ERNIE Light DT 1.0 vs Ling 3.1 Flash: uma diferença de preço de 25x na mesma categoria de modelos

Dois modelos chineses de nível rápido, ambos somente texto, ambos anunciando uma janela de um milhão de tokens, ambos construídos em torno de truques de atenção esparsa para manter o contexto longo acessível — e um deles custa vinte e cinco vezes mais por token de entrada do que o outro. ERNIE Light DT 1.0, publicado pela Baidu em 10 de novembro de 2026, tem preço de US$ 1,13 por milhão de tokens de entrada e US$ 3,94 por milhão de saída. Ling 3.1 Flash, a mistura de especialistas de 560 bilhões de parâmetros do Ant Group anunciada em 30 de setembro de 2026, tem preço de US$ 0,045 e US$ 0,135 nas mesmas unidades e traz uma pontuação independente de 41 no Artificial Analysis Intelligence Index.

Isso não é uma diferença modesta que possa ser justificada pela qualidade do contexto. É a maior disparidade por token entre dois modelos deste nível que qualquer um dos dois laboratórios vende atualmente, e exige uma explicação antes que alguém assine um pedido de compra.

A forma mais barata de enxergar o problema: uma requisição, duas faturas

Faça uma única chamada do tipo para o qual esses modelos existem — um conjunto de documentos recuperados de 120.000 tokens com uma resposta de 2.000 tokens, executada uma vez.

No ERNIE Light DT 1.0, essa solicitação custa 120.000 × US$ 1,13/1M mais 2.000 × US$ 3,94/1M, o que dá US$ 0,1356 mais US$ 0,0079, ou cerca de 14,4 centavos.

No Ling 3.1 Flash, a mesma solicitação custa 120.000 × $0,045/1M mais 2.000 × $0,135/1M, o que dá $0,0054 mais $0,00027, ou cerca de 0,57 centavos.

Ambos os modelos afirmam atender a essa solicitação. Um deles é vinte e cinco vezes mais barato para executá-la. Com dez mil solicitações assim por dia, a diferença é de $1,356 por dia contra $57 — cerca de $39,000 por mês contra $1,700.

Há apenas três explicações possíveis. Ou a Baidu sabe algo sobre qualidade que não publicou, ou o esquema de compressão está proporcionando algo que a arquitetura do Ling não proporciona, ou o preço é um valor provisório que vai mudar. O restante deste texto trata de qual delas.

O que cada um realmente é

• Ling 3.1 Flash — MoE de raciocínio híbrido do Ant Group, com cerca de 560 bilhões de parâmetros totais e aproximadamente 25 bilhões ativos por token, entrada e saída apenas de texto, do laboratório inclusionAI. Anunciado em 30 de setembro de 2026 e disponível na própria API da Ant e em seus produtos de consumo. A alegação de marketing é um teto de 1 milhão de tokens; o que o endpoint realmente entregava no lançamento era 256.000, e as listagens internacionais atuais mostram um contexto de 1.000.000 de tokens com 262.144 tokens de saída máxima.

• ERNIE Light DT 1.0 — endpoint de pequeno porte da Baidu, listado em 10 de novembro de 2026, construído sobre a arquitetura GLM de código aberto com pesquisas da linha "Lightning" do Baidu Search, usando Baidu Sparse Attention e um esquema de compressão de histórico orientado por feedback. Contexto de 1.024.000 tokens, saída máxima de 131.072 tokens, somente texto. Quatro níveis de esforço de raciocínio, chamada de ferramentas, saídas estruturadas.

As contagens de parâmetros não são comparáveis — a Ling não publicou as da Light DT, então a afirmação honesta é que se sabe que um lado tem 560B no total e o outro não foi divulgado. O que é comparável é o formato: ambos são esparsos, ambos são somente texto, ambos são voltados para trabalho de contexto longo e alto volume.

Atenção esparsa, duas vezes, por dois motivos diferentes

As histórias de arquitetura rimam entre si, o que torna a diferença de preços mais difícil, e não mais fácil, de explicar.

Ling 3.1 Flash paga por 25 bilhões de seus 560 bilhões de parâmetros a cada token. Trata-se de uma aposta de capacidade: manter um armazenamento de conhecimento muito grande residente e rotear de forma estreita por ele, de modo que você obtém conhecimento de mundo de um modelo grande com o poder computacional de um modelo pequeno. A alegação de contexto longo vem do mesmo design — se cada etapa é barata, manter uma sequência longa aberta é menos um fardo.

A história do ERNIE Light DT é sobre memória, não capacidade. A Baidu diz que o modelo "melhora o armazenamento e a indexação de informações históricas" por meio de compressão de histórico orientada por feedback, "reduz significativamente o armazenamento em cache KV e os custos computacionais, mantendo o desempenho do modelo", e permite manter contextos mais longos "a um custo menor". Observe a formulação: custo menor para o operador. Essa é uma afirmação sobre a conta de serviço da Baidu, não necessariamente sobre a sua.

Este é o ponto crucial. Todo esquema de compressão desta classe — a Heavily Compressed Attention da Baidu no ERNIE 5.5, a atenção esparsa em microblocos da Qwen, o próprio roteamento da Ling — reduz o custo do fornecedor por token de contexto. Se o fornecedor repassa essa economia é uma decisão comercial, e a Baidu escolheu não repassar. Ela está cobrando um adicional justamente pela capacidade que diz ter tornado mais barata.

Isso não é automaticamente má-fé. Um esquema de compressão que preserva a qualidade em um milhão de tokens é caro de construir e caro de validar, e o fornecedor pode estar recuperando esse custo de pesquisa. Mas isso significa que o comprador está pagando por uma capacidade cuja economia supostamente foi melhorada, e a melhoria não é visível na tabela de preços.

A pontuação independente de Ling e o que ela diz sobre este nível.

Ling 3.1 Flash pontua 41 no Artificial Analysis Intelligence Index. Essa é uma medição real de terceiros, não um gráfico de fornecedor, e coloca o modelo na metade superior do nível rápido — confortavelmente acima de modelos com orçamentos de marketing maiores e abaixo dos modelos pequenos de fronteira. A pontuação vem com uma ressalva que importa para uma comparação de custos: o Ling é um raciocinador falador. Uma avaliação anterior do modelo constatou que ele consumia cerca de 220 milhões de tokens de saída ao trabalhar nas avaliações do índice, bem acima da mediana para sua faixa de preço, e levando em média vários minutos por tarefa. Tokens baratos que o modelo gasta à vontade ainda podem somar — mas, a US$ 0,135 por milhão de tokens de saída, até um raciocínio generoso continua barato.

O ERNIE Light DT 1.0 não tem nenhuma pontuação. Nem um número de fornecedor, nem um independente. A Baidu publicou uma tabela de preços e um parágrafo de texto sobre o mecanismo, e parou por aí. Para um modelo com preço premium, chegar sem nenhuma evidência é o fato mais prejudicial desta comparação — não porque provavelmente será ruim, mas porque o comprador não consegue distinguir "não medido" de "não competitivo", e o preço não dá o benefício da dúvida.

O teto de contexto é o único ponto em que a Baidu tem margem para argumentar.

Se há uma justificativa para o premium, é aqui. A janela de um milhão de tokens do Ling 3.1 Flash tem sido, pelo menos durante o seu período de lançamento, um teto em vez de um número efetivamente entregue — o endpoint fornecia 256K enquanto o anúncio divulgava 1M. O ERNIE Light DT anuncia 1.024.000 e suas listagens mostram o mesmo número para o contexto e 131.072 para a saída, sem redução documentada.

Não se sabe se essa distinção sobrevive ao contato com tráfego real, porque a Baidu não publicou nenhuma avaliação de contexto longo. Nem ninguém mais. A única evidência de contexto longo em qualquer uma das famílias vem da tabela do fornecedor do ERNIE 5.5 Flash Base, que reporta HELMET-RAG 71.5, HELMET-ICL 85.9, LongBench-v2 48.7 e InfiniteBench 46.5 — números da própria Baidu, em um modelo diferente e muito maior, e não transferíveis para este.

Então, o argumento a favor do Light DT reduz-se a: um modelo não medido, com uma vantagem de contexto longo não verificada, a vinte e cinco vezes o preço de input de um modelo medido que, pelo menos, tem uma pontuação real no índice e um endpoint funcional. Não é uma posição forte, e é justo dizê-lo claramente.

Em que cada um é genuinamente melhor

• Teto de saída — Light DT em 131.072 tokens contra 262.144 do Ling. O Ling oferece o dobro de espaço para gerar, o que importa para síntese de textos longos e transcrições de agentes.

• Controle de raciocínio — O Light DT expõe max, high, low e none, com max como padrão. O Ling é um raciocinador híbrido com um interruptor liga/desliga em vez de uma escada graduada; não há um "none" documentado que ofereça um caminho rápido sem raciocínio.

• Custo em qualquer volume — Ling em todos os tamanhos de solicitação. Não há carga de trabalho em que um prêmio de 25x no preço de entrada seja recuperado por uma vantagem de contexto de dois por cento (1.024.000 contra 1.000.000 de tokens).

• Evidência — Ling, nos dois sentidos: uma pontuação independente de índice e uma arquitetura publicada com contagens de parâmetros. O Light DT não tem nenhum dos dois.

• Estabilidade de serviço — O Ling está na infraestrutura própria da Ant, além de plataformas de terceiros; o Light DT está apenas no endpoint internacional da Baidu. Um modelo de provedor único não tem failover, o que é um risco de aquisição, e não de desempenho.

• Abertura — o checkpoint 1019 do Ling foi lançado como pesos abertos no final de outubro de 2026, portanto a arquitetura é inspecionável e o modelo pode ser auto-hospedado. O Light DT não tem pesos nem model card.

Esse último ponto merece ênfase. A linha Ling tem um artefato aberto e um fechado, e o aberto permite verificar as alegações. O ERNIE Light DT oferece apenas a opção fechada, em um modelo cuja alegação central — de que a compressão preserva a qualidade em contextos longos — é exatamente o tipo de coisa que você gostaria de verificar de forma independente.

Se você ainda quiser tentar

Nenhum dos modelos está no catálogo da OrcaRouter, portanto isto não é uma recomendação para se inscrever em lado nenhum. Mas, se o argumento de contexto longo do Light DT for relevante para o seu trabalho, a forma de o testar é restrita e barata.

Envie o mesmo prompt de mais de 100.000 tokens para os dois modelos, vinte vezes, com perguntas cujas respostas estão enterradas em profundidades diferentes — perto do início, no meio e no fim. Avalie as respostas você mesmo. Esse teste custa menos de um dólar no Ling e cerca de três dólares no Light DT, e resolve em uma tarde o que nenhum dos fornecedores publicou. Se o Light DT mantiver a qualidade no extremo profundo, onde o Ling se degrada, o preço premium se justifica. Se ambos se degradarem, você aprendeu que uma janela de um milhão de tokens é um número de marketing nesta faixa, independentemente de quem o vende.

Seja qual for o resultado, mantenha a troca barata. Um endpoint roteado que expõe os preços de ambos os modelos por requisição — com a opção de enviar uma fração do seu tráfego para o novo e trazê-lo de volta no mesmo dia — é a única forma sensata de avaliar um modelo sem evidências publicadas. Comprar capacidade apenas com base em uma tabela de tarifas é como as equipes acabam pagando 25 vezes mais por uma janela que nunca preenchem.