ERNIE Light DT 1.0 стоит в четыре раза дороже, чем модель 280B Flash от Baidu.

Новейшая малая модель Baidu стоит как большая. ERNIE Light DT 1.0, представленная 10 ноября 2026 года, имеет каталожную цену $1.13 за миллион входных токенов и $3.94 за миллион выходных токенов. ERNIE 5.5 Flash Preview — 280 миллиардов параметров из той же лаборатории, более высокий потолок вывода, гораздо меньший тариф — указана по цене $0.28 и $1.13. Если прочитать эти две строки вместе, название перестаёт иметь смысл: модель под названием Light — дорогая, в четыре раза по входу и в три с половиной раза по выходу.

Эта инверсия — не опечатка в тарифной карте, и это первое, что стоит понять об этом релизе. Baidu выпустила не более дешёвый Flash. Она выпустила объект иного рода — созданный для проблемы затрат, которая вообще не отражается в прайс-листе за токены, и с ценой, будто то, что он вам экономит, стоит больше, чем токены, за которые он берёт плату.

Что на самом деле было опубликовано и когда

Модель была представлена как baidu/ernie-light-dt-1.0-intl — суффикс -intl указывает на международную конечную точку, а не на материковый SKU Qianfan — с отметкой снимка от 10 ноября 2026 г. Она обслуживается непосредственно Baidu, а не через сеть реселлеров, и работает по принципу «текст на входе — текст на выходе». Ни изображений, ни аудио, ни файлов.

Два числа, определяющие её конфигурацию, — это контекстное окно в 1 024 000 токенов и максимальный объём вывода в 131 072 токена. В конце 2026 года это не редкость; окно на миллион токенов — обязательный минимум в китайском сегменте открытых моделей, и так было с лета. Необычно другое: миллион токенов у модели, которую в собственных материалах производителя называют лёгкой.

Описание Baidu короткое, и его стоит процитировать, а не пересказывать, поскольку это единственное техническое заявление, сделанное компанией: модель «основана на открытых моделях GLM» и «включает результаты исследований из большой модели Lightning от Baidu Search», а также «использует Baidu Sparse Attention (BSA) — уникальный механизм разреженного внимания, разработанный Baidu ERNIE».

Разреженное внимание, сжатие истории и почему модель Light получает миллион токенов

В этом абзаце содержится три утверждения, и они выполняют разные функции.

Первое — происхождение. Модель Baidu, построенная на G​LM, — это не мелкая деталь: G​LM — это семейство архитектур Z.ai, и то, что Baidu говорит об этом открыто, указывает на стратегию адаптации, а не на предварительное обучение с нуля. Baidu здесь не заявляет о новой фундаментальной модели. Она заявляет о лучшем способе запуска существующей.

Второе — это связь с поиском. Линейка «Lightning» в Baidu Search — это семейство моделей, стоящее за генерацией собственных ответов поискового продукта, а значит, оно оптимизировалось под весьма специфическое давление: огромный объём запросов, длинные извлечённые контексты и жёсткий бюджет задержки. Результаты исследований, которые выживают в такой среде, как правило, касаются трафика памяти, а не оценок в бенчмарках.

Третий — и именно он объясняет цену — это BSA плюс то, что Baidu называет «сжатием истории на основе обратной связи»; по словам компании, оно «улучшает хранение и индексацию исторической информации» и «значительно снижает затраты на хранение KV-кэша и вычисления при сохранении производительности модели».

Уберите маркетинг — и останется история про KV-кэш. В стандартном трансформере стоимость удержания в контексте длинного разговора или длинного документа растёт с каждым сохраняемым токеном, потому что каждый слой кэширует ключи и значения для каждой позиции. Именно этот кэш делает окно на миллион токенов дорогим в обслуживании, даже когда сама модель небольшая. Схемы сжатия бьют ровно по этому: вместо сырого кэша для каждого токена хранится компактное индексированное представление далёкого прошлого — и счёт за длинный контекст снижается.

Это та же проблема, которую Baidu решила иначе в ERNIE 5.5 Flash: там 37 из 43 слоёв используют Heavily Compressed Attention — кэшируя одну запись на каждые 128 токенов — тогда как шесть слоёв сохраняют полный доступ на уровне токенов через MLA с разреженным вниманием. Похоже, Light DT продвигается дальше в том же направлении: больше сжатия, лучше индексация того, что было сжато. Baidu не опубликовала число слоёв, число параметров или коэффициент сжатия, поэтому насколько далеко он продвигается — неизвестно.

Из архитектуры следует гипотеза о ценообразовании, и это лишь гипотеза, поскольку Baidu об этом не заявляла: если в вашей нагрузке преобладает резидентность кэша, а не новые токены, поставщик может брать больше за токен и при этом оставаться более дешёвым вариантом за запрос. Верно ли это, целиком зависит от числа, которое Baidu не опубликовала, — эффективного объёма кэша на миллион токенов контекста.

Цена в тех единицах, которые фактически использует покупатель

Ставки за токен, как указано:

• Вход — ERNIE Light DT 1.0 по $1.13 за миллион токенов против ERNIE 5.5 Flash Preview по $0.28. Light DT дороже в 4.0 раза.

• Вывод — $3,94 против $1,13 за миллион. Light DT стоит в 3,5 раза дороже.

• Кэшированный ввод — $0.113 против $0.028 за миллион. Цена Light DT в 4,0 раза выше, и оба варианта дают десятикратную скидку на чтение из кэша по сравнению со свежим вводом.

• Контекст — 1 024 000 токенов для обоих.

• Максимальный объём вывода — 131 072 токена для Light DT против 921 600 для ERNIE 5.5 Flash Preview. Это единственный пункт, где малая модель действительно меньше — в семь раз.

• Модальность — только текст для Light DT; для эндпоинта Preview также только текст.

Потолок вывода — это показатель. ERNIE 5.5 Flash Preview создан для генерации очень длинных ответов — девятьсот тысяч токенов вывода не похожи на цифру для чат-модели; это цифра для пакетной генерации, длинного синтеза или журналов агентов, которые никогда не обрезаются. 131 072 у Light DT — это обычный, щедрый, ничем не примечательный бюджет вывода. Baidu намеренно ограничила то, что дороже всего обслуживать.

Итак, структура продукта такова: взимать повышенную плату за каждый входящий токен и не позволять модели разглагольствовать. Это логичное ценообразование для модели, чей дорогой ресурс — удерживаемый контекст, а не написанный текст.

Что конечная точка будет делать, а что — нет

Набор возможностей шире, чем можно предположить по цене, и уже, чем подразумевает название.

• Рассуждение необязательно и настраивается. Доступны четыре уровня усилий — max, high, low и none — причём по умолчанию используется max. Возможность установить уровень усилий none важна для модели этого класса: именно это отличает классификатор, чувствительный к задержкам, от рассуждающей модели на одной и той же конечной точке.

Поддерживается вызов инструментов, включая принудительный выбор инструмента. Доступны вызов функций, структурированные выходные данные и форматы JSON-ответов, что позволяет использовать модель как планировщик внутри цикла агента, а не только как генератор текста.

• Сэмплирование стандартное — temperature, top_p, max_tokens — ничего необычного не выставлено, и нет признаков экзотических настроек декодирования, которые поставляют некоторые китайские лаборатории.

• На вход он получает текст и возвращает текст. Если ваш конвейер передаёт ему отсканированный PDF, скриншот или запись звонка, перед ним необходим этап OCR или расшифровки, и у этого этапа есть свои затраты и свои виды отказов.

• Его обслуживает один провайдер. У конечной точки одного поставщика нет отказоустойчивого резервирования, поэтому инцидент у Baidu — это инцидент в вашем продукте. Это факт закупки, а не критика.

Чего не хватает?

Три пробела, и все они в одном и том же месте: доказательства.

Нет никакого бенчмарка. Не таблица вендора, не график, не единое число — в релизном тексте Baidu делается заявление о механизме, и на этом всё. Ни у одного независимого оценщика для него тоже нет строки. Artificial Analysis, у которой есть строки для семейства ERNIE 5.5 и для большей части китайского быстрого сегмента, эту модель не оценивает. Поэтому честное утверждение о её качестве на сегодня таково: неизвестно, по всем осям, включая ту ось, которую Baidu неявно продаёт, — а именно вопрос, снижает ли сжатие точность на длинном контексте.

Весов нет. ERNIE 5.5 Flash Base выпустила открытые веса 5 ноября 2026 года — 280 млрд параметров, с лицензией, которая исключает ЕС, Великобританию и Южную Корею. Light DT доступен только в виде API, без публичного репозитория и без карточки модели. Если вы захотите изучить схему сжатия, у вас не получится.

И нет определения «DT». Baidu не опубликовала статью глоссария, и эти две буквы не соотносятся ни с чем в существующей системе названий компании — где Flash означает дешёвый тариф, Base означает контрольную точку предобучения, а Preview означает instruct-модель, размещённую на хостинге. Пока Baidu не объяснит, что означает DT, считайте это кодом продукта, а не описанием.

Как это назвать и что делать тем временем

На данный момент ERNIE Light DT 1.0 доступен через собственный API Baidu и через сторонние платформы, поддерживающие международный эндпоинт. Его нет в каталоге OrcaRouter — сверьтесь с актуальным списком моделей, прежде чем строить на нём планы, — так что это не тот случай, когда мы можем просто выдать вам ключ и цену и на этом закончить.

Что стоит сделать сегодня — это измерить то, от чего зависит цена. Возьмите самый длинный контекст, который ваш продукт реально отправляет, — извлечённые документы, скользящий диалог, фрагмент кодовой базы, — и отправьте его в модель, которую вы уже можете вызвать. Зафиксируйте входные токены, кэшированные токены, если провайдер их сообщает, и реальную задержку по часам на дальнем конце окна. Именно это число, а не цена за токен, решает, будет ли модель со сжатым кэшем экономией или переплатой. Если ваш трафик никогда не превышает 32 000 токенов, архитектура, которую продаёт Baidu, не даёт вам ничего, и $1.13 за миллион — это просто в четыре раза слишком много.

Вторая вещь, которую стоит сделать, — сохранить дешёвизну переключения. Причина, по которой модель без бенчмарков и с четырёхкратной надбавкой вообще подлежит обсуждению, состоит в том, что альтернатива попробовать её — не переписывание, а базовый URL. Направьте трафик с длинным контекстом через одну конечную точку с открытой ценой по каждой модели, и такую модель можно будет поставить под десять процентов трафика во вторник и убрать в среду. Это единственный ответственный способ оценить неизмеренный релиз: небольшая экспозиция, реальный трафик и цена, которую можно увидеть за запрос, а не по счёту.

Что отслеживать, по порядку: карточку модели с числом параметров и коэффициентом сжатия; первую независимую оценку — желательно такую, где результаты для 128K и 1M приводятся отдельно, а не единый усреднённый балл; и изменение цены. Последнее — самое информативное. Четырёхкратная наценка на лёгкую модель — это либо заявление об экономике кэша, либо заглушка, и отличить одно от другого можно по тому, переживёт ли она свой первый квартал.