ERNIE Light DT 1.0 custa quatro vezes o que o 280B Flash Model da Baidu.

O modelo pequeno mais recente da Baidu tem preço de um grande. ERNIE Light DT 1.0, listado em 10 de novembro de 2026, tem um preço de tabela de US$ 1,13 por milhão de tokens de entrada e US$ 3,94 por milhão de tokens de saída. O ERNIE 5.5 Flash Preview — 280 bilhões de parâmetros do mesmo laboratório, um teto de saída maior, uma tabela de preços muito menor — está listado a US$ 0,28 e US$ 1,13. Lendo essas duas linhas em conjunto, o nome deixa de fazer sentido: o modelo chamado Light é o caro, por um fator de quatro na entrada e três e meio na saída.

Essa inversão não é um erro de digitação em uma tabela de preços, e é a primeira coisa que vale a pena entender sobre este lançamento. A Baidu não lançou um Flash mais barato. Ela lançou um tipo diferente de objeto — um criado para um problema de custo que não aparece de jeito nenhum em uma lista de preços por token, e precificado como se aquilo que ele economiza para você valesse mais do que os tokens pelos quais ele cobra.

O que foi realmente publicado e quando

O modelo apareceu como baidu/ernie-light-dt-1.0-intl — o sufixo -intl indica o endpoint internacional em vez do SKU Qianfan da China continental — com um carimbo de snapshot de 10 de novembro de 2026. É servido diretamente pela Baidu, não por meio de uma rede de revendedores, e é texto que entra, texto que sai. Sem imagens, sem áudio, sem arquivos.

Os dois números que definem o seu perfil são uma janela de contexto de 1.024.000 tokens e uma saída máxima de 131.072 tokens. Isso não é incomum no final de 2026; uma janela de um milhão de tokens é o mínimo exigido na categoria chinesa de modelos de pesos abertos, e tem sido assim desde o verão. O que é incomum é um milhão de tokens em um modelo cujo próprio material de divulgação do fornecedor o descreve como leve.

A descrição do Baidu é curta e vale a pena citar em vez de parafrasear, porque é a única declaração técnica que a empresa fez: o modelo é "baseado em modelos G​LM de código aberto" e "inclui descobertas de pesquisa do grande modelo Lightning do Baidu Search", e "apresenta o Baidu Sparse Attention (BSA), um mecanismo exclusivo de atenção esparsa desenvolvido pelo Baidu ERNIE."

Atenção esparsa, compressão de histórico e por que um modelo Light consegue um milhão de tokens

Três afirmações estão dentro desse parágrafo, e elas desempenham funções diferentes.

O primeiro é a linhagem. Um modelo da Baidu construído sobre o GLM não é um detalhe pequeno — o GLM é a família de arquiteturas da Z.ai, e o fato de a Baidu dizer isso em voz alta mostra que se trata de uma estratégia de adaptação, e não de um treinamento prévio do zero. A Baidu não está reivindicando um novo modelo de fundação aqui. Está reivindicando uma maneira melhor de executar um.

A segunda é a conexão com o Search. A linha "Lightning" do Baidu Search é a família de modelos por trás da geração de respostas do próprio produto de busca, o que significa que foi otimizada sob uma pressão muito específica: volume gigantesco de consultas, contextos recuperados longos e um orçamento rígido de latência. Descobertas de pesquisa que sobrevivem a esse ambiente tendem a ser sobre tráfego de memória, não sobre pontuações de benchmark.

O terceiro — e o que explica o preço — é o BSA mais o que a Baidu chama de "compressão de histórico orientada por feedback", que, segundo ela, "melhora o armazenamento e a indexação de informações históricas" e "reduz significativamente o armazenamento do cache KV e os custos computacionais, mantendo o desempenho do modelo".

Tire o marketing e isso é uma história de cache KV. Em um transformer padrão, o custo de manter uma longa conversa ou um longo documento no contexto cresce a cada token que você mantém, porque cada camada armazena em cache chaves e valores para cada posição. Esse cache é o que torna uma janela de um milhão de tokens caro de servir mesmo quando o modelo em si é pequeno. Esquemas de compressão atacam exatamente isso: mantenha uma representação compacta e indexada do passado distante em vez do cache bruto por token, e a conta do contexto longo cai.

Esse é o mesmo problema que o Baidu resolveu de forma diferente no ERNIE 5.5 Flash, em que 37 de 43 camadas usam Heavily Compressed Attention — armazenando em cache uma entrada a cada 128 tokens — enquanto seis camadas mantêm acesso completo no nível de token por meio de MLA com atenção esparsa. O Light DT parece ir mais longe na mesma direção: mais compressão, melhor indexação do que foi comprimido. O Baidu não publicou contagens de camadas, contagens de parâmetros nem a taxa de compressão, então até onde ele vai é desconhecido.

O que decorre da arquitetura é uma hipótese de precificação, e é apenas uma hipótese porque a Baidu não declarou isso: se sua carga de trabalho for dominada pela permanência em cache em vez de por tokens novos, o fornecedor pode cobrar mais por token e ainda assim ser a opção mais barata por requisição. Se isso é verdade depende inteiramente de um número que a Baidu não publicou — a pegada efetiva de cache por milhão de tokens de contexto.

O preço, nas unidades que o comprador realmente usa.

Taxas por token, conforme listadas:

• Entrada — ERNIE Light DT 1.0 a US$ 1,13 por milhão de tokens, contra ERNIE 5.5 Flash Preview a US$ 0,28. O Light DT custa 4,0x o preço.

• Saída — US$ 3,94 contra US$ 1,13 por milhão. O Light DT custa 3,5x o preço.

• Entrada em cache — US$ 0,113 contra US$ 0,028 por milhão. O Light DT custa 4,0 vezes o preço, e ambos aplicam às leituras em cache um desconto de dez vezes em relação à entrada nova.

• Contexto — 1.024.000 tokens para ambos.

• Saída máxima — 131.072 tokens para o Light DT contra 921.600 para o ERNIE 5.5 Flash Preview. Esta é a única linha em que o modelo pequeno é genuinamente menor, por um fator de sete.

• Modalidade — somente texto para o Light DT; somente texto para o endpoint Preview também.

O teto de saída é a pista. O ERNIE 5.5 Flash Preview foi construído para emitir respostas muito longas — novecentos mil tokens de saída não é um número de modelo de chat, é um número para geração em lote, síntese de textos longos ou transcrições de agentes que nunca são cortadas. Os 131.072 do Light DT são um orçamento de saída normal, generoso e sem nada de especial. A Baidu limitou deliberadamente aquilo que custa mais para servir.

Então, o formato do produto é este: cobrar um valor premium por cada token que entra e não deixar o modelo divagar. É uma precificação coerente para um modelo cujo recurso caro é o contexto que ele carrega, não o texto que escreve.

O que o endpoint fará e o que não fará

A superfície de capacidades é mais ampla do que o preço sugere e mais estreita do que o nome implica.

O raciocínio é opcional e ajustável. Quatro níveis de esforço são expostos — max, high, low e none — com max como padrão. Poder definir o esforço como none importa para um modelo nesta categoria: é a diferença entre um classificador sensível à latência e um modelo de raciocínio, no mesmo endpoint.

• Há suporte à chamada de ferramentas, incluindo a escolha forçada de ferramenta. A chamada de funções, as saídas estruturadas e os formatos de resposta JSON estão todos disponíveis, o que o torna utilizável como planejador dentro de um loop de agente, e não apenas como gerador de texto.

• A amostragem é convencional — temperature, top_p, max_tokens — sem nada incomum exposto e sem indício dos ajustes exóticos de decodificação que alguns laboratórios chineses oferecem.

• Ele recebe texto e retorna texto. Se o seu pipeline o alimenta com um PDF escaneado, uma captura de tela ou uma gravação de chamada, você precisa de uma etapa de OCR ou transcrição antes disso, e essa etapa tem seu próprio custo e seus próprios modos de falha.

• É atendido por um único fornecedor. Um endpoint de fornecedor único não tem failover por trás, então um incidente na Baidu é um incidente no seu produto. Isso é um fato de aquisição, não uma crítica.

O que está faltando

Três lacunas, e todas estão no mesmo lugar: as evidências.

Não há benchmark. Nem tabela de fornecedor, nem gráfico, nem um único número — o texto de lançamento da Baidu faz uma alegação sobre mecanismo e para por aí. Nenhum avaliador independente tem uma linha para ele tampouco. O Artificial Analysis, que traz linhas para a família ERNIE 5.5 e para a maior parte do tier rápido chinês, não pontua este modelo. Portanto, a declaração honesta sobre sua qualidade hoje é: desconhecida, em todos os eixos, incluindo o eixo que a Baidu está implicitamente vendendo, que é se a compressão custa precisão em contexto longo.

Não há pesos. O ERNIE 5.5 Flash Base disponibilizou pesos abertos em 5 de novembro de 2026, com 280 bilhões de parâmetros e uma licença que exclui a UE, o Reino Unido e a Coreia do Sul. O Light DT é oferecido apenas como API, sem repositório público e sem model card. Se você quiser inspecionar o esquema de compressão, não é possível.

E não há definição de "DT". A Baidu não publicou uma entrada de glossário, e as duas letras não correspondem a nada na nomenclatura existente da empresa — em que Flash significa um nível barato, Base significa um checkpoint de pré-treinamento, e Preview significa um modelo instruct hospedado. Até que a Baidu diga o que DT significa, trate-o como um código de produto, não como uma descrição.

Como chamá-lo, e o que fazer enquanto isso

Por enquanto, o ERNIE Light DT 1.0 está acessível pela própria API da Baidu e por plataformas de terceiros que disponibilizam o endpoint internacional. Ele não está no catálogo do OrcaRouter — confira na lista de modelos ativa antes de planejar com base nele —, portanto este não é um caso em que possamos simplesmente fornecer uma chave e um preço e dar o assunto por encerrado.

O que vale a pena fazer hoje é medir aquilo de que o preço depende. Pegue o contexto mais longo que seu produto realmente envia — os documentos recuperados, a conversa contínua, o trecho do código — e envie-o a um modelo que você já consegue chamar. Registre os tokens de entrada, os tokens em cache se o provedor os reportar, e a latência de relógio no extremo profundo da janela. Esse número, e não a taxa por token, é o que decide se um modelo com cache comprimido representa economia ou acréscimo de custo. Se o seu tráfego nunca ultrapassa 32.000 tokens, a arquitetura que o Baidu está vendendo não lhe traz nada, e US$ 1,13 por milhão é simplesmente quatro vezes demais.

A segunda coisa que vale a pena fazer é manter a troca barata. O motivo pelo qual um modelo sem benchmarks e com um preço quatro vezes maior ainda é passível de discussão é que a alternativa a experimentá-lo não é uma reescrita — é uma URL base. Direcione seu tráfego de contexto longo por um único endpoint com o preço por modelo exposto, e um modelo como esse pode ficar atrás de dez por cento do tráfego numa terça-feira e ser removido numa quarta. Essa é a única forma responsável de avaliar um lançamento não medido: exposição pequena, tráfego real e um preço que você consegue ler por requisição, não por fatura.

O que observar, em ordem: uma ficha do modelo com contagens de parâmetros e uma taxa de compressão; uma primeira avaliação independente, idealmente uma que reporte 128K e 1M separadamente, em vez de uma única pontuação média; e um movimento de preço. Este último é o mais informativo. Um prêmio de quatro vezes sobre um modelo leve é ou uma declaração sobre a economia de cache ou um marcador de posição, e a maneira de distinguir é se ele sobrevive ao primeiro trimestre.