ERNIE Light DT 1.0 vs Qwen 3.8 Flash: meer betalen voor minder invoer

Zet ERNIE Light DT 1.0 en Qwen 3.8 Flash op dezelfde regel en drie getallen voeren de discussie. Baidu rekent $1,13 per miljoen inputtokens; A​libaba rekent $0,15. Baidu levert alleen tekst; A​libaba accepteert tekst, afbeeldingen en video. Baidu heeft geen benchmark gepubliceerd; het model van A​libaba zit achter een gedocumenteerde release met een open-weights-tweeling die je kunt inspecteren. Qwen 3.8 Flash kwam uit op 26 augustus 2026; ERNIE Light DT 1.0 verscheen op 10 november 2026, tweeënhalf maanden later, tegen zevenenhalf keer de inputprijs.

Nieuwere en duurdere modellen zijn niet automatisch slechter — architecturen verbeteren, en een model dat rond KV-cachecompressie is gebouwd, lost een probleem op dat een algemene snelle tier niet oplost. Maar de bewijslast ligt in deze vergelijking duidelijk aan de kant van Baidu, en Baidu heeft die niet opgepakt.

Wat Qwen 3.8 Flash eigenlijk is

Alibaba's Flash-tier is een sparse mixture of experts: 125 miljard parameters in het expertlichaam, waarvan ongeveer 6 miljard per token worden geactiveerd, plus een n-gram-embeddingtabel van 51 miljard parameters en ongeveer 4 miljard aan multi-token-prediction-heads, wat neerkomt op ongeveer 180 miljard parameters op schijf. Achtenveertig lagen, 512 experts en een hybride attention-stack gebouwd uit Gated DeltaNet en Qwen Sparse Attention.

De product-SKU wordt aangeboden op QwenCloud met een gedocumenteerde standaardcontext van één miljoen tokens, een maximale invoer van 991.000 tokens en een maximale uitvoer van 131.072 tokens. Het open-weights-artefact met dezelfde architectuur is Qwen3.8-Flash-Next, gepubliceerd onder de Q​wen Community License, een ander object met een andere licentie — nuttig voor inspectie, geen vervanging voor het endpoint.

Opmerkelijk genoeg lossen Q​wens sparse attention en Ba​idus sparse attention hetzelfde probleem vanuit tegengestelde richtingen op. Q​wens QSA werkt op microblokniveau in plaats van afzonderlijke tokens te selecteren, wat volgens de leverancier de latentie bij lange context aanzienlijk verlaagt. Ba​idus BSA, gecombineerd met feedbackgestuurde geschiedeniscompressie, richt zich in plaats daarvan op cacheopslag en indexering. Het zijn beide weddenschappen dat de toekomst van inferentie een lange context tegen lage kosten is. Ze verschillen alleen van mening over welk deel van de rekening moet worden aangepakt.

De vergelijking, dimensie voor dimensie

Invoerprijs — ERNIE Light DT 1.0 tegen $1,13 per miljoen tokens versus Qwen 3.8 Flash tegen $0,15. Baidu is 7,5x duurder.

• Outputprijs — $3,94 tegenover $0,47 per miljoen. Baidu is 8,4x duurder.

• Gecachte invoer — $0,113 tegenover $0,0184 per miljoen. Beide bieden een tienvoudige korting op gecachte leesacties; het absolute verschil is 6,1x.

• Contextvenster — 1.024.000 tokens tegenover 1.000.000, waarbij Qwen gedocumenteerd is met een maximale invoer van 991.000 tokens. In feite hetzelfde plafond.

• Maximale output — 131.072 tokens voor beide. Identiek.

• Invoermodaliteit — alleen tekst tegenover tekst, afbeelding en video.

• Redeneerbesturing — vier gegradeerde niveaus op Light DT (max, hoog, laag, geen) versus een flexibele denkmodus op Qwen 3.8 Flash die een gedocumenteerd redeneerbudget met een maximum aantal tokens ondersteunt.

• Toolgebruik en gestructureerde output — ondersteund op beide, inclusief geforceerde toolkeuze.

• Onafhankelijke score — voor Light DT is er geen gepubliceerde score; de Flash-Next-sibling van Q​wen is gemeten op de Artificial Analysis Intelligence Index, en de score daarvan hoort bij het open artefact in plaats van de productie-SKU.

• Open weights — geen voor Light DT; een checkpoint met dezelfde architectuur onder de Q​wen Community License voor Q​wen.

Waar de zevenvoudige premie theoretisch verdiend zou kunnen worden

Het loont om Baidu's standpunt zo sterk mogelijk te verwoorden in plaats van het af te wijzen, want er is een variant waarbij de prijs klopt.

Een model dat op compressie is gebouwd, kan in principe een aanvraag van een miljoen tokens bedienen met een cachevoetafdruk die een conventioneel model niet kan evenaren. Als BSA van Baidu de kwaliteit echt vlak houdt naarmate de context groeit — de bewering is "het behouden van modelprestaties" terwijl de KV-cacheopslag en het rekenwerk worden verminderd — dan dalen de kosten per miljoen tokens context voor de operator. Een leverancier die daar onderzoeksinspanningen aan heeft besteed, zou redelijkerwijs meer per token kunnen vragen en toch goedkoper zijn per lange aanvraag.

Het probleem is dat dit volledig onbevestigd is, en het enige getal dat uitsluitsel zou geven — de effectieve cachevoetafdruk per miljoen tokens — is niet gepubliceerd. Er is geen modelkaart, geen technisch rapport, geen benchmarktabel. Baidu's eigen productbeschrijving beslaat slechts één alinea.

Vergelijk het bewijs aan de andere kant. Qwen 3.8 Flash heeft een leverancierspagina met documentatie op tokenniveau, een open-weights-zustermodel waarvan de architectuur in een configuratiebestand te lezen is, en metingen door derden van dat zustermodel. Je kunt het oneens zijn met de cijfers van A​libaba, maar je kunt ze controleren.

Modaliteit is het moeilijkere probleem

Prijs is een onderhandeling. Modaliteit is een muur.

Qwen 3.8 Flash accepteert tekst, afbeeldingen en video, en de producttekst noemt de taken die daaruit voortvloeien: visueel begrip, analyse van documenten en codebases, grafiekanalyse, desktopinteractie, analyse van lange video's. ERNIE Light DT 1.0 neemt tekst en geeft tekst terug.

Als een deel van je pipeline een screenshot, een gescande pagina, een grafiek of een videoframe bevat, is de vergelijking al voorbij voordat de prijs ertoe doet. Je zet ofwel een OCR- of visionmodel vóór Light DT — wat kosten, latentie en een faalmodus toevoegt — of je gebruikt een model dat het artefact accepteert. In een supportpipeline waarin de helft van de inkomende berichten een screenshot van een foutmelding is, is "alleen tekst" geen beperking waar je omheen werkt; het is een andere productcategorie.

Het tegenvoorbeeld is even reëel: retrieval-augmented tekstwerk, code-analyse op platte broncode, logtriage, Q&A over lange documenten waarbij de documenten al tekst zijn. Daar levert het modaliteitsvoordeel niets op, en de vergelijking komt terug bij prijs en kwaliteit — waar Baidu nog steeds 7,5 keer duurder is zonder enig bewijs.

Drie manieren waarop de meerprijs zich misschien daadwerkelijk terugverdient

In plaats van aan te nemen dat Baidu simpelweg te duur is, volgen hier de specifieke voorwaarden waaronder de keuze voor Light DT verdedigbaar zou zijn — elk ervan binnen een middag te testen.

Eén: de kwaliteit blijft behouden bij 400.000 tokens en hoger. Ling en Qwen adverteren beide met een contextvenster van een miljoen tokens; of een van beide achteruitgaat midden in een zeer lange prompt, is precies wat compressietechnieken beweren op te lossen. Als Light DT vragen over diepe context nauwkeurig beantwoordt waar Qwen 3.8 Flash het midden van het document begint te missen, valt er iets te zeggen voor de meerprijs. De test bestaat uit een reeks vragen waarvan de antwoorden op 5%, 50% en 95% diepte in hetzelfde lange document staan.

Ten tweede: de doorvoer per verzoek is wezenlijk beter. Als compressie betekent dat er per verzoek minder cachetokens nodig zijn, kan een leverancier meer gelijktijdige lange verzoeken op dezelfde hardware bedienen — wat zich kan vertalen in lagere latentie onder belasting. Baidu publiceert geen doorvoercijfer, en Q​wen publiceert er ook geen vergelijkbaar, dus dit is alleen meetbaar door beide onder uw eigen gelijktijdigheid te draaien.

Drie: de redeneerladder bewijst zijn waarde.Als je effort op none zet bij Light DT, krijg je een snel en goedkoop pad voor classificatie en extractie, terwijl max je een denkmodel op hetzelfde endpoint geeft. Qwen 3.8 Flash heeft een denkmodus, maar een minder fijnmazige ladder. Als je één endpoint draait voor twee heel verschillende taken, heeft dat echte technische waarde — zij het niet overduidelijk een waarde van $1.13 per miljoen.

De realistische lezing

Geen van die drie voorwaarden rechtvaardigt op zichzelf waarschijnlijk een inputpremie van 7,5x, en samen verslaan ze Qwen nog steeds alleen als je workload lang-context, tekst-only en kwaliteitsgevoelig bij diepgaand werk is. Dat is een reëel segment — juridische discovery, Q&A over grote codebases, beoordeling van regelgevende documenten — maar het is niet de brede fast-tier-markt die deze modellen nominaal delen.

De waarschijnlijkere verklaring is de minst flatteuze: Baidu prijst een nieuw, ongemeten endpoint als een premiumproduct omdat het kan, en de prijs zal bewegen zodra de markt een mening heeft. Dat is een normaal patroon voor een eerste notering. Het is ook de reden waarom niemand een budget op het huidige cijfer zou moeten baseren.

Beide draaien zonder je aan een van beide te committeren.

Qwen 3.8 Flash staat in de catalogus van OrcaRouter tegen de lijstprijs van A​libaba, zonder dat er een opslag wordt toegepast, wat betekent dat de prijs die je op onze modelpagina ziet de prijs is die de leverancier rekent — en als A​libaba die verlaagt, is de verlaging hier dezelfde dag zichtbaar in plaats van bij de volgende contractverlenging.

Die eigenschap is belangrijker dan gewoonlijk in een vergelijking als deze, omdat het hele uitgangspunt een prijsverschil is dat niemand heeft gerechtvaardigd en dat beide partijen zouden kunnen veranderen. Een routeringslaag die beide prijzen naast elkaar toont en waarmee je vijf procent van het verkeer naar het nieuwe model kunt sturen terwijl vijfennegentig procent op het bekende blijft, is hoe je erachter komt of de meerprijs echt is zonder er een kwart van je budget op te wedden.

Automatische failover is de andere helft. Een model dat door één leverancier wordt aangeboden, heeft één faaldomein; als Baidu een storing heeft, ligt je long-contextpad eruit. Routering die kan terugvallen op een vergelijkbaar endpoint wanneer de primaire een fout geeft, is het verschil tussen een gedegradeerde functie en een storing.

Wat te doen deze week

Begin met Qwen 3.8 Flash, tenzij je de workload kunt benoemen waarbij het extra geld iets oplevert. Het is per eenheid goedkoper, accepteert meer soorten invoer en heeft een open variant die je kunt inspecteren. Bij $0,15 en $0,47 per miljoen tokens kost een gedegen evaluatie een paar centen.

Test ERNIE Light DT 1.0 uitsluitend tegen de specifieke claim die het maakt. Bouw één long-context-eval — een documentenset van 200.000 tokens met antwoorden op drie dieptes geplant — en draai die op beide modellen. Als Light DT de kwaliteit vasthoudt waar Qwen 3.8 Flash terugvalt, heb je de rechtvaardiging voor de premiumprijs gevonden en kun je die met data onderbouwen. Als dat niet zo is, heb je jezelf een 7,5x hogere rekening bespaard op basis van een alinea van een leverancier en een naam die "light" zegt terwijl er wordt gerekend alsof het "luxury" betekent.