ERNIE Light DT 1.0 kostar fyra gånger så mycket som Baidus 280B Flash-modell.

Baidus nyaste lilla modell är prissatt som en stor modell. ERNIE Light DT 1.0, som listades den 10 november 2026, har ett listpris på 1,13 USD per miljon indatatoken och 3,94 USD per miljon utdatatoken. ERNIE 5.5 Flash Preview – 280 miljarder parametrar från samma labb, ett högre utdatatak, en betydligt lägre prislista – listas till 0,28 och 1,13 USD. Läs de två raderna tillsammans och namnet slutar att ge mening: modellen som kallas Light är den dyra, med en faktor fyra på indata och tre och en halv på utdata.

Den inversionen är inte ett stavfel i en prislista, och det är det första som är värt att förstå med den här lanseringen. Baidu har inte lanserat en billigare Flash. Man har lanserat ett annat slags objekt – ett som är byggt för ett kostnadsproblem som inte syns alls i en prislista per token, och prissatt som om det den sparar dig är värt mer än de tokens den tar betalt för.

Vad publicerades egentligen, och när?

Modellen visades som baidu/ernie-light-dt-1.0-intl — suffixet -intl markerar den internationella slutpunkten snarare än fastlandets Qianfan-SKU — med en snapshot-stämpel daterad 10 november 2026. Den tillhandahålls direkt av Baidu, inte via ett återförsäljarnätverk, och det är text in, text ut. Inga bilder, inget ljud, inga filer.

De två siffror som definierar dess form är ett kontextfönster på 1 024 000 token och en maximal utdata på 131 072 token. De är inte ovanliga i slutet av 2026; ett kontextfönster på en miljon token är ett minimikrav i den kinesiska open-weight-nivån och har varit det sedan i somras. Det som är ovanligt är en miljon token på en modell som leverantörens egen produkttext beskriver som lätt.

Baidus beskrivning är kort och värd att citera i stället för att parafrasera, eftersom den är det enda tekniska uttalandet företaget har gjort: modellen är "baserad på GLM-modeller med öppen källkod" och "inkluderar forskningsresultat från Baidu Searchs stora modell Lightning", och den "har Baidu Sparse Attention (BSA), en unik gles uppmärksamhetsmekanism utvecklad av Baidu ERNIE."

Gles uppmärksamhet, historikkomprimering och varför en Light-modell får en miljon token

Tre påståenden finns i det stycket, och de fyller olika funktioner.

Den första är härkomst. En Baidu-modell byggd på G​LM är inte en liten detalj — G​LM är Z.ai:s arkitekturfamilj, och att Baidu säger det rakt ut visar att detta är en anpassningsstrategi snarare än en förträningskörning från grunden. Baidu gör inte anspråk på en ny grundmodell här. Man gör anspråk på ett bättre sätt att köra en.

Den andra är sökanslutningen. Baidu Search:s "Lightning"-linje är den modellfamilj som ligger bakom sökproduktens egen svarsgenerering, vilket innebär att den har optimerats under ett mycket specifikt tryck: enorma frågevolymer, långa hämtade kontexter och en hård latensbudget. Forskningsrön som överlever den miljön tenderar att handla om minnestrafik, inte om benchmarkpoäng.

Den tredje – och den som förklarar priset – är BSA plus det som Baidu kallar "feedbackdriven historikkomprimering", som enligt företaget "förbättrar lagringen och indexeringen av historisk information" och "avsevärt minskar lagringsutrymmet för KV-cache och beräkningskostnaderna samtidigt som modellens prestanda bibehålls."

Rensa bort marknadsföringen, och det som återstår är en historia om KV-cache. I en standardtransformer växer kostnaden för att hålla en lång konversation eller ett långt dokument i kontext med varje token du behåller, eftersom varje lager cachar nycklar och värden för varje position. Den cachen är det som gör ett fönster på en miljon token dyrt att servera även när modellen själv är liten. Komprimeringsscheman attackerar just detta: behåll en kompakt, indexerad representation av det avlägsna förflutna i stället för den råa cachen per token, och kostnaden för lång kontext sjunker.

Det är samma problem som Baidu löste på ett annat sätt i ERNIE 5.5 Flash, där 37 av 43 lager använder Heavily Compressed Attention – cachar en post per 128 tokens – medan sex lager behåller full åtkomst på tokennivå genom MLA med gles uppmärksamhet. Light DT verkar driva vidare i samma riktning: mer komprimering, bättre indexering av det som komprimerades. Baidu har inte publicerat antal lager, antal parametrar eller komprimeringsförhållandet, så hur långt det drivs är okänt.

Det som följer av arkitekturen är en prishypotes, och den är bara en hypotes eftersom Baidu inte har sagt det: om din arbetsbelastning domineras av cacheresidentitet snarare än av nya tokens, kan leverantören ta mer betalt per token och ändå vara det billigare alternativet per förfrågan. Huruvida det är sant beror helt och hållet på en siffra som Baidu inte har publicerat – det effektiva cacheavtrycket per miljon tokens kontext.

Priset, i de enheter en köpare faktiskt använder

Priser per token, enligt listan:

• Indata — ERNIE Light DT 1.0 till $1,13 per miljon tokens mot ERNIE 5.5 Flash Preview till $0,28. Light DT är 4,0x priset.

• Utdata — 3,94 USD mot 1,13 USD per miljon. Light DT är 3,5 gånger priset.

• Cachad indata – 0,113 $ mot 0,028 $ per miljon. Light DT kostar 4,0 gånger så mycket, och båda ger tiofaldig rabatt på cachade läsningar jämfört med ny indata.

• Kontext — 1,024,000 token för båda.

• Maximal utdata – 131 072 tokens för Light DT jämfört med 921 600 för ERNIE 5.5 Flash Preview. Detta är den enda raden där den lilla modellen verkligen är mindre, med en faktor sju.

• Modalitet – endast text för Light DT; endast text även för Preview-slutpunkten.

Taket för utdata är det avslöjande. ERNIE 5.5 Flash Preview har byggts för att producera mycket långa svar – niohundratusen tokens utdata är inte en siffra för en chattmodell, det är en siffra för batchgenerering, långformig syntes eller agenttranskript som aldrig trimmas. Light DT:s 131 072 är en normal, generös och oansenlig utdatabudget. Baidu har medvetet satt ett tak för det som kostar mest att betjäna.

Så produktens utformning är: ta ut ett påslag på varje token som kommer in, och vägra låta modellen svamla. Det är sammanhängande prissättning för en modell vars dyra resurs är kontexten den håller, inte texten den skriver.

Vad slutpunkten kommer att göra och inte göra

Kapacitetsytan är bredare än vad priset antyder, och smalare än vad namnet låter påskina.

• Resonemang är valfritt och justerbart. Fyra ansträngningsnivåer exponeras – max, high, low och none – med max som standard. Att kunna ställa in ansträngning till none spelar roll för en modell i den här nivån: det är skillnaden mellan en latenskänslig klassificerare och en tänkande modell, på samma endpoint.

• Verktygsanrop stöds, inklusive tvingat verktygsval. Funktionsanrop, strukturerade utdata och JSON-svarsformat är alla tillgängliga, vilket gör den användbar som planerare i en agentloop snarare än bara som textgenerator.

• Sampling är konventionell — temperature, top_p, max_tokens — med inget ovanligt exponerat och inga tecken på de exotiska avkodningsreglage som vissa kinesiska labb levererar.

• Den tar emot text och returnerar text. Om din pipeline skickar in en PDF-skanning, en skärmbild eller en samtalsinspelning i den behöver du ett OCR- eller transkriberingssteg före den, och det steget har sin egen kostnad och sina egna felmoder.

• Den betjänas av en enda leverantör. En slutpunkt från en enda leverantör har ingen failover bakom sig, så en incident hos Baidu är en incident i din produkt. Det är ett upphandlingsfaktum, inte en kritik.

Vad saknas?

Tre luckor, och de finns alla på samma ställe: bevisningen.

Det finns ingen benchmark. Inte en leverantörstabell, inte ett diagram, inte en enda siffra – Baidus lanseringsmaterial gör ett påstående om en mekanism och stannar där. Ingen oberoende utvärderare har heller en rad för den. Artificial Analysis, som har rader för ERNIE 5.5-familjen och för det mesta av den kinesiska snabba nivån, poängsätter inte den här modellen. Så det ärliga uttalandet om dess kvalitet i dag är: okänd, på varje axel, inklusive den axel som Baidu implicit säljer in, nämligen huruvida komprimering kostar dig noggrannhet vid lång kontext.

Det finns inga vikter. ERNIE 5.5 Flash Base släppte öppna vikter den 5 november 2026, 280B parametrar med en licens som undantar EU, Storbritannien och Sydkorea. Light DT levereras endast som ett API, utan publikt arkiv och utan modellkort. Om du vill granska komprimeringsschemat går det inte.

Och det finns ingen definition av "DT". Baidu har inte publicerat någon ordlistepost, och de två bokstäverna motsvarar ingenting i företagets befintliga namngivning – där Flash betyder en billig nivå, Base betyder en checkpoint för förträning, och Preview betyder en hostad instruct-modell. Tills Baidu säger vad DT står för, behandla det som en produktkod, inte som en beskrivning.

Hur man ringer, och vad man gör under tiden

För närvarande går ERNIE Light DT 1.0 att nå via Baidus eget API och via tredjepartsplattformar som tillhandahåller den internationella endpointen. Den finns inte i OrcaRouters katalog – kontrollera den mot den aktuella modellistan innan du planerar kring den – så det här är inte ett fall där vi kan ge dig en nyckel och ett pris och sedan vara klara.

Det som är värt att göra i dag är att mäta det som priset beror på. Ta den längsta kontext som din produkt faktiskt skickar – de hämtade dokumenten, den rullande konversationen, kodbasutdraget – och skicka den till en modell som du redan kan anropa. Registrera indatatoken, de cachade token om leverantören rapporterar dem, och den faktiska svarstiden vid den bortre änden av kontextfönstret. Det talet, inte priset per token, avgör om en modell med komprimerad cache är en besparing eller en extra kostnad. Om din trafik aldrig överstiger 32 000 token ger arkitekturen som Baidu säljer dig ingenting, och 1,13 USD per miljon är helt enkelt fyra gånger för mycket.

Det andra som är värt att göra är att hålla utbytet billigt. Anledningen till att en modell utan benchmarks och med fyra gånger högre pris ens är diskutabel är att alternativet till att prova den inte är en omskrivning — det är en bas-URL. Routa din långkontexttrafik genom en endpoint med priset per modell synligt, och en modell som denna kan läggas bakom tio procent av trafiken på en tisdag och tas bort på en onsdag. Det är det enda ansvarsfulla sättet att utvärdera en omätt release: liten exponering, verklig trafik och ett pris du kan läsa per förfrågan i stället för per faktura.

Vad du bör hålla utkik efter, i ordning: ett modellkort med parameterantal och en komprimeringsgrad; en första oberoende utvärdering, helst en som redovisar 128K och 1M separat i stället för en enda genomsnittlig poäng; och en prisändring. Den sista är den mest informativa. En fyrdubbel premie på en lätt modell är antingen ett uttalande om cacheekonomi eller en platshållare, och sättet att avgöra skillnaden är om den överlever sitt första kvartal.