ERNIE Light DT 1.0 có chi phí gấp bốn lần so với mô hình Flash 280B của Baidu.

Mô hình nhỏ mới nhất của Baidu được định giá như một mô hình lớn. ERNIE Light DT 1.0, được niêm yết vào ngày 10 tháng 11 năm 2026, có giá niêm yết là $1.13 mỗi triệu token đầu vào và $3.94 mỗi triệu token đầu ra. Mẫu ERNIE 5.5 Flash Preview — 280 tỷ tham số đến từ cùng phòng thí nghiệm, giới hạn đầu ra lớn hơn, bảng giá nhỏ hơn nhiều — được niêm yết ở mức $0.28 và $1.13. Đọc hai dòng đó cùng nhau thì cái tên không còn hợp lý: mô hình có tên Light lại là mô hình đắt đỏ, gấp bốn lần ở đầu vào và gấp ba lần rưỡi ở đầu ra.

Sự đảo ngược đó không phải lỗi đánh máy trong bảng giá, và đó là điều đầu tiên đáng để hiểu về bản phát hành này. Baidu không tung ra một Flash rẻ hơn. Họ tung ra một loại đối tượng khác — một thứ được xây dựng cho một bài toán chi phí hoàn toàn không xuất hiện trên bảng giá theo token, và được định giá như thể thứ nó giúp bạn tiết kiệm đáng giá hơn số token mà nó tính phí.

Điều gì thực sự đã được xuất bản, và khi nào

Mô hình xuất hiện dưới dạng baidu/ernie-light-dt-1.0-intl — hậu tố -intl đánh dấu endpoint quốc tế thay vì SKU Qianfan nội địa — với dấu mốc snapshot ngày 10 tháng 11 năm 2026. Mô hình do Baidu trực tiếp cung cấp, không qua mạng đại lý, và chỉ nhận văn bản, xuất văn bản. Không hình ảnh, không âm thanh, không tệp.

Hai con số định hình nên nó là cửa sổ ngữ cảnh 1,024,000 token và đầu ra tối đa 131,072 token. Những con số đó không có gì lạ vào cuối năm 2026; cửa sổ một triệu token là mức tối thiểu bắt buộc trong phân khúc trọng số mở của Trung Quốc và đã như vậy từ mùa hè. Điều bất thường là một triệu token trên một mô hình mà chính nội dung quảng cáo của nhà cung cấp lại mô tả là nhẹ.

Mô tả của Baidu ngắn gọn và đáng được trích dẫn nguyên văn hơn là diễn giải, vì đây là tuyên bố kỹ thuật duy nhất mà công ty đưa ra: mô hình này "dựa trên các mô hình G​LM mã nguồn mở" và "bao gồm các kết quả nghiên cứu từ mô hình lớn Lightning của Baidu Search," đồng thời "có Baidu Sparse Attention (BSA), một cơ chế attention thưa độc đáo do Baidu ERNIE phát triển."

Attention thưa, nén lịch sử và vì sao một mô hình Light đạt được một triệu token

Ba luận điểm nằm trong đoạn văn đó, và chúng đang đảm nhận những vai trò khác nhau.

Đầu tiên là nguồn gốc. Một mô hình của Baidu được xây dựng trên G​LM không phải là chi tiết nhỏ — G​LM là họ kiến trúc của Z.ai, và việc Baidu nói thẳng ra điều đó cho thấy đây là một chiến lược thích ứng chứ không phải một lần tiền huấn luyện từ đầu. Baidu không tuyên bố về một mô hình nền tảng mới ở đây. Họ tuyên bố về một cách chạy nó tốt hơn.

Thứ hai là mối liên hệ với Tìm kiếm. Dòng “Lightning” của Baidu Search là họ mô hình đứng sau việc tạo câu trả lời của chính sản phẩm tìm kiếm, nghĩa là nó đã được tối ưu hóa dưới một áp lực rất đặc thù: khối lượng truy vấn khổng lồ, ngữ cảnh được truy xuất dài và ngân sách độ trễ nghiêm ngặt. Những phát hiện nghiên cứu tồn tại được trong môi trường đó thường liên quan đến lưu lượng bộ nhớ, chứ không phải điểm số benchmark.

Điều thứ ba — và là điều lý giải mức giá — là BSA cùng với thứ mà Baidu gọi là “nén lịch sử dựa trên phản hồi”, mà họ nói rằng “cải thiện việc lưu trữ và lập chỉ mục thông tin lịch sử” và “giảm đáng kể dung lượng lưu trữ KV cache và chi phí tính toán trong khi vẫn duy trì hiệu suất của mô hình.”

Gạt bỏ phần tiếp thị thì đó là câu chuyện về KV-cache. Trong một transformer tiêu chuẩn, chi phí giữ một cuộc hội thoại dài hoặc một tài liệu dài trong ngữ cảnh tăng lên theo từng token bạn giữ lại, vì mỗi lớp lưu đệm khóa và giá trị cho mọi vị trí. Chính bộ đệm đó là thứ khiến một cửa sổ triệu token trở nên tốn kém khi phục vụ, ngay cả khi bản thân mô hình nhỏ. Các sơ đồ nén nhắm thẳng vào điều đó: giữ một biểu diễn cô đọng, có chỉ mục về quá khứ xa thay vì bộ đệm thô theo từng token, và hóa đơn ngữ cảnh dài sẽ giảm.

Đó là cùng một vấn đề mà Baidu đã giải quyết theo cách khác trong ERNIE 5.5 Flash, nơi 37 trong số 43 lớp sử dụng Heavily Compressed Attention — lưu vào bộ nhớ đệm một mục cho mỗi 128 token — trong khi sáu lớp vẫn giữ quyền truy cập đầy đủ ở cấp token thông qua MLA với attention thưa. Light DT dường như đẩy xa hơn theo cùng hướng: nén nhiều hơn, lập chỉ mục tốt hơn cho những gì đã được nén. Baidu chưa công bố số lớp, số tham số hay tỷ lệ nén, nên không rõ nó đẩy xa đến mức nào.

Điều suy ra từ kiến trúc này là một giả thuyết về giá, và nó chỉ là giả thuyết vì Baidu chưa nói như vậy: nếu khối lượng công việc của bạn bị chi phối bởi việc lưu trú trong bộ nhớ đệm thay vì token mới, thì nhà cung cấp có thể tính giá cao hơn trên mỗi token mà vẫn là lựa chọn rẻ hơn trên mỗi yêu cầu. Điều đó có đúng hay không phụ thuộc hoàn toàn vào một con số mà Baidu chưa công bố — dung lượng bộ nhớ đệm hiệu dụng trên mỗi triệu token ngữ cảnh.

Giá, tính theo đơn vị mà người mua thực sự sử dụng

Giá theo từng token, như được liệt kê:

• Đầu vào — ERNIE Light DT 1.0 ở mức 1,13 USD mỗi triệu token so với ERNIE 5.5 Flash Preview ở mức 0,28 USD. Light DT có giá cao gấp 4,0 lần.

Đầu ra — 3,94 USD so với 1,13 USD mỗi triệu. Light DT có giá gấp 3,5 lần.

• Đầu vào được lưu trong bộ nhớ đệm — $0.113 so với $0.028 mỗi triệu. Light DT có giá gấp 4.0 lần, và cả hai đều giảm giá các lượt đọc từ bộ nhớ đệm xuống còn một phần mười so với đầu vào mới.

• Ngữ cảnh — 1.024.000 token cho cả hai.

• Đầu ra tối đa — 131,072 token đối với Light DT so với 921,600 của ERNIE 5.5 Flash Preview. Đây là dòng duy nhất mà mô hình nhỏ thực sự nhỏ hơn, nhỏ hơn bảy lần.

• Phương thức — chỉ văn bản cho Light DT; endpoint Preview cũng chỉ văn bản.

Mức trần đầu ra chính là dấu hiệu nhận biết. ERNIE 5.5 Flash Preview được xây dựng để phát ra những câu trả lời rất dài — chín trăm nghìn token đầu ra không phải là con số của một mô hình trò chuyện, mà là con số dành cho tạo hàng loạt, tổng hợp dạng dài hoặc bản ghi phiên tác tử không bao giờ bị cắt tỉa. 131.072 của Light DT là một ngân sách đầu ra bình thường, rộng rãi và không có gì đáng chú ý. Baidu đã cố ý đặt trần cho thứ tốn kém nhất để phục vụ.

Vậy hình dạng của sản phẩm là: tính phí cao hơn cho mỗi token đi vào, và không để mô hình lan man. Đó là cách định giá nhất quán cho một mô hình mà tài nguyên đắt đỏ là ngữ cảnh mà nó nắm giữ, chứ không phải văn bản mà nó viết ra.

Endpoint sẽ làm gì và không làm gì

Bề mặt năng lực rộng hơn mức giá gợi ý và hẹp hơn mức tên gọi ngụ ý.

• Suy luận là tùy chọn và có thể điều chỉnh. Bốn mức nỗ lực được đưa ra — max, high, low và none — với max là mặc định. Việc có thể đặt mức nỗ lực thành none rất quan trọng đối với một mô hình ở phân khúc này: đó là sự khác biệt giữa một bộ phân loại nhạy cảm với độ trễ và một mô hình biết suy nghĩ, trên cùng một endpoint.

• Hỗ trợ gọi công cụ (tool calling), bao gồm cả việc buộc chọn công cụ. Gọi hàm (function calling), đầu ra có cấu trúc và các định dạng phản hồi JSON đều có sẵn, khiến nó có thể được dùng như bộ lập kế hoạch bên trong vòng lặp agent thay vì chỉ là trình tạo văn bản.

• Việc lấy mẫu là thông thường — temperature, top_p, max_tokens — không để lộ điều gì bất thường và không có dấu hiệu của các tham số giải mã lạ kỳ mà một số phòng thí nghiệm Trung Quốc tung ra.

• Nó nhận văn bản và trả về văn bản. Nếu quy trình của bạn đưa vào nó một bản quét PDF, ảnh chụp màn hình hoặc bản ghi cuộc gọi, bạn cần một bước OCR hoặc phiên âm phía trước nó, và bước đó có chi phí riêng và các kiểu lỗi riêng.

• Nó được cung cấp bởi một nhà cung cấp duy nhất. Một điểm cuối chỉ do một nhà cung cấp đảm nhận thì không có cơ chế chuyển đổi dự phòng phía sau, vì vậy một sự cố tại Baidu chính là một sự cố trong sản phẩm của bạn. Đó là một thực tế về mua sắm, không phải lời chỉ trích.

Còn thiếu gì?

Ba khoảng trống, và tất cả đều nằm ở cùng một chỗ: bằng chứng.

Không có benchmark nào. Không phải bảng của nhà cung cấp, không phải biểu đồ, không phải một con số nào — bản thông cáo phát hành của Baidu chỉ đưa ra một tuyên bố về cơ chế rồi dừng lại. Cũng không có đơn vị đánh giá độc lập nào có một dòng cho nó. Artificial Analysis, đơn vị có các dòng cho dòng ERNIE 5.5 và cho phần lớn phân khúc nhanh của Trung Quốc, không chấm điểm mô hình này. Vậy nên phát biểu trung thực về chất lượng của nó hiện nay là: chưa biết, trên mọi trục, kể cả trục mà Baidu đang ngầm quảng bá, đó là liệu nén có làm mất độ chính xác ở ngữ cảnh dài hay không.

Không có trọng số nào. ERNIE 5.5 Flash Base đã phát hành trọng số mở vào ngày 5 tháng 11 năm 2026, với 280 tỷ tham số và giấy phép loại trừ EU, Vương quốc Anh và Hàn Quốc. Light DT chỉ được cung cấp dưới dạng API, không có kho công khai và không có thẻ mô hình. Nếu bạn muốn kiểm tra sơ đồ nén, bạn không thể.

Và không có định nghĩa nào cho “DT”. Baidu chưa công bố mục từ điển thuật ngữ nào, và hai chữ cái này không ánh xạ tới bất cứ thứ gì trong cách đặt tên hiện có của công ty — trong đó Flash nghĩa là một hạng giá rẻ, Base nghĩa là một checkpoint tiền huấn luyện, và Preview nghĩa là một mô hình instruct được lưu trữ. Cho đến khi Baidu nói DT là viết tắt của gì, hãy coi nó là mã sản phẩm, không phải mô tả.

Cách gọi nó và cần làm gì trong lúc chờ đợi

Hiện tại, ERNIE Light DT 1.0 có thể truy cập được qua API riêng của Baidu và qua các nền tảng bên thứ ba có cung cấp endpoint quốc tế. Nó không nằm trong danh mục của OrcaRouter — hãy đối chiếu với danh sách model trực tiếp trước khi bạn lên kế hoạch dựa vào nó — nên đây không phải là trường hợp mà chúng tôi có thể đưa bạn một chiếc key cùng một mức giá là xong.

Điều đáng làm hôm nay là đo lường thứ mà mức giá phụ thuộc vào. Hãy lấy ngữ cảnh dài nhất mà sản phẩm của bạn thực sự gửi — các tài liệu được truy xuất, cuộc hội thoại cuốn chiếu, lát cắt mã nguồn — và gửi nó đến một mô hình mà bạn đã có thể gọi. Hãy ghi lại số token đầu vào, số token được cache nếu nhà cung cấp báo cáo chúng, và độ trễ thời gian thực ở tận cùng sâu của cửa sổ. Con số đó, chứ không phải mức giá mỗi token, mới là thứ quyết định liệu một mô hình cache nén là khoản tiết kiệm hay khoản phụ phí. Nếu lưu lượng của bạn không bao giờ vượt quá 32.000 token, kiến trúc mà Baidu đang bán chẳng mang lại cho bạn điều gì, và $1.13 mỗi triệu token đơn giản là quá cao gấp bốn lần.

{{1}}Điều thứ hai đáng làm là giữ cho việc chuyển đổi có chi phí thấp. Lý do một mô hình không có điểm chuẩn nào và có mức phí cao gấp bốn lần lại còn đáng để bàn đến là vì lựa chọn thay thế cho việc dùng thử nó không phải là viết lại — mà chỉ là một base URL. Định tuyến lưu lượng ngữ cảnh dài của bạn qua một endpoint có công bố giá theo từng mô hình, và một mô hình như thế có thể được đặt sau mười phần trăm lưu lượng vào thứ Ba và gỡ bỏ vào thứ Tư. Đó là cách duy nhất có trách nhiệm để đánh giá một bản phát hành chưa được đo lường: độ phơi bày nhỏ, lưu lượng thật, và một mức giá bạn có thể đọc theo từng yêu cầu thay vì theo từng hóa đơn.{{/1}}

Những điều cần theo dõi, theo thứ tự: một model card với số lượng tham số và tỷ lệ nén; một đánh giá độc lập đầu tiên, lý tưởng nhất là bản báo cáo riêng 128K và 1M thay vì một điểm số trung bình gộp chung; và một động thái về giá. Điều cuối cùng đó là thông tin hữu ích nhất. Mức phụ trội gấp bốn lần cho một mô hình nhẹ hoặc là một tuyên bố về kinh tế bộ nhớ đệm, hoặc là một chỗ giữ chỗ, và cách để phân biệt là liệu nó có trụ được qua quý đầu tiên hay không.