ERNIE Light DT 1.0 so với Ling 3.1 Flash: Khoảng cách giá gấp 25 lần trong cùng phân khúc

Hai mô hình thuộc phân khúc nhanh của Trung Quốc, cả hai đều chỉ xử lý văn bản, đều quảng cáo cửa sổ một triệu token, đều được xây dựng quanh các thủ thuật chú ý thưa để giữ cho ngữ cảnh dài có chi phí phải chăng — và một trong hai có giá cao gấp hai mươi lăm lần trên mỗi token đầu vào so với mô hình còn lại. ERNIE Light DT 1.0, do Baidu công bố ngày 10 tháng 11 năm 2026, có giá niêm yết là 1,13 đô la Mỹ cho mỗi triệu token đầu vào và 3,94 đô la Mỹ cho mỗi triệu token đầu ra. Ling 3.1 Flash, mô hình hỗn hợp chuyên gia 560 tỷ tham số của Ant Group được công bố ngày 30 tháng 9 năm 2026, có giá niêm yết là 0,045 đô la Mỹ và 0,135 đô la Mỹ theo cùng đơn vị, đồng thời đạt điểm độc lập 41 trên Artificial Analysis Intelligence Index.

Đó không phải là một khoảng cách khiêm tốn có thể được biện minh bằng chất lượng ngữ cảnh. Đó là mức chênh lệch trên mỗi token lớn nhất giữa hai mô hình trong phân khúc này mà một trong hai phòng thí nghiệm hiện đang bán, và nó đòi hỏi một lời giải thích trước khi bất kỳ ai ký đơn đặt hàng.

Cách rẻ nhất để thấy vấn đề: một yêu cầu, hai hóa đơn

Hãy xét một lần gọi duy nhất thuộc kiểu mà các mô hình này được tạo ra để xử lý — một tập tài liệu truy xuất gồm 120.000 token với câu trả lời 2.000 token, chạy một lần.

Trên ERNIE Light DT 1.0, yêu cầu đó tốn 120.000 × $1,13/1M cộng với 2.000 × $3,94/1M, tức là $0,1356 cộng $0,0079, hay khoảng 14,4 xu.

Trên Ling 3.1 Flash, cùng một yêu cầu tốn 120.000 × 0,045 USD/1M cộng với 2.000 × 0,135 USD/1M, tức là 0,0054 USD cộng 0,00027 USD, hay khoảng 0,57 xu.

Cả hai mô hình đều tuyên bố đáp ứng được yêu cầu đó. Một trong hai mô hình chạy yêu cầu đó rẻ hơn hai mươi lăm lần. Với mười nghìn yêu cầu như vậy mỗi ngày, chênh lệch là $1,356 một ngày so với $57 — khoảng $39,000 một tháng so với $1,700.

Chỉ có ba cách giải thích khả dĩ. Hoặc Baidu biết điều gì đó về chất lượng mà họ chưa công bố, hoặc sơ đồ nén đang mang lại điều gì đó mà kiến trúc của Ling không có, hoặc mức giá chỉ là giá tạm thời và sẽ thay đổi. Phần còn lại của bài viết này sẽ bàn xem đó là cách nào.

Thực tế mỗi thứ là gì

• Ling 3.1 Flash — mô hình MoE suy luận lai của Ant Group, khoảng 560 tỷ tham số tổng cộng với khoảng 25 tỷ tham số hoạt động mỗi token, đầu vào văn bản và đầu ra văn bản, đến từ phòng thí nghiệm inclusionAI. Công bố ngày 30 tháng 9 năm 2026 và đang hoạt động trên API riêng của Ant và trong các sản phẩm tiêu dùng của hãng. Tuyên bố tiếp thị là giới hạn 1M token; điều mà điểm cuối thực tế phục vụ khi ra mắt là 256,000, và các danh sách quốc tế hiện tại cho thấy ngữ cảnh 1,000,000 token với 262,144 token đầu ra tối đa.

• ERNIE Light DT 1.0 — endpoint phân khúc nhỏ của Baidu, được niêm yết ngày 10 tháng 11 năm 2026, được xây dựng trên kiến trúc GLM mã nguồn mở với nghiên cứu từ dòng "Lightning" của Baidu Search, sử dụng Baidu Sparse Attention và cơ chế nén lịch sử dựa trên phản hồi. Ngữ cảnh 1.024.000 token, đầu ra tối đa 131.072 token, chỉ văn bản. Bốn mức nỗ lực suy luận, gọi công cụ, đầu ra có cấu trúc.

Số lượng tham số không thể so sánh được — Ling chưa công bố số tham số của Light DT, nên phát biểu trung thực là một bên được biết có tổng cộng 560B còn bên kia thì không được tiết lộ. Điều có thể so sánh là cấu trúc tổng thể: cả hai đều là mô hình thưa, cả hai đều chỉ xử lý văn bản, cả hai đều hướng đến công việc ngữ cảnh dài, khối lượng lớn.

Sparse attention, hai lần, vì hai lý do khác nhau

Những câu chuyện về kiến trúc ăn khớp với nhau, khiến chênh lệch giá càng khó giải thích hơn chứ không phải dễ hơn.

Ling 3.1 Flash chỉ trả chi phí cho 25 tỷ trong tổng số 560 tỷ tham số của mình ở mỗi token. Đó là một chiến lược về dung lượng: giữ một kho tri thức rất lớn thường trú và chỉ định tuyến hẹp qua đó, nhờ vậy bạn có kiến thức thế giới của mô hình lớn với chi phí tính toán của mô hình nhỏ. Tuyên bố về ngữ cảnh dài đến từ chính thiết kế đó — nếu mỗi bước đều rẻ, việc giữ một chuỗi dài luôn mở sẽ bớt là gánh nặng hơn.

Câu chuyện của ERNIE Light DT là về bộ nhớ chứ không phải dung lượng. Baidu nói rằng mô hình {{1}}"cải thiện việc lưu trữ và lập chỉ mục thông tin lịch sử"{{/1}} thông qua nén lịch sử dựa trên phản hồi, {{2}}"giảm đáng kể dung lượng lưu trữ KV cache và chi phí tính toán trong khi vẫn duy trì hiệu năng mô hình,"{{/2}} và cho phép bạn giữ các ngữ cảnh dài hơn {{3}}"với chi phí thấp hơn."{{/3}} Hãy chú ý cách diễn đạt: chi phí thấp hơn đối với đơn vị vận hành. Đó là tuyên bố về hóa đơn phục vụ của Baidu, không nhất thiết là về hóa đơn của bạn.

Đây là mấu chốt. Mọi lược đồ nén trong nhóm này — Heavily Compressed Attention của Baidu trong ERNIE 5.5, attention thưa khối vi mô của Q​wen, định tuyến của chính Ling — đều làm giảm chi phí trên mỗi token ngữ cảnh của nhà cung cấp. Việc nhà cung cấp có chuyển khoản tiết kiệm đó cho khách hàng hay không là một quyết định thương mại, và Baidu đã chọn không làm vậy. Họ đang thu mức giá cao cấp cho đúng năng lực mà họ nói rằng mình đã làm rẻ đi.

Đó không tự động đồng nghĩa với thiếu thiện chí. Một phương án nén giữ được chất lượng ở một triệu token thì tốn kém để xây dựng và tốn kém để kiểm chứng, và nhà cung cấp có thể đang thu hồi chi phí nghiên cứu đó. Nhưng điều đó có nghĩa là người mua đang trả tiền cho một năng lực mà bài toán kinh tế của nó được cho là đã được cải thiện, và sự cải thiện đó không hiện ra trong bảng giá.

Điểm số độc lập của Ling, và điều đó nói lên gì về bậc này

Ling 3.1 Flash đạt 41 điểm trên Artificial Analysis Intelligence Index. Đây là một phép đo thực tế của bên thứ ba, không phải biểu đồ của nhà cung cấp, và nó đưa mô hình vào nửa trên của phân khúc nhanh — thoải mái vượt qua các mô hình có ngân sách tiếp thị lớn hơn, nhưng vẫn dưới các mô hình nhỏ tiên phong. Điểm số này đi kèm một lưu ý quan trọng đối với việc so sánh chi phí: Ling là một mô hình suy luận nói nhiều. Đánh giá trước đó về mô hình cho thấy nó tiêu tốn khoảng 220 triệu token đầu ra khi xử lý các bài đánh giá của chỉ số, vượt xa mức trung vị của phân khúc giá và trung bình mất vài phút cho mỗi tác vụ. Những token rẻ mà mô hình chi tiêu thoải mái vẫn có thể cộng dồn — nhưng ở mức 0,135 USD cho mỗi triệu token đầu ra, ngay cả suy luận hào phóng cũng vẫn rẻ.

ERNIE Light DT 1.0 hoàn toàn không có điểm số nào. Không phải số liệu từ nhà cung cấp, cũng không phải số liệu độc lập. Baidu công bố một bảng giá và một đoạn mô tả cơ chế, rồi dừng lại. Với một mô hình được định giá cao cấp, việc xuất hiện với không một bằng chứng nào là sự thật gây tổn hại nhất trong so sánh này — không phải vì nó có khả năng kém, mà vì người mua không thể phân biệt "chưa được đo lường" với "không có sức cạnh tranh", và mức giá không đem lại lợi thế được mặc định tin tưởng.

Giới hạn ngữ cảnh là điểm duy nhất mà Baidu có dư địa để tranh luận.

Nếu có một lý do chính đáng cho mức phí cao cấp, thì lý do đó nằm ở đây. Cửa sổ một triệu token của Ling 3.1 Flash, ít nhất là trong suốt giai đoạn ra mắt, đã là mức trần chứ không phải con số thực tế được cung cấp — endpoint chỉ đưa ra 256K trong khi thông báo quảng cáo 1M. ERNIE Light DT quảng cáo 1,024,000 và thông tin niêm yết của nó hiển thị cùng con số đó cho ngữ cảnh và 131,072 cho đầu ra, mà không có mức giảm nào được ghi nhận trong tài liệu.

Liệu sự khác biệt đó có đứng vững khi tiếp xúc với lưu lượng thực tế hay không thì vẫn chưa rõ, vì Baidu chưa công bố đánh giá ngữ cảnh dài nào. Không ai khác cũng vậy. Bằng chứng duy nhất về ngữ cảnh dài trong cả hai họ mô hình đến từ bảng số liệu của nhà cung cấp cho ERNIE 5.5 Flash Base, bảng này báo cáo HELMET-RAG 71.5, HELMET-ICL 85.9, LongBench-v2 48.7 và InfiniteBench 46.5 — số liệu của chính Baidu, trên một mô hình khác và lớn hơn nhiều, và không thể áp dụng cho mô hình này.

Vậy nên lập luận dành cho Light DT rút gọn lại thành: một mô hình chưa được đo lường với lợi thế ngữ cảnh dài chưa được kiểm chứng, với mức giá đầu vào gấp hai mươi lăm lần một mô hình đã được đo lường mà ít nhất có điểm chỉ số thực và một endpoint hoạt động được. Đó không phải là một lập trường vững chắc, và thật công bằng khi nói thẳng như vậy.

Mỗi cái thực sự giỏi hơn ở điểm nào

• Giới hạn đầu ra — Light DT ở 131.072 token so với 262.144 của Ling. Ling cho bạn gấp đôi không gian để tạo, điều này quan trọng đối với tổng hợp dạng dài và bản ghi agent.

• Kiểm soát suy luận — Light DT cung cấp max, high, low và none, với max là mặc định. Ling là một bộ suy luận hybrid với công tắc bật/tắt thay vì một thang phân cấp; không có "none" nào được tài liệu hóa để đưa bạn đến một lối nhanh không cần suy nghĩ.

• Chi phí ở mọi khối lượng — Ling ở mọi quy mô yêu cầu. Không có khối lượng công việc nào mà mức phụ trội giá đầu vào gấp 25 lần lại được bù đắp bằng lợi thế ngữ cảnh hai phần trăm (1,024,000 so với 1,000,000 token).

• Bằng chứng — Ling, theo cả hai hướng: điểm chỉ mục độc lập và một kiến trúc đã được công bố kèm số lượng tham số. Light DT không có cả hai.

• Độ ổn định phục vụ — Ling chạy trên hạ tầng riêng của Ant cùng các nền tảng bên thứ ba; Light DT chỉ chạy trên endpoint quốc tế của Baidu. Mô hình một nhà cung cấp không có cơ chế chuyển đổi dự phòng, đây là rủi ro về mua sắm chứ không phải rủi ro về hiệu năng.

• Tính mở — checkpoint 1019 của Ling đã được phát hành dưới dạng trọng số mở vào cuối tháng 10 năm 2026, nên có thể kiểm tra kiến trúc và mô hình có thể được tự lưu trữ. Light DT không có trọng số và không có thẻ mô hình.

Điểm cuối cùng đó đáng được nhấn mạnh. Dòng Ling có một artefact mở và một artefact đóng, và bản mở cho phép bạn kiểm chứng các tuyên bố. ERNIE Light DT chỉ cung cấp tùy chọn đóng, trên một mô hình mà tuyên bố trung tâm — rằng nén vẫn giữ được chất lượng ở ngữ cảnh dài — đúng là kiểu điều bạn muốn tự mình xác minh.

Nếu bạn vẫn muốn thử nó

Cả hai mô hình đều không có trong danh mục của OrcaRouter, nên đây không phải là lời khuyên đăng ký ở bất kỳ đâu. Nhưng nếu câu chuyện ngữ cảnh dài của Light DT có liên quan đến công việc của bạn, thì cách để kiểm tra nó là phạm vi hẹp và chi phí thấp.

Gửi cùng một lời nhắc hơn 100.000 token cho cả hai mô hình, hai mươi lần, với các câu hỏi có đáp án bị chôn ở những độ sâu khác nhau — gần đầu, ở giữa và ở cuối. Tự chấm điểm các câu trả lời. Bài kiểm tra đó tốn dưới một đô-la trên Ling và khoảng ba đô-la trên Light DT, và giải quyết trong một buổi chiều điều mà cả hai nhà cung cấp đều chưa công bố. Nếu Light DT giữ được chất lượng ở vùng sâu nơi Ling suy giảm, mức giá cao hơn có lý do chính đáng. Nếu cả hai đều suy giảm, bạn đã biết rằng cửa sổ một triệu token chỉ là một con số tiếp thị ở phân khúc này, bất kể ai bán nó.

Dù kết quả thế nào, hãy giữ cho việc hoán đổi thật rẻ. Một endpoint được định tuyến hiển thị giá của cả hai mô hình theo từng yêu cầu — với tùy chọn gửi một phần lưu lượng của bạn đến mô hình mới và rút lại ngay trong cùng ngày — là cách hợp lý duy nhất để đánh giá một mô hình mà không có bằng chứng công bố nào. Mua dung lượng chỉ dựa trên bảng giá là cách các đội nhóm rốt cuộc phải trả gấp 25 lần cho một khung thời gian mà họ không bao giờ lấp đầy.