ERNIE Light DT 1.0 vs Qwen 3.8 Flash: Att betala mer för mindre input

Sätt ERNIE Light DT 1.0 och Qwen 3.8 Flash på samma rad, och tre siffror får sköta argumentationen. Baidu tar 1,13 USD per miljon indatatoken; Alibaba tar 0,15 USD. Baidu ger dig bara text; Alibaba accepterar text, bilder och video. Baidu har inte publicerat något benchmark; Alibabas modell har en dokumenterad lansering bakom sig, med en öppenvikts-tvilling som du kan granska. Qwen 3.8 Flash släpptes den 26 augusti 2026; ERNIE Light DT 1.0 dök upp den 10 november 2026, två och en halv månad senare, till ett indatapris som är sju och en halv gånger högre.

Nyare och dyrare är inte automatiskt sämre — arkitekturer förbättras, och en modell som byggts kring KV-cache-komprimering löser ett problem som ett allmänt snabbt lager inte gör. Men bevisbördan vilar helt på Baidus sida i den här jämförelsen, och Baidu har inte tagit upp den.

Vad Qwen 3.8 Flash faktiskt är

A​libabas Flash-nivå är en gles blandning av experter: 125 miljarder parametrar i expertkroppen med ungefär 6 miljarder aktiverade per token, plus en n-gram-inbäddningstabell med 51 miljarder parametrar och cirka 4 miljarder multi-token-prediktionshuvuden, vilket blir ungefär 180 miljarder parametrar på disk. Fyrtioåtta lager, 512 experter och en hybridattentionsstack byggd av Gated DeltaNet och Q​wen Sparse Attention.

Produktens SKU tillhandahålls på QwenCloud med en dokumenterad standardkontext på en miljon token, en maximal indata på 991 000 token och en maximal utdata på 131 072 token. Öppenviktsartefakten med samma arkitektur är Qwen3.8-Flash-Next, publicerad under Qwen Community License, vilket är ett annat objekt med en annan licens – användbart för granskning, inte en ersättning för slutpunkten.

Anmärkningsvärt nog löser Qwens glesa attention och Baidus glesa attention samma problem från motsatta håll. Qwens QSA arbetar på mikroblocksnivå i stället för att välja enskilda tokens, vilket enligt leverantören minskar latensen för långa kontexter avsevärt. Baidus BSA, i kombination med feedbackdriven historikkomprimering, riktar sig i stället mot cachelagring och indexering. Båda är satsningar på att framtiden för inferens är lång kontext till låg kostnad. De är bara oense om vilken del av notan man ska angripa.

Jämförelsen, dimension för dimension

• Inputpris — ERNIE Light DT 1.0 på 1,13 USD per miljon tokens jämfört med Qwen 3.8 Flash på 0,15 USD. Baidu är 7,5 gånger dyrare.

Pris för utdata — 3,94 USD mot 0,47 USD per miljon. Baidu är 8,4 gånger dyrare.

• Cacheat indata – 0,113 USD mot 0,0184 USD per miljon. Båda ger tiofaldig rabatt på cachead läsning; den absoluta skillnaden är 6,1x.

• Kontextfönster — 1 024 000 token mot 1 000 000, med Qwen dokumenterat vid maximalt 991 000 token indata. I praktiken samma tak.

• Maximal utdata — 131 072 tokens på båda. Identiska.

• Inmatningsmodalitet – endast text kontra text, bild och video.

• Resonemangsstyrning – fyra graderade nivåer på Light DT (max, hög, låg, ingen) jämfört med ett flexibelt tänkläge på Qwen 3.8 Flash som stöder en dokumenterad maximal tokenbudget för resonemang.

• Verktygsanvändning och strukturerad utdata – stöds i båda, inklusive tvingat verktygsval.

• Oberoende poäng — ingen publicerad för Light DT; Qwens Flash-Next-syskon har mätts på Artificial Analysis Intelligence Index, och dess poäng tillhör den öppna artefakten snarare än produktions-SKU:n.

• Öppna vikter – inga för Light DT; en checkpoint med samma arkitektur under Q​wen Community License för Q​wen.

Där den sjudubbla premien teoretiskt sett skulle kunna tjänas in

Det är värt att försvara Baidus position så starkt som möjligt i stället för att avfärda den, eftersom det finns en version av detta där priset är rätt.

En modell som bygger på komprimering kan i princip hantera en förfrågan på en miljon token med ett cacheavtryck som en konventionell modell inte kan matcha. Om Baidus BSA verkligen håller kvaliteten oförändrad när kontexten växer – påståendet är "att bibehålla modellprestanda" samtidigt som man minskar KV-cache-lagring och beräkning – så sjunker operatörens kostnad per miljon kontexttoken. En leverantör som har lagt forskningsinsatser på detta skulle rimligen kunna ta mer betalt per token och ändå vara billigare per lång förfrågan.

Problemet är att detta är helt overifierat, och det enda tal som skulle avgöra saken – effektivt cacheavtryck per miljon tokens – har inte publicerats. Det finns inget modellkort, ingen teknisk rapport, ingen benchmarktabell. Baidus egen produktbeskrivning består av ett enda stycke.

Jämför bevisen på den andra sidan. Qwen 3.8 Flash har en leverantörssida med dokumentation på tokennivå, ett syskon med öppna vikter vars arkitektur kan läsas i en konfigurationsfil och tredjepartsmätningar av det syskonet. Du kan vara oense om A​libabas siffror, men du kan kontrollera dem.

Modalitet är det svårare problemet

Priset är en förhandling. Modalitet är en vägg.

Qwen 3.8 Flash tar emot text, bilder och video, och dess produkttext anger de arbetsuppgifter som följer av det: visuell förståelse, dokument- och kodbasanalys, diagramanalys, skrivbordsinteraktion, analys av långa videor. ERNIE Light DT 1.0 tar emot text och returnerar text.

Om någon del av din pipeline involverar en skärmbild, en inskannad sida, ett diagram eller en videobildruta är jämförelsen redan avgjord innan priset spelar någon roll. Antingen sätter du en OCR- eller visionsmodell framför Light DT – vilket tillför kostnad, latens och ett felmod – eller så använder du en modell som accepterar artefakten. I en supportpipeline där hälften av det inkommande är en skärmbild av ett felmeddelande är ”endast text” inte en begränsning man arbetar runt; det är en annan produktkategori.

Motfallet är lika verkligt: retrieval-augmenterat textarbete, kodanalys på vanlig källkod, loggtriagering, långformig dokument-Q&A där dokumenten redan är text. Där ger modalitetsfördelen ingenting, och jämförelsen återgår till pris och kvalitet — där Baidu fortfarande är 7,5 gånger dyrare utan att visa några bevis.

Tre sätt som premiumpriset faktiskt kan betala sig

I stället för att anta att Baidu helt enkelt är överprissatt, här är de specifika villkoren under vilka det skulle vara försvarbart att välja Light DT — var och en testbar på en eftermiddag.

Ett: kvaliteten håller vid 400 000 token och däröver. Ling och Q​wen annonserar båda ett fönster på en miljon token; om någon av dem försämras i mitten av en mycket lång prompt är precis vad komprimeringsscheman hävdar att de åtgärdar. Om Light DT besvarar djupkontextfrågor korrekt där Qwen 3.8 Flash börjar missa mitten av dokumentet, har premiumvarianten fog för sig. Testet är en uppsättning frågor vars svar ligger på 5 %, 50 % och 95 % djup i samma långa dokument.

Två: genomströmningen per begäran är väsentligt bättre. Om komprimering innebär färre cache-token per begäran kan en leverantör betjäna fler samtidiga långa begäranden på samma hårdvara – vilket kan leda till lägre latens vid belastning. Baidu publicerar ingen genomströmningssiffra, och Q​wen publicerar inte heller någon motsvarande, så detta går bara att mäta genom att köra båda under din egen samtidighet.

Tre: resonemangstrappan förtjänar sin plats. Att sätta effort till none på Light DT ger en snabb och billig väg för klassificering och extrahering, medan max ger dig en tänkande modell på samma endpoint. Qwen 3.8 Flash har ett tänkandeläge men en mindre granulär trappa. Om du kör en endpoint för två väldigt olika jobb har det ett genuint ingenjörsvärde – men inte uppenbart ett värde på 1,13 dollar per miljon.

Den realistiska läsningen

Ingen av dessa tre förutsättningar är sannolikt i sig tillräcklig för att motivera en 7,5-faldig premie för indata, och tillsammans slår de fortfarande bara Qwen om din arbetsbelastning är långkontextuell, enbart textbaserad och kvalitetskänslig på djupet. Det är ett verkligt segment – juridisk bevisinsamling, frågor och svar i stora kodbaser, granskning av regulatoriska dokument – men det är inte den breda fast-tier-marknad som dessa modeller nominellt delar.

Den troligare förklaringen är den minst smickrande: Baidu prissätter en ny, omätt slutpunkt som en premiumprodukt eftersom man kan det, och priset kommer att röra sig när marknaden har en uppfattning. Det är ett normalt mönster för en första notering. Det är också anledningen till att ingen bör bygga en budget på den nuvarande siffran.

Att köra båda utan att binda sig för någon av dem

Qwen 3.8 Flash finns i OrcaRouters katalog till A​libabas listpris utan påslag, vilket innebär att priset du ser på vår modellsida är det pris som leverantören tar ut – och om A​libaba sänker det visas sänkningen här samma dag i stället för vid nästa avtalsförnyelse.

Den egenskapen spelar större roll än vanligt i en jämförelse som den här, eftersom hela premissen är en prisskillnad som ingen har motiverat och som endera parten skulle kunna ändra. Ett dirigeringslager som visar båda priserna sida vid sida och låter dig skicka fem procent av trafiken till den nya modellen medan nittiofem procent ligger kvar på den kända, är hur man tar reda på om premien är verklig utan att satsa ett kvartals budget på det.

Automatisk failover är den andra halvan. En modell som tillhandahålls av en enda leverantör har en enda feldomän; om Baidu drabbas av en incident ligger din long-context-väg nere. Routing som kan falla tillbaka till en jämförbar endpoint när den primära får fel är skillnaden mellan en försämrad funktion och ett avbrott.

Vad du ska göra den här veckan

Börja med Qwen 3.8 Flash om du inte kan namnge den arbetsbelastning där de extra pengarna köper något. Den är billigare per enhet, accepterar fler indatatyper och kommer med ett inspekterbart öppet syskon. Till $0.15 och $0.47 per miljon token kostar en seriös utvärdering bara småpengar.

Testa endast ERNIE Light DT 1.0 mot det specifika påstående den gör. Bygg en enda långkontextutvärdering – en dokumentuppsättning på 200 000 token med svar inplanterade på tre djup – och kör den på båda modellerna. Om Light DT behåller kvaliteten där Qwen 3.8 Flash tappar, har du hittat argumentet för premiumalternativet och kan argumentera för det med data. Om den inte gör det har du sparat dig en 7,5 gånger så hög räkning på grundval av ett leverantörsstycke och ett namn som säger "light" men tar betalt som om det betydde "lyx".