ERNIE Light DT 1.0 vs Ling 3.1 Flash: 같은 체급에서 25배 가격 차이

중국산 패스트 티어 모델 두 개는 모두 텍스트 전용이고, 둘 다 100만 토큰 창을 내세우며, 긴 컨텍스트의 비용을 낮게 유지하기 위한 희소 어텐션 기법을 기반으로 만들어졌습니다. 그런데 그중 하나는 입력 토큰당 비용이 다른 하나보다 25배 더 높습니다. ERNIE Light DT 1.0은 Baidu가 2026년 11월 10일에 공개했으며, 100만 입력 토큰당 $1.13, 100만 출력 토큰당 $3.94로 책정되어 있습니다. Ling 3.1 Flash는 Ant Group이 2026년 9월 30일에 발표한 5,600억 파라미터의 전문가 혼합 모델로, 같은 단위 기준 $0.045 및 $0.135로 책정되어 있고 Artificial Analysis Intelligence Index에서 독립 점수 41을 받았습니다.

그것은 문맥 품질로 얼버무려 넘길 만한 작은 격차가 아니다. 이는 두 연구소 중 어느 쪽이든 현재 판매하는 이 등급의 두 모델 사이에서 토큰당 격차가 가장 큰 경우이며, 누구든 구매 주문서에 서명하기 전에 반드시 설명이 필요하다.

문제를 확인하는 가장 저렴한 방법: 요청 하나, 청구서 두 개

이런 모델이 존재하는 이유에 해당하는 단일 호출을 예로 들어 보겠습니다 — 120,000토큰의 검색된 문서 세트와 2,000토큰의 답변으로, 한 번 실행되는 경우입니다.

ERNIE Light DT 1.0에서는 해당 요청 비용이 120,000 × $1.13/1M에 2,000 × $3.94/1M을 더한 금액으로, $0.1356 + $0.0079, 즉 약 14.4센트입니다.

Ling 3.1 Flash에서 동일한 요청의 비용은 120,000 × $0.045/1M에 2,000 × $0.135/1M을 더한 금액으로, $0.0054에 $0.00027을 더한 값, 즉 약 0.57센트입니다.

두 모델 모두 해당 요청을 충족한다고 주장합니다. 그중 하나는 이를 실행하는 비용이 25배 더 저렴합니다. 하루에 그러한 요청이 1만 건이라면 차이는 하루 $1,356 대 $57 — 대략 한 달에 $39,000 대 $1,700입니다.

가능한 설명은 세 가지뿐이다. Baidu가 품질에 관해 아직 공개하지 않은 무언가를 알고 있거나, 압축 방식이 Ling의 아키텍처가 제공하지 못하는 무언가를 얻고 있거나, 가격이 바뀔 임시 값이거나. 이 글의 나머지 부분은 그중 어느 것인지를 다룬다.

각각이 실제로 무엇인지

• Ling 3.1 Flash — Ant Group의 하이브리드 추론 MoE로, 총 매개변수 약 5,600억 개, 토큰당 활성 매개변수 약 250억 개이며, 텍스트 입력 및 텍스트 출력을 지원하고 inclusionAI 연구소에서 개발했습니다. 2026년 9월 30일에 발표되었으며 Ant 자체 API와 소비자 제품에서 서비스 중입니다. 마케팅 주장은 100만 토큰 상한이지만, 출시 당시 엔드포인트가 실제로 제공한 것은 256,000이었고, 현재 국제 목록에는 1,000,000토큰 컨텍스트와 최대 262,144토큰 출력이 표시되어 있습니다.

• ERNIE Light DT 1.0 — 바이두의 소규모 티어 엔드포인트로, 2026년 11월 10일에 공개되었으며, 바이두 검색의 "Lightning" 라인 연구를 활용한 오픈소스 G​LM 아키텍처를 기반으로 하고, Baidu Sparse Attention과 피드백 기반 이력 압축 기법을 사용합니다. 1,024,000토큰 컨텍스트, 최대 131,072토큰 출력, 텍스트 전용. 네 가지 추론 강도 수준, 도구 호출, 구조화된 출력.

파라미터 수는 비교할 수 없습니다 — Ling은 Light DT의 파라미터 수를 공개하지 않았으므로, 정직하게 말하면 한쪽은 총 560B로 알려져 있고 다른 쪽은 공개되지 않았다고 해야 합니다. 비교할 수 있는 것은 형태입니다: 둘 다 희소 구조이고, 둘 다 텍스트 전용이며, 둘 다 긴 컨텍스트의 대량 작업을 겨냥합니다.

희소 어텐션, 두 가지 다른 이유로 두 번

아키텍처에 관한 이야기들은 서로 운율이 맞아떨어지는데, 그 때문에 가격 격차는 설명하기가 더 쉬워지기는커녕 오히려 더 어려워진다.

Ling 3.1 Flash는 5,600억 개 파라미터 중 250억 개에 대해서만 토큰당 비용을 지불합니다. 이는 용량 전략입니다. 매우 큰 지식 저장소를 상주시켜 두고 그 안에서 좁게 라우팅함으로써, 대형 모델의 세계 지식을 소형 모델의 연산으로 얻는 것입니다. 긴 컨텍스트 주장도 같은 설계에서 나옵니다. 각 단계가 저렴하면 긴 시퀀스를 열어 두는 부담이 줄어듭니다.

ERNIE Light DT의 이야기는 용량이 아니라 메모리에 관한 것입니다. 바이두는 이 모델이 피드백 기반 이력 압축을 통해 “역사 정보의 저장 및 인덱싱을 개선”하고, “모델 성능을 유지하면서 KV 캐시 저장 및 연산 비용을 크게 줄이며”, 더 긴 컨텍스트를 “더 낮은 비용으로” 보유할 수 있게 해준다고 말합니다. 문구에 주목하세요: 운영자 입장에서 더 낮은 비용이라는 것입니다. 이는 바이두의 서빙 청구서에 관한 주장이지, 반드시 사용자의 청구서에 관한 것은 아닙니다.

핵심은 바로 여기에 있습니다. 이 계열의 모든 압축 기법 — Baidu가 ERNIE 5.5에 적용한 Heavily Compressed Attention, Q​wen의 마이크로 블록 희소 어텐션, Ling 자체의 라우팅 — 은 공급업체의 컨텍스트 토큰당 비용을 줄여 줍니다. 공급업체가 그 절감분을 넘겨주느냐는 상업적 결정이며, Baidu는 넘겨주지 않기로 선택했습니다. Baidu는 자신이 더 저렴하게 만들었다고 말하는 바로 그 기능에 프리미엄을 붙여 청구하고 있습니다.

그렇다고 해서 그것이 자동으로 악의적이라고 볼 수는 없다. 백만 토큰에서도 품질을 유지하는 압축 방식은 구축하는 데도 비용이 많이 들고 검증하는 데도 비용이 많이 들며, 공급업체는 그 연구 비용을 회수하고 있을 수 있다. 그러나 그것은 구매자가 경제성이 개선되었다고 여겨지는 기능에 비용을 지불하고 있는데, 그 개선이 요금표에는 보이지 않는다는 것을 의미한다.

Ling의 독립 점수, 그리고 그것이 이 티어에 대해 말해주는 것

Ling 3.1 Flash는 Artificial Analysis Intelligence Index에서 41점을 기록합니다. 이는 실제 제3자 측정치이며 벤더가 만든 차트가 아니고, 이 모델을 패스트 티어의 상위 절반에 위치시킵니다 — 마케팅 예산이 더 큰 모델들을 넉넉히 앞서고, 프런티어 소형 모델들보다는 아래입니다. 이 점수에는 비용 비교에서 중요한 단서가 따릅니다: Ling은 말이 많은 추론 모델입니다. 이전 평가에서 이 모델은 지수 평가를 수행하며 약 2억 2천만 개의 출력 토큰을 소모한 것으로 나타났는데, 이는 해당 가격대의 중앙값을 훨씬 웃도는 수치이며 작업당 평균 몇 분이 걸렸습니다. 모델이 아낌없이 쓰는 저렴한 토큰도 누적될 수 있습니다 — 하지만 백만 출력 토큰당 $0.135라면 아무리 넉넉한 추론이라도 비용은 여전히 저렴합니다.

ERNIE Light DT 1.0은 점수가 전혀 없습니다. 벤더가 제공한 수치도, 독립적인 수치도 없습니다. Baidu는 요금표와 메커니즘 설명 한 단락을 발표하고는 멈췄습니다. 프리미엄 가격이 책정된 모델의 경우, 아무런 증거도 없이 등장한다는 것은 이 비교에서 가장 치명적인 사실입니다 — 그것이 나쁠 가능성이 커서가 아니라, 구매자가 "측정되지 않음"과 "경쟁력 없음"을 구분할 수 없고, 가격이 어떠한 유리한 해석도 허용하지 않기 때문입니다.

컨텍스트 상한은 Baidu가 이의를 제기할 여지가 있는 유일한 지점이다

프리미엄에 대한 근거가 있다면 바로 여기에 있습니다. Ling 3.1 Flash의 백만 토큰 창은 적어도 출시 기간 동안에는 실제 제공 수치가 아니라 상한이었습니다. 엔드포인트는 256K를 제공한 반면 발표에서는 1M을 내세웠습니다. ERNIE Light DT는 1,024,000을 광고하며, 목록에는 문맥에 대해 같은 수치를, 출력에 대해 131,072를 보여 주고, 문서화된 축소는 없습니다.

그 구분이 실제 트래픽과 맞닥뜨렸을 때 유지되는지는 알 수 없다. Baidu가 장문맥 평가를 공개하지 않았기 때문이다. 다른 누구도 공개하지 않았다. 두 계열 중 어느 쪽에서든 유일한 장문맥 증거는 ERNIE 5.5 Flash Base의 벤더 표에서 나오는데, 여기에는 HELMET-RAG 71.5, HELMET-ICL 85.9, LongBench-v2 48.7, InfiniteBench 46.5가 보고되어 있다 — Baidu 자체 수치이며, 훨씬 더 큰 다른 모델에 대한 것이고, 이 모델에 전이할 수 있는 것은 아니다.

그래서 Light DT를 지지하는 논거는 결국 이렇게 줄어듭니다. 검증되지 않은 장문 맥락 이점을 가진, 측정되지 않은 모델이 적어도 실제 인덱스 점수와 작동하는 엔드포인트를 갖춘 측정된 모델보다 입력 가격이 25배라는 것입니다. 그것은 강력한 입장이 아니며, 그렇게 솔직하게 말하는 것이 타당합니다.

각각이 진정으로 더 잘하는 것

• 출력 상한 — Light DT는 131,072토큰인 반면 Ling은 262,144토큰입니다. Ling은 생성할 수 있는 공간을 두 배로 제공하며, 이는 장문 합성과 에이전트 트랜스크립트에 중요합니다.

• 추론 제어 — Light DT는 max, high, low, none을 제공하며 기본값은 max입니다. Ling은 단계별 사다리 대신 켜기/끄기 스위치를 갖춘 하이브리드 추론기입니다. 빠른 비사고 경로를 제공하는 문서화된 "none"은 없습니다.

• 어떤 규모에서든 비용 — 모든 요청 크기에서 Ling. 25배의 입력 가격 프리미엄이 2퍼센트의 컨텍스트 이점(1,024,000 대 1,000,000 토큰)으로 만회되는 워크로드는 없습니다.

• 근거 — Ling, 양방향 모두: 독립적인 지수 점수와 파라미터 수가 공개된 아키텍처. Light DT는 둘 다 갖추지 못했다.

• 서빙 안정성 — Ling은 Ant 자체 인프라와 서드파티 플랫폼에 걸쳐 운영되지만, Light DT는 Baidu의 해외 엔드포인트 하나에만 의존합니다. 단일 제공자 모델은 페일오버가 없으며, 이는 성능 문제라기보다 조달 리스크입니다.

• 개방성 — Ling의 1019 체크포인트는 2026년 10월 말 오픈 웨이트로 공개되어 아키텍처를 검토할 수 있고 모델을 자체 호스팅할 수 있습니다. Light DT는 웨이트도 모델 카드도 없습니다.

그 마지막 요점은 강조할 가치가 있습니다. Ling 라인에는 공개 아티팩트와 비공개 아티팩트가 있으며, 공개된 쪽을 통해 주장을 확인할 수 있습니다. ERNIE Light DT는 비공개 옵션만 제공하는데, 이 모델의 핵심 주장인 '압축이 장문 맥락에서도 품질을 보존한다'는 바로 독립적으로 검증해 보고 싶은 종류의 주장입니다.

그래도 한번 해보고 싶다면

두 모델 모두 OrcaRouter의 카탈로그에 없으므로, 이는 어디든 가입하라는 추천이 아닙니다. 하지만 Light DT의 롱컨텍스트 이야기가 당신의 업무와 관련이 있다면, 이를 테스트하는 방법은 범위가 좁고 비용도 저렴합니다.

동일한 100,000개 이상 토큰 프롬프트를 두 모델 모두에 스무 번씩 보내되, 정답이 서로 다른 깊이에 묻혀 있는 질문을 함께 넣으세요. 시작 부분 근처, 중간, 끝부분에 말입니다. 답변은 직접 채점하세요. 이 테스트는 Ling에서는 1달러 미만, Light DT에서는 약 3달러가 들며, 어느 벤더도 공개하지 않은 것을 한나절 만에 판가름합니다. Ling이 품질이 떨어지는 깊은 구간에서 Light DT가 품질을 유지한다면, 프리미엄 가격에는 근거가 있습니다. 둘 다 품질이 떨어진다면, 이 등급에서 100만 토큰 창은 누가 판매하든 마케팅 숫자에 불과하다는 것을 알게 된 것입니다.

결과가 어떻든, 전환 비용은 낮게 유지하세요. 요청당 두 모델의 가격을 모두 노출하는 라우팅된 엔드포인트 — 트래픽의 일부를 새 모델로 보내고 같은 날 다시 되돌릴 수 있는 옵션과 함께 — 공개된 증거가 없는 모델을 평가하는 유일하게 합리적인 방법입니다. 요금표만 보고 용량을 구매하는 것은 팀들이 결코 채우지 못할 기간에 25배를 지불하게 되는 방식입니다.