ERNIE Light DT 1.0 kost vier keer zoveel als Baidu's 280B Flash-model.

Baidu's nieuwste kleine model is geprijsd als een groot model. ERNIE Light DT 1.0, vermeld op 10 november 2026, heeft een lijstprijs van $1,13 per miljoen invoertokens en $3,94 per miljoen uitvoertokens. De ERNIE 5.5 Flash Preview — 280 miljard parameters uit hetzelfde lab, een hoger uitvoerplafond, een veel kleinere prijslijst — staat vermeld op $0,28 en $1,13. Lees die twee regels samen en de naam klopt niet meer: het model dat Light heet, is het dure, met een factor vier op de invoer en drieënhalf op de uitvoer.

Die omkering is geen typfout in een tariefkaart, en het is het eerste dat de moeite waard is om te begrijpen aan deze release. Baidu heeft geen goedkopere Flash uitgebracht. Het heeft een ander soort object uitgebracht — een dat is gebouwd voor een kostenprobleem dat helemaal niet op een prijslijst per token voorkomt, en geprijsd alsof het ding dat het je bespaart meer waard is dan de tokens waarvoor het rekent.

Wat is er eigenlijk gepubliceerd, en wanneer?

Het model verscheen als baidu/ernie-light-dt-1.0-intl — waarbij het achtervoegsel -intl het internationale endpoint aanduidt in plaats van de Qianfan-SKU voor het vasteland — met een snapshot-stempel van 10 november 2026. Het wordt rechtstreeks door Baidu geleverd, niet via een netwerk van wederverkopers, en het is tekst in, tekst uit. Geen afbeeldingen, geen audio, geen bestanden.

De twee getallen die zijn vorm bepalen, zijn een contextvenster van 1.024.000 tokens en een maximale uitvoer van 131.072 tokens. Die zijn eind 2026 niet ongewoon; een venster van een miljoen tokens is gemeengoed in het Chinese open-weightsegment en dat is sinds de zomer zo. Wat ongewoon is, is een miljoen tokens op een model waarvan de eigen leverancierstekst het als licht omschrijft.

De beschrijving van Baidu is kort en het is de moeite waard die letterlijk te citeren in plaats van te parafraseren, omdat het de enige technische uitspraak is die het bedrijf heeft gedaan: het model is "gebaseerd op open-source GLM-modellen" en "omvat onderzoeksbevindingen uit het Lightning large model van Baidu Search", en het "beschikt over Baidu Sparse Attention (BSA), een uniek sparse attention-mechanisme dat door Baidu ERNIE is ontwikkeld."

Sparse attention, geschiedeniscompressie en waarom een Light-model een miljoen tokens krijgt

In die alinea staan drie beweringen, en ze vervullen een verschillende functie.

Het eerste is herkomst. Een Baidu-model dat op G​LM is gebouwd, is geen klein detail — G​LM is de architectuurfamilie van Z.ai, en dat Baidu dit hardop zegt, vertelt je dat dit een aanpassingsstrategie is in plaats van een pre-training vanaf nul. Baidu claimt hier geen nieuw foundationmodel. Het claimt een betere manier om er een te draaien.

De tweede is de Search-connectie. De "Lightning"-lijn van Baidu Search is de modelfamilie achter de eigen antwoordgeneratie van het zoekproduct, wat betekent dat die is geoptimaliseerd onder een zeer specifieke druk: enorme queryvolumes, lange opgehaalde contexten en een strikt latentiebudget. Onderzoeksbevindingen die in die omgeving standhouden, gaan doorgaans over geheugenverkeer, niet over benchmarkscores.

De derde — en degene die de prijs verklaart — is BSA plus wat Baidu "feedback-driven history compression" noemt, waarvan het zegt dat het "de opslag en indexering van historische informatie verbetert" en "de KV-cacheopslag en rekencosten aanzienlijk verlaagt terwijl de modelprestaties behouden blijven."

Strip de marketing en het is een KV-cacheverhaal. In een standaardtransformator groeien de kosten van het vasthouden van een lang gesprek of een lang document in context met elk token dat je behoudt, omdat elke laag keys en values voor elke positie cachet. Die cache is wat een venster van een miljoen tokens duur maakt om te serveren, zelfs wanneer het model zelf klein is. Compressieschema's pakken precies dat aan: houd een compacte, geïndexeerde representatie van het verre verleden bij in plaats van de ruwe cache per token, en de rekening voor lange context daalt.

Dat is hetzelfde probleem dat Baidu anders heeft opgelost in ERNIE 5.5 Flash, waar 37 van de 43 lagen Heavily Compressed Attention gebruiken — één item per 128 tokens cachen — terwijl zes lagen volledige toegang op tokenniveau behouden via MLA met sparse attention. Light DT lijkt in dezelfde richting verder te gaan: meer compressie, betere indexering van wat werd gecomprimeerd. Baidu heeft geen laagaantallen, parameteraantallen of de compressieratio gepubliceerd, dus hoe ver het gaat, is onbekend.

Wat uit de architectuur volgt, is een prijshypothese, en het is alleen een hypothese omdat Baidu dat niet heeft gezegd: als je workload wordt gedomineerd door cacheresidentie in plaats van door verse tokens, kan de leverancier meer per token rekenen en toch de goedkopere optie per verzoek zijn. Of dat waar is, hangt volledig af van een getal dat Baidu niet heeft gepubliceerd — de effectieve cache-footprint per miljoen tokens context.

De prijs, in de eenheden die een koper daadwerkelijk gebruikt

Tarief per token, zoals vermeld:

• Invoer — ERNIE Light DT 1.0 voor $1,13 per miljoen tokens tegenover ERNIE 5.5 Flash Preview voor $0,28. Light DT is 4,0x zo duur.

Output — $3,94 tegen $1,13 per miljoen. Light DT is 3,5x de prijs.

• Gecachte invoer — $0,113 tegenover $0,028 per miljoen. Light DT is 4,0x zo duur, en beide geven een korting van een factor tien op gecachte leesacties ten opzichte van nieuwe invoer.

• Context — 1.024.000 tokens voor beide.

• Maximale output — 131.072 tokens voor Light DT tegenover 921.600 voor ERNIE 5.5 Flash Preview. Dit is de enige regel waarop het kleine model echt kleiner is, met een factor zeven.

• Modaliteit — alleen tekst voor Light DT; ook alleen tekst voor het Preview-endpoint.

Het outputplafond verraadt het. ERNIE 5.5 Flash Preview is gebouwd om zeer lange antwoorden te genereren — negenhonderdduizend tokens output is geen getal voor een chatmodel; het is een getal voor batchgeneratie, langvormige synthese of agenttranscripten die nooit worden ingekort. Light DT's 131.072 is een normaal, ruim, onopvallend outputbudget. Baidu heeft bewust een plafond gesteld aan datgene wat het duurst is om te serveren.

Dus de vorm van het product is: reken een premie op elk token dat binnenkomt, en voorkom dat het model uitweidt. Dat is coherente prijsstelling voor een model waarvan de kostbare hulpbron de context is die het vasthoudt, niet de tekst die het schrijft.

Wat het endpoint wel en niet zal doen

Het scala aan mogelijkheden is breder dan de prijs doet vermoeden, en smaller dan de naam impliceert.

• Redeneren is optioneel en instelbaar. Er zijn vier inspanningsniveaus beschikbaar — max, high, low en none — met max als standaard. Dat je de inspanning op none kunt zetten, is belangrijk voor een model in deze klasse: het is het verschil tussen een latentiegevoelige classifier en een denkmodel, op hetzelfde endpoint.

• Tool calling wordt ondersteund, inclusief geforceerde toolkeuze. Function calling, gestructureerde outputs en JSON-responsformaten zijn allemaal beschikbaar, waardoor het bruikbaar is als de planner in een agentlus en niet alleen als tekstgenerator.

• Sampling is conventioneel — temperatuur, top_p, max_tokens — zonder dat er iets ongewoons wordt blootgelegd en zonder enig teken van de exotische decoderingknoppen die sommige Chinese labs meeleveren.

• Het neemt tekst en geeft tekst terug. Als je pipeline er een PDF-scan, een screenshot of een gespreksopname naartoe stuurt, heb je een OCR- of transcriptiestap ervoor nodig, en die stap heeft zijn eigen kosten en zijn eigen faalmodi.

• Het wordt door één provider geleverd. Een endpoint van één leverancier heeft geen failover erachter, dus een incident bij Baidu is een incident in je product. Dat is een inkoopfeit, geen kritiek.

Wat ontbreekt er?

Drie hiaten, en ze zitten allemaal op dezelfde plek: het bewijs.

Er is geen benchmark. Geen leverancierstabel, geen grafiek, geen enkel cijfer — de releasecopy van Baidu doet een bewering over het mechanisme en houdt daar op. Ook geen enkele onafhankelijke evaluator heeft er een rij voor. Artificial Analysis, dat rijen heeft voor de ERNIE 5.5-familie en voor het grootste deel van de Chinese snelle tier, geeft dit model geen score. De eerlijke vaststelling van de kwaliteit ervan vandaag is dus: onbekend, op elke as, inclusief de as die Baidu impliciet verkoopt, namelijk of compressie je nauwkeurigheid kost bij lange context.

Er zijn geen gewichten. ERNIE 5.5 Flash Base bracht op 5 november 2026 open gewichten uit, 280B parameters, met een licentie die de EU, het VK en Zuid-Korea uitsluit. Light DT wordt alleen als API geleverd, zonder openbare repository en zonder modelkaart. Als je het compressieschema wilt inspecteren, kan dat niet.

En er is geen definitie van 'DT'. Baidu heeft geen glossariumitem gepubliceerd, en de twee letters komen niet overeen met iets in de bestaande naamgeving van het bedrijf — waarbij Flasheen goedkope tier betekent, Baseeen pre-training-checkpoint betekent, en Previeween gehost instructmodel betekent. Totdat Baidu zegt waar DT voor staat, kun je het beter als een productcode behandelen, niet als een beschrijving.

Hoe je het noemt, en wat je ondertussen kunt doen

Voorlopig is ERNIE Light DT 1.0 bereikbaar via de eigen API van Baidu en via platforms van derden die het internationale endpoint aanbieden. Het staat niet in de catalogus van OrcaRouter — controleer het aan de hand van de actuele modellenlijst voordat je daar je plannen op baseert — dus dit is geen kwestie waarbij we je een sleutel en een prijs kunnen geven en klaar zijn.

Wat vandaag de moeite waard is, is het meten van datgene waar de prijs van afhangt. Neem de langste context die je product daadwerkelijk verstuurt — de opgehaalde documenten, het doorlopende gesprek, het codebasefragment — en stuur die naar een model dat je al kunt aanroepen. Noteer de inputtokens, de gecachte tokens als de provider die rapporteert, en de wall-clocklatentie aan het diepe einde van het venster. Dat getal, niet het tarief per token, bepaalt of een model met gecomprimeerde cache een besparing of een meerprijs is. Als je verkeer nooit meer dan 32.000 tokens bedraagt, levert de architectuur die Baidu verkoopt je niets op, en $1.13 per miljoen is simpelweg vier keer te veel.

Het tweede dat de moeite waard is, is de wissel goedkoop houden. De reden dat een model zonder benchmarks en met een viervoudige premie zelfs bespreekbaar is, is dat het alternatief voor het proberen ervan geen herschrijving is — het is een base-URL. Leid je long-contextverkeer via één endpoint waar de prijs per model zichtbaar is, en een model als dit kan op dinsdag achter tien procent van het verkeer worden gezet en op woensdag weer worden verwijderd. Dat is de enige verantwoorde manier om een ongemeten release te evalueren: kleine blootstelling, echt verkeer en een prijs die je per request kunt aflezen in plaats van per factuur.

Waar je op moet letten, in volgorde: een modelkaart met parameteraantallen en een compressieratio; een eerste onafhankelijke evaluatie, idealiter een die 128K en 1M apart rapporteert in plaats van één gemiddelde score; en een prijsbeweging. Die laatste is het meest informatief. Een viervoudige premie op een licht model is ofwel een uitspraak over cache-economie ofwel een placeholder, en het verschil zie je aan de vraag of het zijn eerste kwartaal overleeft.