ERNIE Light DT 1.0 против Qwen 3.8 Flash: платить больше за меньший объём входных данных

Поставьте ERNIE Light DT 1.0 и Qwen 3.8 Flash в один ряд — и три числа вступят в спор. Baidu берёт $1.13 за миллион входных токенов; Alibaba — $0.15. Baidu даёт только текст; Alibaba принимает текст, изображения и видео. Baidu не опубликовала ни одного бенчмарка; модель Alibaba стоит за задокументированным релизом с открытым по весам двойником, который можно изучить. Qwen 3.8 Flash вышла 26 августа 2026 года; ERNIE Light DT 1.0 появилась 10 ноября 2026 года, на два с половиной месяца позже, при цене за входные токены в семь с половиной раз выше.

Более новый и более дорогой — не обязательно хуже: архитектуры совершенствуются, а модель, построенная вокруг сжатия KV-кэша, решает проблему, которую не решает универсальный быстрый уровень. Но бремя доказательства в этом сравнении целиком лежит на стороне Baidu, и Baidu его не взяла.

Что на самом деле представляет собой Qwen 3.8 Flash

Flash-уровень A​libaba — это разреженная смесь экспертов: 125 млрд параметров в теле экспертов, из которых примерно 6 млрд активируется на токен, плюс таблица n-граммовых эмбеддингов на 51 млрд параметров и около 4 млрд параметров в головах многотокенного предсказания, что в сумме даёт примерно 180 млрд параметров на диске. Сорок восемь слоёв, 512 экспертов и гибридный стек внимания, построенный на Gated DeltaNet и Q​wen Sparse Attention.

SKU продукта предоставляется на QwenCloud с документально заявленным контекстом по умолчанию в один миллион токенов, максимальным объёмом ввода в 991 000 токенов и максимальным объёмом вывода в 131 072 токена. Артефакт с открытыми весами той же архитектуры — это Qwen3.8-Flash-Next, опубликованный под лицензией Q​wen Community License; это другой объект с другой лицензией — полезен для изучения, но не заменяет эндпоинт.

Примечательно, что разреженное внимание Q​wen и разреженное внимание Baidu решают одну и ту же проблему с противоположных направлений. QSA в Q​wen работает на уровне микроблоков, а не выбирает отдельные токены, что, по словам производителя, значительно снижает задержку при длинном контексте. BSA от Baidu в сочетании с компрессией истории на основе обратной связи нацелена вместо этого на хранение кэша и индексирование. Обе технологии — это ставка на то, что будущее инференса — длинный контекст при низкой стоимости. Они лишь расходятся во мнениях о том, какую часть счёта атаковать.

Сравнение, измерение за измерением

• Цена входных токенов — ERNIE Light DT 1.0: $1,13 за миллион токенов против $0,15 у Qwen 3.8 Flash. Baidu дороже в 7,5 раза.

• Цена вывода — $3.94 против $0.47 за миллион. У Baidu это в 8,4 раза дороже.

• Кэшированный ввод — $0.113 против $0.0184 за миллион. Оба обеспечивают десятикратную скидку на чтение из кэша; абсолютная разница — 6.1x.

• Контекстное окно — 1 024 000 токенов против 1 000 000, при этом для Q​wen задокументирован максимальный объём входных данных в 991 000 токенов. Фактически тот же потолок.

• Максимальный объём вывода — 131 072 токена на обоих. Одинаково.

• Модальность ввода — только текст по сравнению с текстом, изображением и видео.

• Управление рассуждениями — четыре градуированных уровня в Light DT (max, high, low, none) в сравнении с гибким режимом мышления в Qwen 3.8 Flash, который поддерживает документированный бюджет рассуждений с максимальным числом токенов.

• Использование инструментов и структурированный вывод — поддерживаются в обоих случаях, включая принудительный выбор инструмента.

• Независимая оценка — для Light DT не опубликована; родственная модель Flash-Next от Q​wen была измерена в Artificial Analysis Intelligence Index, и её оценка относится к открытому артефакту, а не к производственному SKU.

• Открытые веса — для Light DT отсутствуют; контрольная точка той же архитектуры под лицензией Q​wen Community License для Q​wen.

Где теоретически можно было бы получить семикратную премию

Стоит представить позицию Baidu в максимально сильном свете, а не отметать её, потому что возможен сценарий, в котором цена оправданна.

Модель, построенная на сжатии, в принципе может обслуживать запрос на миллион токенов с таким объёмом кэша, который обычная модель не сможет обеспечить. Если BSA от Baidu действительно сохраняет качество неизменным по мере роста контекста — утверждается, что она «сохраняет производительность модели», сокращая при этом хранение и вычисления для KV-кэша, — то стоимость обработки миллиона токенов контекста для оператора снижается. Поставщик, потративший на это исследовательские усилия, вполне обоснованно может брать больше за токен, оставаясь при этом дешевле для длинного запроса.

Проблема в том, что всё это совершенно не подтверждено, а единственная цифра, которая могла бы внести ясность, — эффективный объём кэша на миллион токенов — не опубликована. Нет ни карточки модели, ни технического отчёта, ни таблицы бенчмарков. Собственное описание продукта от Baidu умещается в один абзац.

Сравните доказательства с другой стороны. У Qwen 3.8 Flash есть страница производителя с документацией на уровне токенов, родственная модель с открытыми весами, архитектуру которой можно прочитать в конфигурационном файле, и сторонние измерения этой родственной модели. Вы можете не соглашаться с цифрами A​libaba, но вы можете их проверить.

Модальность — более сложная проблема

Цена — это предмет переговоров. Модальность — это стена.

Qwen 3.8 Flash принимает текст, изображения и видео, и в описании продукта перечислены задачи, которые из этого следуют: визуальное понимание, анализ документов и кодовой базы, анализ графиков, взаимодействие с рабочим столом, анализ длинных видео. ERNIE Light DT 1.0 принимает текст и возвращает текст.

Если какая-либо часть вашего пайплайна включает скриншот, отсканированную страницу, график или кадр видео, сравнение заканчивается ещё до того, как цена начинает иметь значение. Вы либо ставите OCR- или vision-модель перед Light DT — добавляя затраты, задержку и новый режим отказа — либо используете модель, которая принимает этот артефакт. В пайплайне поддержки, где половина входящих обращений — это скриншот сообщения об ошибке, «только текст» — не ограничение, которое можно обойти; это другая категория продукта.

{{1}}Контрпример{{/1}} столь же реален: работа с текстом с retrieval-аугментацией, анализ кода по обычным исходникам, разбор логов, вопросы и ответы по длинным документам, когда документы уже являются текстом. Там преимущество за счёт модальности ничего не даёт, и сравнение возвращается к цене и качеству — где Baidu по-прежнему в 7,5 раза дороже, не представив никаких доказательств.

Три способа, которыми премиум может действительно окупить себя

Вместо того чтобы предполагать, что Baidu просто завышен в цене, вот конкретные условия, при которых выбор Light DT был бы оправдан — каждое из них можно проверить за полдня.

Первое: качество сохраняется на 400 000 токенов и выше. Ling и Qwen обе рекламируют окно в миллион токенов; то, деградирует ли каждая из них в середине очень длинного промпта, — это именно то, что схемы сжатия обещают исправить. Если Light DT точно отвечает на вопросы по глубокому контексту там, где Qwen 3.8 Flash начинает упускать середину документа, у премиальной версии есть основание. Тест — это набор вопросов, ответы на которые находятся на глубине 5%, 50% и 95% в одном и том же длинном документе.

Второе: пропускная способность на запрос существенно выше. Если сжатие означает меньшее число токенов кэша на запрос, поставщик может обслуживать больше одновременных длинных запросов на том же оборудовании — а это может вылиться в меньшую задержку под нагрузкой. Baidu не публикует показателей пропускной способности, а Q​wen не публикует сопоставимых, поэтому измерить это можно, только запустив оба решения при вашей собственной конкурентной нагрузке.

Третье: лестница рассуждений оправдывает себя. Установка уровня усилий на none в Light DT даёт быстрый и дешёвый путь для классификации и извлечения, а max даёт вам думающую модель на том же эндпоинте. У Qwen 3.8 Flash есть режим размышления, но менее гранулярная лестница. Если вы используете один эндпоинт для двух очень разных задач, это имеет реальную инженерную ценность — хотя и не очевидно, что ценность в $1.13 за миллион.

Реалистичная интерпретация

Ни одно из этих трёх условий само по себе, скорее всего, не оправдывает 7,5-кратную наценку за входные данные, а в сочетании они всё равно дают преимущество над Q​wen, только если ваша нагрузка предполагает длинный контекст, работу только с текстом и высокие требования к качеству на глубине. Это реальный сегмент — юридическое раскрытие документов, вопросы и ответы по крупным кодовым базам, проверка регуляторных документов, — но это не тот широкий рынок быстрого уровня, который эти модели номинально делят.

Наиболее вероятное объяснение — наименее лестное: Baidu назначает цену за новый, неизмеренный эндпоинт как за премиальный продукт, потому что может, и цена изменится, как только у рынка появится мнение. Это обычная картина для первого размещения. Именно поэтому никому не следует строить бюджет на текущей цифре.

Вести оба, не отдавая предпочтения ни одному

Qwen 3.8 Flash присутствует в каталоге OrcaRouter по каталожной цене A​libaba без какой-либо наценки, а значит, цена, которую вы видите на странице нашей модели, — это та цена, которую назначает поставщик; и если A​libaba снизит её, снижение отразится здесь в тот же день, а не при следующем продлении договора.

Это свойство важнее обычного в таком сравнении, потому что вся предпосылка — это ценовой разрыв, который никто не обосновал и который любая из сторон может изменить. Слой маршрутизации, который показывает обе цены рядом и позволяет направлять пять процентов трафика на новую модель, сохраняя девяносто пять на известной, — это способ выяснить, реальна ли наценка, не ставя на кон бюджет квартала.

Автоматическое переключение при сбое — это вторая половина. Модель, обслуживаемая одним поставщиком, имеет единственный домен отказа; если у Baidu происходит инцидент, ваш путь для длинного контекста недоступен. Маршрутизация, способная переключиться на сопоставимую конечную точку при ошибке основной, — это разница между деградировавшей функцией и полным отказом.

Что делать на этой неделе

Начните с Qwen 3.8 Flash, если только вы не можете назвать рабочую нагрузку, где дополнительные деньги что-то дают. Он дешевле на каждую единицу, принимает больше типов входных данных и имеет открытого «собрата», которого можно изучить. При $0,15 и $0,47 за миллион токенов серьёзная оценка стоит копейки.

Проверяйте ERNIE Light DT 1.0 только на том конкретном утверждении, которое он делает. Постройте один eval для длинного контекста — набор документов на 200 000 токенов с ответами, размещёнными на трёх глубинах, — и прогоните его на обеих моделях. Если Light DT сохраняет качество там, где Qwen 3.8 Flash проседает, вы нашли обоснование для премиум-версии и можете аргументировать его данными. Если нет, вы сэкономили себе счёт в 7,5 раза больше, полагаясь лишь на абзац от вендора и название, которое говорит «light», но берёт цену так, будто означает «luxury».