1.13ドル、100万出力トークンあたり3.94ドルとされている。Ling 3.1 Flashは、Ant Groupが2026年9月30日に発表した5,600億パラメータのMixture of Expertsで、同じ単位で入力0.045ドル、出力0.135ドル、Artificial Analysis Intelligence Indexでは独立系のスコア41を記録している。

これはコンテキストの品質で説明し尽くせるような小さな差ではない。この階層で両研究所が現在販売している2つのモデル間における、トークンあたり最大の開きであり、誰かが発注書に署名する前に説明が求められる。

問題を理解する最も安上がりな方法：1回のリクエスト、2件の請求書

こうしたモデルの存在意義である種類の呼び出しを1回だけ取り上げましょう — 120,000トークンの検索済みドキュメントセットに対して2,000トークンの回答を、1回だけ実行する場合です。

ERNIE Light DT 1.0 では、そのリクエストのコストは 120,000 × $1.13/1M に 2,000 × $3.94/1M を加えたもので、$0.1356 と $0.0079 を合わせて約 14.4 セントになります。

Ling 3.1 Flash では、同じリクエストのコストは 120,000 × $0.045/1M に 2,000 × $0.135/1M を加えたもので、$0.0054 + $0.00027、つまり約 0.57 セントです。

両方のモデルがそのリクエストに対応できると主張している。そのうち一方は、それを実行するコストが25分の1だ。1日1万件のそうしたリクエストでは、差は1日あたり1,356ドル対57ドル——月額では約39,000ドル対1,700ドルになる。

考えられる説明は三つしかない。Baidu が品質について公表していない何かを知っているか、その圧縮方式が Ling のアーキテクチャでは得られない何かを得ているか、価格が今後変わる暫定値であるか、のいずれかだ。本稿の残りでは、そのどれなのかを扱う。

それぞれが実際に何なのか

• Ling 3.1 Flash — Ant Groupのハイブリッド推論型MoE。総パラメータ数は約5,600億、トークンあたり約250億がアクティブ。テキスト入力・テキスト出力。inclusionAIラボによる。2026年9月30日に発表され、Ant自身のAPIおよび消費者向け製品で提供中。マーケティング上の主張は100万トークン上限だが、ローンチ時にエンドポイントが実際に提供していたのは256,000トークン。現在の国際向け表記では、100万トークンのコンテキストと最大262,144トークンの出力を示している。

• ERNIE Light DT 1.0 — Baiduの小型ティア向けエンドポイント。2026年11月10日に公開され、オープンソースのGLMアーキテクチャを基盤に、Baidu Searchの「Lightning」系列の研究成果を取り入れ、Baidu Sparse Attentionとフィードバック駆動型の履歴圧縮方式を採用。コンテキスト長1,024,000トークン、最大出力131,072トークン、テキストのみ。4段階の推論努力レベル、ツール呼び出し、構造化出力に対応。

パラメータ数は比較できません — LingはLight DTのパラメータ数を公開していないため、正直に言えば、一方は合計560Bと判明しており、もう一方は非公開です。比較できるのはその構造です。どちらもスパースで、どちらもテキスト専用で、どちらも長いコンテキストと大量処理を要する作業を想定しています。

スパースアテンション、2回、2つの異なる理由で

アーキテクチャに関する説明はどこか似通っており、そのために価格差は説明しやすくなるどころか、かえって説明が難しくなる。

Ling 3.1 Flashは、各トークンについて5600億パラメータのうち250億パラメータ分のコストを支払う。これは容量を活かす戦略だ。非常に大規模な知識ストアを常駐させ、その中を狭くルーティングすることで、小規模モデルの計算量で大規模モデルの世界知識を得られる。長文脈に関する主張も同じ設計から来ている。各ステップが安価なら、長いシーケンスを保持し続ける負担は小さくなる。

ERNIE Light DTの話は、容量ではなく記憶に関するものだ。Baiduによれば、このモデルはフィードバック駆動型の履歴圧縮によって「履歴情報の保存とインデックス作成を改善」し、「モデル性能を維持しながらKVキャッシュの保存量と計算コストを大幅に削減」し、より長いコンテキストを「より低いコスト」で保持できる。この言い回しに注目してほしい。運用者にとっての低コストという意味である。それはBaiduのサービング費用に関する主張であり、必ずしもあなたの費用についての主張ではない。

ここが核心だ。このカテゴリのあらゆる圧縮スキーム——BaiduのERNIE 5.5におけるHeavily Compressed Attention、Qwenのマイクロブロック・スパース・アテンション、Ling自身のルーティング——は、ベンダーのコンテキスト1トークンあたりのコストを下げる。その節約分を顧客に還元するかどうかは商業的な判断であり、Baiduは還元しないことを選んだ。Baiduは、自ら安くしたと主張するまさにその能力に対してプレミアムを課している。

それは自動的に不誠実とは言えない。100万トークンでも品質を維持する圧縮方式は、構築にも検証にも費用がかかり、ベンダーはその研究コストを回収しているのかもしれない。しかし、それは購入者が、経済性が改善されたはずの機能に対して料金を支払っているということであり、その改善は料金表には見えていない。

Lingの独自スコアと、それがこのティアについて示すこと

Ling 3.1 FlashはArtificial Analysis Intelligence Indexで41点を獲得している。これはベンダーのチャートではなく、実際の第三者による測定であり、このモデルを高速ティアの上半分に位置づけている。マーケティング予算がより大きいモデルを余裕で上回り、フロンティアの小型モデル群には及ばない。このスコアには、コスト比較で重要な注意点がある。Lingはよく話す推論モデルだ。以前の評価では、このモデルがインデックスの評価課題をこなすのに約2億2000万出力トークンを消費し、同価格帯の中央値を大きく上回り、タスクあたり平均数分かかることがわかった。モデルが気前よく使う安価なトークンでも、積み重なれば馬鹿にならない。だが、出力100万トークンあたり0.135ドルなら、寛大な推論でも安価なままに収まる。

ERNIE Light DT 1.0にはスコアがまったくありません。ベンダーによる数値も、独立系の数値もありません。Baiduは料金表と仕組みに関する宣伝文を1段落公開しただけで、そこで止まっています。プレミアム価格のモデルにとって、証拠ゼロで登場することは、この比較において最も致命的な単一の事実です——悪い可能性が高いからではなく、購入者が「未測定」と「競争力なし」を区別できず、価格も疑わしい点を好意的に解釈する材料にならないからです。

コンテキストの上限は、Baiduが反論の余地を持つ唯一の点だ。

プレミアム料金を正当化する根拠があるとすれば、ここにある。Ling 3.1 Flashの100万トークンウィンドウは、少なくともローンチ期間中は、実際に提供される数値ではなく上限だった。エンドポイントは256Kを提示した一方、発表では1Mをうたっていた。ERNIE Light DTは1,024,000をうたい、その一覧ではコンテキストに同じ数値、出力に131,072を示しており、低減について文書化された記載はない。

その区別が実際のトラフィックに触れても維持されるかは不明だ。なぜなら、Baiduは長コンテキスト評価を公表していないからだ。他の誰も公表していない。どちらのファミリーにおいても唯一の長コンテキストに関する証拠は、ERNIE 5.5 Flash Baseのベンダー表に由来し、そこにはHELMET-RAG 71.5、HELMET-ICL 85.9、LongBench-v2 48.7、InfiniteBench 46.5が報告されている——Baidu自身の数値であり、異なるはるかに大規模なモデルに関するもので、このモデルには転用できない。

つまり、Light DT を支持する論拠は、未検証の長コンテキスト優位性を持つ未測定のモデルが、少なくとも実際のインデックススコアと動作するエンドポイントを持つ測定済みモデルの25倍の入力価格だという点に帰着する。それは強い立場ではなく、率直にそう言うのが妥当だ。

それぞれが本当に優れている点

• 出力上限 — Light DT は 131,072 トークン、Ling は 262,144 トークンです。Ling は生成できる余地が 2 倍あり、長文の合成やエージェントのトランスクリプトで重要です。

• 推論制御 — Light DTではmax、high、low、noneを選択でき、デフォルトはmaxです。Lingは段階的なラダーではなくオン/オフスイッチを備えたハイブリッド推論モデルであり、高速な非思考パスを実現する「none」は文書化されていません。

• あらゆるボリュームでのコスト — あらゆるリクエスト規模で Ling。25倍の入力価格の割増が、2パーセントのコンテキスト上の優位性（1,024,000 対 1,000,000 トークン）によって回収されるワークロードは存在しません。

• 根拠 — Lingは双方向において、独立したインデックススコアとパラメータ数が示された公開アーキテクチャを備えている。Light DTにはどちらもない。

• 提供安定性 — LingはAnt独自のインフラとサードパーティプラットフォーム上にあり、Light DTはBaiduの国際エンドポイントのみに依存しています。単一プロバイダーモデルにはフェイルオーバーがないため、これは性能上のリスクではなく調達上のリスクです。

• オープン性 — Lingの1019チェックポイントは2026年10月下旬にオープンウェイトとして公開されたため、アーキテクチャは検査可能であり、モデルはセルフホストできる。Light DTにはウェイトもモデルカードもない。

その最後の点は強調に値する。Ling 系列にはオープンな成果物とクローズドな成果物があり、オープンな方では主張を検証できる。ERNIE Light DT はクローズドな選択肢しか提供しておらず、そのモデルの中心的な主張——圧縮が長いコンテキストでも品質を維持するという主張——は、まさに独自に検証したくなる種類のものだ。

それでもまだ試してみたいなら

どちらのモデルもOrcaRouterのカタログにはないため、これはどこかに登録することを勧めるものではありません。ただし、Light DTの長いコンテキストに関する話があなたの仕事に関係するなら、それを試す方法は限定的で安価です。

同じ10万トークン超のプロンプトを両モデルに20回送り、答えが異なる深さ——冒頭付近、中盤、末尾——に埋め込まれた質問を用意する。答えは自分で採点する。そのテストはLingでは1ドル未満、Light DTでは約3ドルで済み、どちらのベンダーも公表していないことを午後半日で決着させる。Lingが品質を落とす深い領域でもLight DTが品質を維持するなら、割高料金には根拠がある。両方とも劣化するなら、このクラスでは100万トークンのウィンドウは誰が売っていてもマーケティング上の数字にすぎないと分かる。

結果がどうであれ、スワップは安く済ませよう。リクエストごとに両モデルの価格を提示するルーティング済みエンドポイント——トラフィックの一部を新モデルへ流し、同じ日のうちに引き戻せるオプション付き——こそが、公開されたエビデンスのないモデルを評価する唯一まともな方法だ。レートカードだけを見てキャパシティを買うのは、決して埋まらない枠に25倍の代金を払い続けるチームの末路だ。