ERNIE Light DT 1.0 vs Qwen 3.8 Flash: pagar mais por menos entrada

Coloque ERNIE Light DT 1.0 e Qwen 3.8 Flash na mesma linha e três números fazem o argumento. A Baidu cobra US$ 1,13 por milhão de tokens de entrada; a A​libaba cobra US$ 0,15. A Baidu oferece apenas texto; a A​libaba aceita texto, imagens e vídeo. A Baidu não publicou nenhum benchmark; o modelo da A​libaba está por trás de um lançamento documentado, com uma versão gêmea de pesos abertos que você pode inspecionar. O Qwen 3.8 Flash foi lançado em 26 de agosto de 2026; o ERNIE Light DT 1.0 apareceu em 10 de novembro de 2026, dois meses e meio depois, a sete vezes e meia o preço de entrada.

Mais novo e mais caro não é automaticamente pior — arquiteturas melhoram, e um modelo construído em torno de compressão de KV-cache está resolvendo um problema que uma camada rápida de propósito geral não resolve. Mas o ônus da prova recai firmemente sobre o lado da Baidu nesta comparação, e a Baidu não o assumiu.

O que o Qwen 3.8 Flash realmente é

O tier Flash da Alibaba é uma mistura esparsa de especialistas: 125 bilhões de parâmetros no corpo de especialistas, com cerca de 6 bilhões ativados por token, além de uma tabela de embeddings n-gram de 51 bilhões de parâmetros e cerca de 4 bilhões de cabeças de previsão de múltiplos tokens, o que totaliza aproximadamente 180 bilhões de parâmetros em disco. Quarenta e oito camadas, 512 especialistas e uma pilha de atenção híbrida construída a partir de Gated DeltaNet e Qwen Sparse Attention.

O SKU do produto é disponibilizado no QwenCloud com um contexto padrão documentado de um milhão de tokens, uma entrada máxima de 991.000 tokens e uma saída máxima de 131.072 tokens. O artefato de pesos abertos com a mesma arquitetura é o Qwen3.8-Flash-Next, publicado sob a Q​wen Community License, que é um objeto diferente com uma licença diferente — útil para inspeção, não um substituto para o endpoint.

Notavelmente, a atenção esparsa do Qwen e a atenção esparsa do Baidu estão resolvendo o mesmo problema por direções opostas. A QSA do Qwen opera no nível de microblocos, em vez de selecionar tokens individuais, o que, segundo o fornecedor, reduz significativamente a latência em contextos longos. A BSA do Baidu, combinada com compressão de histórico orientada por feedback, tem como alvo o armazenamento em cache e a indexação. Ambas são apostas de que o futuro da inferência é contexto longo a baixo custo. Elas apenas discordam sobre qual parte da conta atacar.

A comparação, dimensão por dimensão

• Preço de entrada — ERNIE Light DT 1.0 a US$ 1,13 por milhão de tokens vs. Qwen 3.8 Flash a US$ 0,15. A Baidu é 7,5x mais cara.

• Preço de saída — US$ 3,94 contra US$ 0,47 por milhão. A Baidu é 8,4x mais cara.

• Entrada em cache — $ 0,113 contra $ 0,0184 por milhão. Ambos proporcionam um desconto de dez vezes na leitura em cache; a diferença absoluta é de 6,1x.

• Janela de contexto — 1.024.000 tokens contra 1.000.000, com o Q​wen documentado em uma entrada máxima de 991.000 tokens. Efetivamente, o mesmo teto.

• Saída máxima — 131.072 tokens em ambos. Idênticos.

• Modalidade de entrada — somente texto em comparação com texto, imagem e vídeo.

• Controle de raciocínio — quatro níveis graduados no {{1}}Light DT{{/1}} (máximo, alto, baixo, nenhum) em comparação com um modo de pensamento flexível no Qwen 3.8 Flash, que suporta um orçamento documentado de tokens máximo para raciocínio.

• Uso de ferramentas e saída estruturada — com suporte em ambos, incluindo escolha forçada de ferramenta.

• Pontuação independente — nenhuma publicada para o Light DT; o irmão Flash-Next do Q​wen foi medido no Artificial Analysis Intelligence Index, e a sua pontuação pertence ao artefato aberto e não ao SKU de produção.

• Pesos abertos — nenhum para o Light DT; um checkpoint de mesma arquitetura sob a Licença Comunitária Q​wen para Q​wen.

Onde o prêmio sete vezes maior poderia, teoricamente, ser obtido

Vale a pena apresentar a versão mais forte da posição da Baidu em vez de descartá-la, porque há uma versão disso em que o preço é justo.

Um modelo construído sobre compressão pode, em princípio, atender a uma solicitação de um milhão de tokens com uma pegada de cache que um modelo convencional não consegue igualar. Se o BSA da Baidu realmente mantém a qualidade estável à medida que o contexto cresce — a alegação é "manter o desempenho do modelo" enquanto reduz o armazenamento e a computação do cache KV —, então o custo do operador por milhão de tokens de contexto cai. Um fornecedor que investiu esforço de pesquisa nisso poderia, razoavelmente, cobrar mais por token e ainda assim ser mais barato por solicitação longa.

O problema é que isso é completamente não verificado, e o único número que resolveria a questão — a pegada efetiva de cache por milhão de tokens — não foi publicado. Não há model card, relatório técnico nem tabela de benchmarks. A descrição do produto da própria Baidu se resume a um único parágrafo.

Compare as evidências do outro lado. O Qwen 3.8 Flash tem uma página do fornecedor com documentação em nível de token, um irmão de pesos abertos cuja arquitetura pode ser lida em um arquivo de configuração, e medições de terceiros desse irmão. Você pode discordar dos números da Alibaba, mas pode verificá-los.

A modalidade é o problema mais difícil.

Preço é negociação. Modalidade é um muro.

O Qwen 3.8 Flash aceita texto, imagens e vídeo, e seu texto de produto nomeia as tarefas que decorrem disso: compreensão visual, análise de documentos e bases de código, análise de gráficos, interação com desktop e análise de vídeos longos. O ERNIE Light DT 1.0 recebe texto e retorna texto.

Se qualquer parte do seu pipeline envolver uma captura de tela, uma página digitalizada, um gráfico ou um frame de vídeo, a comparação termina antes mesmo de o preço importar. Ou você coloca um modelo de OCR ou de visão na frente do Light DT — adicionando custo, latência e um novo modo de falha — ou usa um modelo que aceita o artefato. Em um pipeline de suporte em que metade das entradas é uma captura de tela de uma mensagem de erro, "somente texto" não é uma limitação que você contorna; é uma categoria de produto diferente.

O contraexemplo é igualmente real: trabalho com texto aumentado por recuperação, análise de código em código-fonte simples, triagem de logs, perguntas e respostas sobre documentos longos em que os documentos já são texto. Aí, a vantagem de modalidade não acrescenta nada, e a comparação volta a preço e qualidade — onde o Baidu ainda é 7,5 vezes mais caro sem nenhuma evidência a apresentar.

Três maneiras pelas quais o prêmio pode realmente se pagar

Em vez de assumir que o Baidu está simplesmente caro demais, eis as condições específicas sob as quais escolher o Light DT seria defensável — cada uma delas verificável em uma tarde.

Um: a qualidade se mantém com 400.000 tokens e acima. Ling e Q​wen anunciam ambos uma janela de um milhão de tokens; se qualquer um dos dois se degrada no meio de um prompt muito longo é exatamente o que os esquemas de compressão alegam resolver. Se o Light DT responde com precisão a perguntas de contexto profundo onde o Qwen 3.8 Flash começa a perder o meio do documento, o adicional de preço se justifica. O teste é um conjunto de perguntas cujas respostas ficam a 5%, 50% e 95% de profundidade no mesmo documento longo.

Dois: a vazão por requisição é substancialmente melhor. Se a compressão significa menos tokens de cache por requisição, um fornecedor pode atender mais requisições longas simultâneas no mesmo hardware — o que pode se traduzir em menor latência sob carga. O Baidu não publica nenhum número de vazão, e o Q​wen também não publica um equivalente correspondente, então isso só pode ser medido executando os dois sob sua própria concorrência.

Terceiro: a escada de raciocínio se justifica. Definir o esforço como none no Light DT oferece um caminho rápido e barato para classificação e extração, enquanto max oferece um modelo de raciocínio no mesmo endpoint. O Qwen 3.8 Flash tem um modo de pensamento, mas uma escada menos granular. Se você está executando um endpoint para duas tarefas muito diferentes, isso tem valor real de engenharia — embora não seja obviamente um valor de US$ 1,13 por milhão.

A leitura realista

Nenhuma dessas três condições, isoladamente, provavelmente justifica um prêmio de 7,5x no custo de entrada e, juntas, elas ainda só superam o Qwen se sua carga de trabalho for de contexto longo, somente texto e sensível à qualidade em profundidade. Esse é um segmento real — descoberta jurídica, perguntas e respostas sobre grandes bases de código, revisão de documentos regulatórios —, mas não é o amplo mercado de camada rápida que esses modelos nominalmente compartilham.

A explicação mais provável é a menos lisonjeira: a Baidu está precificando um endpoint novo e não mensurado como um produto premium porque pode, e o preço vai mudar assim que o mercado tiver uma opinião. Esse é um padrão normal para uma primeira listagem. É também por isso que ninguém deveria basear um orçamento no número atual.

Rodando ambos sem se comprometer com nenhum

O Qwen 3.8 Flash está no catálogo do OrcaRouter pelo preço de tabela da A​libaba, sem qualquer acréscimo aplicado, o que significa que o preço que você vê na nossa página do modelo é o preço cobrado pelo fornecedor — e, se a A​libaba reduzi-lo, a redução aparece aqui no mesmo dia, e não na próxima renovação de contrato.

Essa propriedade importa mais do que o habitual numa comparação como esta, porque a premissa inteira é uma diferença de preço que ninguém justificou e que qualquer uma das partes poderia mudar. Uma camada de roteamento que lista os dois preços lado a lado e permite enviar cinco por cento do tráfego para o novo modelo enquanto mantém noventa e cinco por cento no modelo conhecido é como você descobre se o prêmio é real sem apostar o orçamento de um trimestre nisso.

O failover automático é a outra metade. Um modelo servido por um único fornecedor tem um único domínio de falha; se a Baidu tiver um incidente, seu caminho de contexto longo fica indisponível. O roteamento que consegue recorrer a um endpoint comparável quando o principal falha é a diferença entre um recurso degradado e uma indisponibilidade.

O que fazer esta semana

Comece com o Qwen 3.8 Flash, a menos que você consiga nomear a carga de trabalho em que o dinheiro extra compra algo. Ele é mais barato em todas as unidades, aceita mais tipos de entrada e vem com um irmão aberto inspecionável. A US$ 0,15 e US$ 0,47 por milhão de tokens, uma avaliação séria custa centavos.

Teste o ERNIE Light DT 1.0 apenas contra a alegação específica que ele faz. Crie uma avaliação de contexto longo — um conjunto de documentos de 200.000 tokens com respostas inseridas em três profundidades — e execute-a nos dois modelos. Se o Light DT mantiver a qualidade onde o Qwen 3.8 Flash falha, você encontrou o argumento a favor do premium e pode defendê-lo com dados. Se não mantiver, você economizou uma conta 7,5x maior com base em um parágrafo do fornecedor e em um nome que diz "light" enquanto cobra como se significasse "luxury".