ERNIE Light DT 1.0 vs ERNIE 5.5 Flash Base: A Licença É o Produto

ERNIE Light DT 1.0 e ERNIE 5.5 Flash Base são a resposta do mesmo laboratório a duas perguntas diferentes, publicadas com cinco dias de intervalo em novembro de 2026. O Light DT é uma API: sem pesos, sem model card, um preço de US$ 1,13 por milhão de tokens de entrada e um limite de saída de 131.072 tokens. O Flash Base é um download: 280 bilhões de parâmetros, 14 bilhões ativos por token, 33,5 trilhões de tokens de treinamento e nenhum endpoint hospedado pela Baidu. A decisão entre eles não é realmente sobre benchmarks — nenhum dos dois tem uma pontuação publicada que valha a pena discutir —, mas sim sobre se você quer alugar uma pilha de serving ou ter uma licença para construir sobre ela.

E é na licença que esta comparação deixa de ser simétrica, porque a da Flash Base é excepcionalmente específica sobre onde você pode usá-la e a quem deve informar.

Dois artefactos, um laboratório, cinco dias de intervalo

O Flash Base chegou em 5 de novembro de 2026 com um relatório técnico e pesos abertos no Hugging Face em duas precisões — FP8 e BF16 — lançados sob a ERNIE 5.5 Flash Base Model License v1.0. É um checkpoint de pré-treinamento, o que significa que os pesos que você recebe são os que saíram do pré-treinamento, antes de qualquer ajuste por instrução ou trabalho de preferência. Não há um template de chat que mereça o nome e nenhum modelo irmão instruct publicado junto.

Light DT chegou em 10 de novembro de 2026 como um endpoint internacional de API, descrito pela Baidu como baseado em modelos GLM de código aberto com pesquisas da linha "Lightning" de Busca da empresa incorporadas, e construído em torno de Baidu Sparse Attention mais um esquema de compressão de histórico orientado por feedback que, segundo o fornecedor, reduz o armazenamento e a computação do KV-cache. Ele é pós-treinado, responde a perguntas, chama ferramentas e não existe como um arquivo que você possa baixar.

Dito assim, a dupla parece desequilibrada na direção óbvia: um é um produto acabado e o outro é um ponto de partida. Mas o preço diz o contrário, e a licença diz algo diferente ainda.

A tabela de tarifas que funciona ao contrário

O Light DT custa mais por token do que um modelo com vinte vezes o seu número de parâmetros ativos. Esse é o fato para digerir antes de qualquer outra coisa neste texto:

• Preço de input — ERNIE Light DT 1.0 a US$ 1,13 por milhão de tokens vs. ERNIE 5.5 Flash Base a US$ 0, porque não há endpoint da Baidu e, portanto, nenhum preço de tabela. O US$ 0 é real: hospedá-lo é um custo de capital, não uma linha em uma fatura.

• Preço de saída — $3.94 por milhão para Light DT; para Flash Base, suas próprias horas de GPU.

Entrada em cache — US$ 0,113 por milhão no Light DT, um desconto de dez vezes nas leituras em cache. O Flash Base não tem equivalente porque a economia de cache se torna um problema do seu agendador.

• Parâmetros ativos por token — não divulgados para o Light DT; 14 bilhões para o Flash Base.

• Contexto — 1.024.000 tokens para Light DT; 1.000.000 para Flash Base em ajuste fino e inferência, com 128.000 como contexto máximo de treinamento.

• Saída máxima — 131,072 tokens para Light DT; limitada pela sua configuração de serviço para Flash Base.

Pesos — nenhum para Light DT; 280B em FP8 ou BF16, divididos em 128 fragmentos safetensors no repositório FP8, para Flash Base.

• Pilha de serving — a da Baidu, para o Light DT; SGLang ou vLLM com o plugin próprio da Baidu, para o Flash Base. A receita publicada do SGLang pede paralelismo de tensor de 4 e tamanho de paralelismo de dados de atenção de 4, o que exige no mínimo quatro GPUs antes mesmo de carregar uma única requisição.

Quanto custa realmente a auto-hospedagem de 280B por milhão de tokens

Este é o cálculo que decide o confronto, e vale a pena fazê-lo com números redondos em vez de achismos.

Quatro GPUs é o mínimo para a configuração publicada, mas 280B parâmetros em FP8 equivalem a aproximadamente 280 GB de pesos antes de qualquer cache, então um nó de produção realista tem oito aceleradores com espaço para cache KV e batching. Digamos oito placas da classe H100 a um aluguel combinado de US$ 2 por placa-hora — um valor de mercado intermediário de 2026, não uma cotação — e o nó custa cerca de US$ 16 por hora, ou aproximadamente US$ 11.700 por mês se funcionar continuamente.

Agora a questão da vazão. Um MoE esparso que aciona 14 bilhões de parâmetros por token é rápido por token da mesma forma que todos os modelos esparsos são rápidos, mas a vazão agregada em um lote é o que define seu custo unitário, e a Baidu não publica nenhum número de tokens por segundo para este checkpoint. Suponha, de forma conservadora, que o nó sustente 4.000 tokens de saída por segundo em um lote completo. Isso dá 14,4 milhões de tokens de saída por hora, o que, a US$ 16 por hora, chega perto de US$ 1,11 por milhão de tokens de saída — antes das perdas de utilização, antes do engenheiro responsável pela implantação, antes das horas ociosas quando o tráfego cai.

Execute-o a um terço da capacidade, que é o que a maioria das implantações reais faz fora do pico, e o custo efetivo triplica. O resumo honesto é que a auto-hospedagem do Flash Base custa algo entre aproximadamente um e três dólares por milhão de tokens de saída, dependendo de quão bem você preenche o nó — uma faixa que abrange os US$ 3,94 do Light DT e pode superá-lo com folga em alta utilização.

O que significa que o prêmio de preço sobre o Light DT não é um imposto sobre a ignorância. É o que a Baidu cobra por você não precisar fazer esse cálculo, e por um esquema de compressão que ela alega manter o cache pequeno o suficiente para que uma janela de um milhão de tokens continue viável de atender. Se o seu tráfego é em picos, de baixo volume ou majoritariamente de contexto longo, pagar US$ 3,94 e deixar outra pessoa assumir o problema de utilização é a escolha racional.

A licença, que é onde o Flash Base fica complicado

A licença do Flash Base não é uma licença permissiva padrão, e três cláusulas são mais importantes do que qualquer benchmark.

• Território. A concessão se aplica a "todas as áreas geográficas em todo o mundo, exceto a União Europeia, o Reino Unido e a Coreia do Sul". Usar os pesos, ou distribuir derivados, fora desse território está fora dos direitos concedidos. Se você tiver usuários na UE, uma região de inferência na UE ou equipe da UE que tenha contato com o modelo, isso é um bloqueador que deve ser examinado cuidadosamente com o jurídico, e não tratado como uma nota de rodapé.

• Limite de receita. O uso comercial é gratuito abaixo de US$ 50 milhões em receita anual relacionada aos produtos ou serviços que utilizam o modelo, sujeito a uma notificação única à Baidu. Acima disso, você precisa de autorização comercial por escrito separada antes de começar, e, se você crescer até ultrapassar o limite, deverá obter autorização antes de ultrapassá-lo ou suspender o uso afetado.

• Atribuição. Produtos comerciais devem exibir as palavras exatas "Powered by ERNIE" em um local de fácil acesso — uma interface de usuário, uma página "Sobre" ou, para APIs e serviços de backend, a documentação do desenvolvedor.

Há também uma cláusula que vale a pena destacar para quem planeja destilar: a licença proíbe usar os materiais ou suas saídas para melhorar qualquer outro modelo de IA além do próprio modelo ou de seus derivados. Treinar um modelo aluno menor com as saídas do Flash Base está dentro da concessão; treinar uma arquitetura diferente com elas não está.

O Light DT não tem nenhum desses problemas porque não tem pesos para licenciar. Você recebe um contrato de termos de serviço e uma tabela de preços, o que é uma superfície muito menor para uma equipe jurídica e uma superfície muito menor para a ambição.

Capacidade: o que cada um fará e não fará pronto para uso

• Controle de raciocínio — O Light DT expõe quatro níveis de esforço (max, high, low, none), com max como padrão. O Flash Base não tem modo de raciocínio algum; é um modelo de completion, e qualquer comportamento de raciocínio seria algo que você teria de treinar.

• Chamada de ferramentas — o Light DT oferece suporte a chamada de funções com escolha forçada de ferramenta, saídas estruturadas e formatos de resposta JSON. O Flash Base oferece suporte ao que você implementar em torno dele.

• Modalidade — ambos são texto de entrada, texto de saída. Nenhum aceita imagens, e nenhum lerá um documento digitalizado para você.

• Contexto longo — o Light DT anuncia 1.024.000 tokens por meio de seu design de cache comprimido. O Flash Base oferece suporte a 1M durante o ajuste fino e a inferência, mas, nesse comprimento e com oito placas, seu orçamento de cache KV é a restrição limitante, e a compressão que a Baidu incorporou à própria atenção do Flash — Heavily Compressed Attention em 37 de suas 43 camadas — é o que torna isso viável.

• Avaliação — A Flash Base publica uma tabela completa de fornecedores: MMLU 93,3, MMLU-Pro 78,4, GPQA 60,2, HumanEval+ 82,3, LiveCodeBench 40,1, HELMET-RAG 71,5, LongBench-v2 48,7, medidos em comparação com DeepSeek-V4-Flash-Base, Hy3-preview-Base e MiMo-V2.5-Base sob um único pipeline. Esses são números da própria Baidu, executados pela Baidu, e devem ser interpretados como tal. A Light DT não publica absolutamente nada.

Essa última linha é a assimetria que mais importa para um comprador. O Flash Base pelo menos permite verificar suas alegações — baixar os pesos, executar sua própria avaliação e ver se a tabela do fornecedor se sustenta nos seus dados. O Light DT exige que você aceite o mecanismo com base na fé, porque a única evidência disponível é um parágrafo de texto promocional do produto.

Onde um router se encaixa e onde não

Nenhum desses modelos está no catálogo do OrcaRouter hoje, e dizer o contrário seria o tipo de coisa que custa uma semana a um leitor. O que um roteador de fato muda é a forma da decisão.

Se você optar pela rota Flash Base, estará comprometendo capital e pessoas com um modelo cuja qualidade você consegue medir, mas cujo custo de serving você não consegue corrigir — e a arquitetura sensata é manter um modelo hospedado por trás da mesma interface como fallback para os dias em que seu nó estiver cheio, seu lote estiver frio ou uma execução de avaliação estiver ocupando as placas. Se você optar pela rota Light DT, estará se comprometendo com o endpoint de um único fornecedor, sem um segundo provedor por trás e sem pesos para mover se o preço mudar.

De qualquer forma, o modo de falha é o mesmo: uma carga de trabalho de contexto longo presa a um único modelo, sem como comparar quanto teria custado a alternativa. É isso que um endpoint roteado com uma lista de preços por modelo resolve — não tomando a decisão por você, mas tornando o custo da escolha visível por requisição em vez de por trimestre.

Qual escolher

Escolha o ERNIE 5.5 Flash Base se tiver um problema de treino e não de serviço: quer um ponto de partida esparso de 280B, pretende fazer fine-tuning do modelo, os seus utilizadores e a sua infraestrutura estão fora da UE, do Reino Unido e da Coreia do Sul, e está abaixo do limiar de receita ou está disposto a pedir autorização à Baidu. A tabela de benchmarks do fornecedor dá-lhe uma linha de base defensável, e os pesos significam que ninguém lhe pode tirar o modelo.

Escolha o ERNIE Light DT 1.0 se o que importa é a janela de contexto. Um milhão de tokens servidos por meio de um cache comprimido, com um orçamento de raciocínio ajustável e chamada de ferramentas, é um produto específico para um trabalho específico — documentos recuperados longos, transcrições longas de agentes, sessões de longa duração — e pagar um prêmio por token para evitar assumir o orçamento do cache é uma troca legítima.

Não fique com nenhum dos dois se seus prompts forem curtos. Com 8.000 tokens por requisição, toda a história de arquitetura dos dois lados é irrelevante, e US$ 1,13 por milhão de tokens de entrada é simplesmente uma forma cara de fazer o que um modelo que custa um décimo do preço fará igualmente bem.