ERNIE Light DT 1.0 vs Ling 3.1 Flash: En 25x prisskillnad i samma viktklass

Två kinesiska snabbmodeller i basklassen, båda enbart för text, båda med ett fönster på en miljon token och båda uppbyggda kring knep med gles uppmärksamhet för att hålla lång kontext överkomlig – och den ena kostar tjugofem gånger mer per indatatoken än den andra. ERNIE Light DT 1.0, som publicerades av Baidu den 10 november 2026, har ett listpris på 1,13 dollar per miljon indatatoken och 3,94 dollar per miljon utdatatoken. Ling 3.1 Flash, Ant Groups expertblandning med 560 miljarder parametrar som tillkännagavs den 30 september 2026, har listpriset 0,045 och 0,135 i samma enheter och har en oberoende poäng på 41 i Artificial Analysis Intelligence Index.

Det är inte en blygsam klyfta som kan förklaras bort med kontextkvalitet. Det är den största skillnaden per token mellan två modeller i den här klassen som något av labben för närvarande säljer, och det kräver en förklaring innan någon signerar en inköpsorder.

Det billigaste sättet att se problemet: en förfrågan, två räkningar

Ta ett enda anrop av det slag som dessa modeller finns för – en hämtad dokumentuppsättning på 120 000 token med ett svar på 2 000 token, kört en gång.

För ERNIE Light DT 1.0 kostar den begäran 120 000 × $1,13/1M plus 2 000 × $3,94/1M, vilket är $0,1356 plus $0,0079, eller ungefär 14,4 cent.

På Ling 3.1 Flash kostar samma förfrågan 120 000 × $0,045/1M plus 2 000 × $0,135/1M, vilket är $0,0054 plus $0,00027, eller ungefär 0,57 cent.

Båda modellerna hävdar att de kan hantera den förfrågan. En av dem är tjugofem gånger billigare att köra den på. Vid tiotusen sådana förfrågningar om dagen är skillnaden 1 356 dollar om dagen mot 57 dollar – ungefär 39 000 dollar i månaden mot 1 700 dollar.

Det finns bara tre möjliga förklaringar. Antingen vet Baidu något om kvalitet som det inte har publicerat, eller så får komprimeringsschemat något som Lings arkitektur inte får, eller så är priset en platshållare som kommer att ändras. Resten av den här texten handlar om vilken.

Vad var och en faktiskt är

• Ling 3.1 Flash — Ant Groups hybridresonerande MoE, ungefär 560 miljarder parametrar totalt med cirka 25 miljarder aktiva per token, text in och text ut, från labbet inclusionAI. Tillkännagavs den 30 september 2026 och är live på Ants eget API och i deras konsumentprodukter. Marknadsföringspåståendet är ett tak på 1 miljon token; vad endpointen faktiskt levererade vid lansering var 256 000, och nuvarande internationella listningar visar en kontext på 1 000 000 token med 262 144 token som maximal utdata.

• ERNIE Light DT 1.0 — Baidus endpoint i den mindre klassen, listad 10 november 2026, byggd på den öppna G​LM-arkitekturen med forskning från Baidu Searchs "Lightning"-serie, med Baidu Sparse Attention och ett återkopplingsdrivet schema för historikkomprimering. Kontext på 1 024 000 token, maximalt 131 072 token i utdata, endast text. Fyra nivåer för resonemangsansträngning, verktygsanrop, strukturerade utdata.

Parameterantalen är inte jämförbara – Ling har inte publicerat Light DT:s, så det ärliga påståendet är att den ena sidan är känd till totalt 560B och den andra är oredovisad. Det som är jämförbart är formen: båda är glesa, båda är endast text och båda riktar sig mot långkontextuellt arbete med hög volym.

Gles uppmärksamhet, två gånger, av två olika anledningar.

Arkitekturberättelserna rimmar, vilket gör prisgapet svårare snarare än lättare att förklara.

Ling 3.1 Flash använder 25 miljarder av sina 560 miljarder parametrar per token. Det är en kapacitetssatsning: håll ett mycket stort kunskapslager resident och dirigera snävt genom det, så får du stora modellers världskunskap till små modellers beräkningskostnad. Påståendet om lång kontext kommer från samma design – om varje steg är billigt är det mindre betungande att hålla en lång sekvens öppen.

ERNIE Light DT:s berättelse handlar om minne snarare än kapacitet. Baidu säger att modellen ”förbättrar lagringen och indexeringen av historisk information” genom återkopplingsdriven historikkomprimering, ”avsevärt minskar lagrings- och beräkningskostnaderna för KV-cache samtidigt som modellprestandan bibehålls” och låter dig hålla längre kontexter ”till en lägre kostnad”. Notera formuleringen: lägre kostnad för operatören. Det är ett påstående om Baidus serveringskostnad, inte nödvändigtvis om din.

Detta är kruxet. Varje komprimeringsmetod i den här klassen – Heavily Compressed Attention från Baidu i ERNIE 5.5, micro-block sparse attention från Qwen, den egna routningen i Ling – minskar leverantörens kostnad per kontexttoken. Om leverantören för vidare den besparingen är ett kommersiellt beslut, och Baidu har valt att inte göra det. Baidu tar ut ett premiumpris för just den förmåga som företaget säger sig ha gjort billigare.

Det är inte automatiskt ond tro. Ett komprimeringsschema som bevarar kvaliteten vid en miljon token är dyrt att bygga och dyrt att validera, och leverantören kan mycket väl ta igen den forskningskostnaden. Men det innebär att köparen betalar för en förmåga vars ekonomi påstås ha förbättrats, och förbättringen syns inte i prislistan.

Lings oberoende poäng, och vad den säger om den här nivån

Ling 3.1 Flash får 41 poäng på Artificial Analysis Intelligence Index. Det är en verklig tredjepartsmätning, inte ett säljardiagram, och den placerar modellen i den övre halvan av det snabba skiktet – bekvämt över modeller med större marknadsföringsbudgetar, under de små modellerna i frontlinjen. Poängen kommer med en varning som har betydelse för en kostnadsjämförelse: Ling är en pratsam resonerare. Tidigare utvärdering av modellen fann att den brände ungefär 220 miljoner utdatatokens när den arbetade sig igenom indexutvärderingarna, långt över medianen för dess prisnivå, och i genomsnitt flera minuter per uppgift. Billiga tokens som modellen spenderar fritt kan ändå summera ihop sig – men till $0.135 per miljon utdata förblir även generöst resonerande billigt.

ERNIE Light DT 1.0 har ingen poäng alls. Inte en siffra från leverantören, inte heller en oberoende sådan. Baidu publicerade ett prisblad och ett stycke text om mekanismen, och sedan inget mer. För en modell till premiumpris är det att komma med noll bevis det enskilt mest skadliga faktumet i den här jämförelsen – inte för att den sannolikt är dålig, utan för att en köpare inte kan skilja på "omätt" och "icke konkurrenskraftig", och priset ger ingen fördel av tvivlet.

Kontexttaket är det enda stället där Baidu har utrymme att argumentera.

Om det finns ett argument för premien är det här. Ling 3.1 Flash:s fönster på en miljon tokens har, åtminstone under lanseringsperioden, varit ett tak snarare än en levererad siffra – slutpunkten gav 256K medan tillkännagivandet annonserade 1M. ERNIE Light DT annonserar 1 024 000 och dess listningar visar samma siffra för kontexten och 131 072 för utdata, utan någon dokumenterad minskning.

Om den åtskillnaden håller när den möter verklig trafik är okänt, eftersom Baidu inte har publicerat någon utvärdering av lång kontext. Det har inte heller någon annan. Det enda beviset för lång kontext i någon av de båda familjerna kommer från ERNIE 5.5 Flash Bases leverantörstabell, som redovisar HELMET-RAG 71,5, HELMET-ICL 85,9, LongBench-v2 48,7 och InfiniteBench 46,5 – Baidus egna siffror, på en annan och mycket större modell, och inte överförbara till den här.

Så argumentet för Light DT reduceras till: en omätt modell med en overifierad fördel med lång kontext, till tjugofem gånger inputpriset för en mätt modell som åtminstone har en verklig indexpoäng och en fungerande endpoint. Det är inte en stark position, och det är rimligt att säga det rakt ut.

Vad var och en faktiskt är bättre på

• Utgångstak — Light DT på 131 072 token mot Lings 262 144. Ling ger dig dubbelt så mycket utrymme att generera, vilket spelar roll för långformssyntes och agenttranskript.

• Resonemangskontroll — Light DT erbjuder max, high, low och none, med max som standard. Ling är en hybridresonerare med en på/av-brytare snarare än en graderad stege; det finns inget dokumenterat "none" som ger dig en snabb väg utan resonemang.

• Kostnad oavsett volym — Ling för alla storlekar på förfrågningar. Det finns ingen arbetsbelastning där en 25x prispremie för indata vägs upp av en kontextfördel på två procent (1 024 000 mot 1 000 000 tokens).

• Bevis — Ling, i båda riktningarna: ett oberoende indexvärde och en publicerad arkitektur med parameterantal. Light DT har inget av detta.

• Driftsstabilitet – Ling körs på Ants egen infrastruktur plus tredjepartsplattformar; Light DT finns enbart på Baidus internationella endpoint. En modell med en enda leverantör saknar failover, vilket är en upphandlingsrisk snarare än en prestandarisk.

• Öppenhet — Lings 1019-checkpoint släpptes som öppna vikter i slutet av oktober 2026, så arkitekturen kan granskas och modellen kan självhostas. Light DT har inga vikter och inget modellkort.

Den sista punkten förtjänar betoning. Ling-serien har en öppen artefakt och en sluten, och den öppna låter dig granska påståendena. ERNIE Light DT erbjuder endast det slutna alternativet, på en modell vars centrala påstående – att komprimering bevarar kvaliteten vid lång kontext – är precis den typ av sak som du skulle vilja verifiera oberoende.

Om du fortfarande vill prova det

Ingen av modellerna finns i OrcaRouters katalog, så detta är ingen rekommendation att registrera sig någonstans. Men om Light DT:s löfte om lång kontext är relevant för ditt arbete är sättet att testa det avgränsat och billigt.

Skicka samma prompt på över 100 000 token till båda modellerna, tjugo gånger, med frågor vars svar ligger begravda på olika djup – nära början, i mitten och i slutet. Poängsätt svaren själv. Det testet kostar under en dollar på Ling och ungefär tre dollar på Light DT, och det avgör på en eftermiddag det som ingen av leverantörerna har publicerat. Om Light DT håller kvaliteten på djupet där Ling försämras, har premiumpriset ett argument. Om båda försämras har du lärt dig att ett fönster på en miljon token är en marknadsföringssiffra i den här klassen oavsett vem som säljer det.

Oavsett utfall, håll bytet billigt. En routad slutpunkt som visar båda modellernas priser per förfrågan – med möjligheten att skicka en del av din trafik till den nya och dra tillbaka den samma dag – är det enda vettiga sättet att utvärdera en modell utan publicerade bevis. Att köpa kapacitet enbart utifrån en prislista är hur team till slut betalar 25 gånger så mycket för ett fönster de aldrig fyller.