ERNIE Light DT 1.0 vs Qwen 3.8 Flash: Trả nhiều hơn để có ít đầu vào hơn

Đặt ERNIE Light DT 1.0 và Qwen 3.8 Flash lên cùng một dòng, và ba con số sẽ tự lên tiếng thay cho mọi lời lẽ. Baidu tính 1,13 đô la cho mỗi triệu token đầu vào; A​libaba tính 0,15 đô la. Baidu chỉ cung cấp văn bản; A​libaba nhận cả văn bản, hình ảnh và video. Baidu chưa công bố bất kỳ kết quả benchmark nào; mô hình của A​libaba nằm trong một bản phát hành có tài liệu đầy đủ, kèm một phiên bản song sinh trọng số mở mà bạn có thể tự kiểm tra. Qwen 3.8 Flash ra mắt ngày 26 tháng 8 năm 2026; ERNIE Light DT 1.0 xuất hiện vào ngày 10 tháng 11 năm 2026, muộn hơn hai tháng rưỡi, với mức giá đầu vào gấp bảy lần rưỡi.

Mới hơn và đắt hơn không tự động có nghĩa là tệ hơn — các kiến trúc ngày càng được cải thiện, và một mô hình được xây dựng xoay quanh nén KV-cache đang giải quyết một vấn đề mà một tầng nhanh đa dụng không giải quyết. Nhưng nghĩa vụ chứng minh nằm chắc ở phía Baidu trong so sánh này, và Baidu đã không đảm nhận nó.

Qwen 3.8 Flash thực chất là gì

Dòng Flash của Alibaba là một hỗn hợp chuyên gia thưa: 125 tỷ tham số trong phần thân chuyên gia với khoảng 6 tỷ tham số được kích hoạt trên mỗi token, cộng thêm bảng nhúng n-gram 51 tỷ tham số và khoảng 4 tỷ đầu dự đoán đa token, tổng cộng khoảng 180 tỷ tham số trên đĩa. Bốn mươi tám lớp, 512 chuyên gia và một ngăn xếp chú ý lai được xây dựng từ Gated DeltaNet và Qwen Sparse Attention.

SKU sản phẩm được cung cấp trên QwenCloud với ngữ cảnh mặc định được tài liệu hóa là một triệu token, đầu vào tối đa 991.000 token và đầu ra tối đa 131.072 token. Artefact trọng số mở có cùng kiến trúc là Qwen3.8-Flash-Next, được phát hành theo Qwen Community License, đây là một đối tượng khác với giấy phép khác — hữu ích để kiểm tra, không phải là sản phẩm thay thế cho endpoint.

Đáng chú ý, cơ chế attention thưa của Q​wen và của Baidu đang giải quyết cùng một bài toán từ hai hướng ngược nhau. QSA của Q​wen vận hành ở cấp độ vi khối thay vì chọn từng token riêng lẻ, mà theo nhà cung cấp, giúp giảm đáng kể độ trễ trong ngữ cảnh dài. BSA của Baidu, đi kèm với nén lịch sử dựa trên phản hồi, lại nhắm vào lưu trữ bộ nhớ đệm và lập chỉ mục. Cả hai đều là những đặt cược rằng tương lai của suy luận là ngữ cảnh dài với chi phí thấp. Họ chỉ bất đồng về việc nên tấn công phần nào của hóa đơn.

So sánh, theo từng khía cạnh

• Giá đầu vào — ERNIE Light DT 1.0 ở mức 1,13 USD mỗi triệu token, so với Qwen 3.8 Flash ở mức 0,15 USD. Baidu đắt hơn 7,5 lần.

• Giá đầu ra — 3,94 USD so với 0,47 USD mỗi triệu. Baidu đắt hơn 8,4 lần.

• Đầu vào được lưu trong bộ nhớ đệm — $0.113 so với $0.0184 mỗi triệu. Cả hai đều mang lại mức giảm giá gấp mười lần cho việc đọc từ bộ nhớ đệm; khoảng cách tuyệt đối là 6,1 lần.

• Cửa sổ ngữ cảnh — 1.024.000 token so với 1.000.000, với Qwen được ghi nhận ở mức đầu vào tối đa 991.000 token. Về cơ bản là cùng một giới hạn trên.

• Đầu ra tối đa — 131.072 token trên cả hai. Giống hệt nhau.

• Phương thức đầu vào — chỉ văn bản so với văn bản, hình ảnh và video.

• Kiểm soát suy luận — bốn cấp độ trên Light DT (max, high, low, none) so với chế độ suy nghĩ linh hoạt trên Qwen 3.8 Flash, vốn hỗ trợ ngân sách token suy luận tối đa đã được tài liệu hóa.

• Sử dụng công cụ và đầu ra có cấu trúc — được hỗ trợ trên cả hai, bao gồm cả lựa chọn công cụ bắt buộc.

• Điểm số độc lập — chưa có công bố nào cho Light DT; phiên bản anh em Flash-Next của Qwen đã được đo trên Artificial Analysis Intelligence Index, và điểm của nó thuộc về artefact mở chứ không phải SKU sản xuất.

• Trọng số mở — không có cho Light DT; một checkpoint cùng kiến trúc theo Q​wen Community License dành cho Q​wen.

Nơi về mặt lý thuyết có thể kiếm được khoản phí bảo hiểm gấp bảy lần

Thật đáng để xây dựng lập luận mạnh nhất cho quan điểm của Baidu thay vì bác bỏ nó, bởi vì có một phiên bản của việc này mà mức giá là hợp lý.

Một mô hình được xây dựng dựa trên nén, về nguyên tắc, có thể phục vụ một yêu cầu một triệu token với lượng bộ nhớ đệm mà một mô hình thông thường không thể sánh được. Nếu BSA của Baidu thực sự giữ chất lượng ổn định khi ngữ cảnh tăng — tuyên bố là "duy trì hiệu suất mô hình" trong khi cắt giảm lưu trữ và tính toán KV-cache — thì chi phí của nhà vận hành trên mỗi triệu token ngữ cảnh sẽ giảm. Một nhà cung cấp đã dành nỗ lực nghiên cứu cho điều đó có thể tính giá cao hơn trên mỗi token một cách hợp lý mà vẫn rẻ hơn cho mỗi yêu cầu dài.

Vấn đề là điều này hoàn toàn chưa được kiểm chứng, và con số duy nhất có thể giải quyết được vấn đề — dung lượng bộ nhớ đệm hiệu dụng trên mỗi triệu token — vẫn chưa được công bố. Không có thẻ mô hình, không có báo cáo kỹ thuật, không có bảng đánh giá chuẩn. Mô tả sản phẩm của chính Baidu chỉ gói gọn trong một đoạn văn.

So sánh bằng chứng ở phía bên kia. Qwen 3.8 Flash có một trang của nhà cung cấp với tài liệu ở cấp độ token, một mô hình anh em có trọng số mở mà kiến trúc của nó có thể đọc được trong tệp cấu hình, và các phép đo của bên thứ ba về mô hình anh em đó. Bạn có thể không đồng ý với các con số của A​libaba, nhưng bạn có thể kiểm tra chúng.

Modality là bài toán khó hơn.

Giá cả là chuyện thương lượng. Phương thức là một bức tường.

Qwen 3.8 Flash chấp nhận văn bản, hình ảnh và video, và nội dung giới thiệu sản phẩm của nó nêu tên các công việc phát sinh từ đó: hiểu hình ảnh, phân tích tài liệu và cơ sở mã, phân tích biểu đồ, tương tác với màn hình máy tính, phân tích video dài. ERNIE Light DT 1.0 nhận văn bản và trả về văn bản.

Nếu bất kỳ phần nào trong pipeline của bạn liên quan đến ảnh chụp màn hình, trang quét, biểu đồ hay khung hình video, thì cuộc so sánh đã ngã ngũ trước khi giá thành được tính đến. Bạn hoặc phải đặt một mô hình OCR hoặc thị giác phía trước Light DT — làm tăng chi phí, độ trễ và thêm một kiểu lỗi — hoặc dùng một mô hình chấp nhận trực tiếp tệp đầu vào đó. Trong một pipeline hỗ trợ mà một nửa lượng đầu vào là ảnh chụp màn hình thông báo lỗi, “chỉ văn bản” không phải là hạn chế mà bạn tìm cách lách qua; đó là một hạng mục sản phẩm khác.

Trường hợp ngược lại cũng hoàn toàn có thật: công việc văn bản được tăng cường truy xuất, phân tích mã trên mã nguồn thuần, phân loại nhật ký, hỏi đáp tài liệu dài nơi tài liệu đã ở dạng văn bản. Ở đó, lợi thế đa phương thức chẳng đem lại lợi ích gì, và phép so sánh quay trở lại với giá và chất lượng — nơi Baidu vẫn đắt hơn 7,5 lần mà không có bằng chứng nào để chứng minh.

Ba cách mà khoản phí cao hơn có thể thực sự tự hoàn vốn

Thay vì mặc định rằng Baidu chỉ đơn thuần là quá đắt, dưới đây là những điều kiện cụ thể khiến việc chọn Light DT trở nên hợp lý — từng điều đều có thể kiểm chứng trong một buổi chiều.

Một: chất lượng vẫn được giữ vững ở 400.000 token trở lên.Cả Ling và Q​wen đều quảng cáo cửa sổ một triệu token; liệu một trong hai có bị suy giảm ở giữa một prompt rất dài hay không chính là điều mà các sơ đồ nén tuyên bố khắc phục. Nếu Light DT trả lời chính xác các câu hỏi ngữ cảnh sâu trong khi Q​wen 3.8 Flash bắt đầu bỏ lỡ phần giữa của tài liệu, thì mức giá cao hơn có cơ sở. Bài kiểm tra là một bộ câu hỏi có đáp án nằm ở độ sâu 5%, 50% và 95% trong cùng một tài liệu dài.

Thứ hai: thông lượng trên mỗi yêu cầu tốt hơn đáng kể. Nếu nén nghĩa là ít token bộ nhớ đệm hơn trên mỗi yêu cầu, nhà cung cấp có thể phục vụ nhiều yêu cầu dài đồng thời hơn trên cùng phần cứng — điều này có thể dẫn đến độ trễ thấp hơn khi chịu tải. Baidu không công bố con số thông lượng nào, và Q​wen cũng không công bố con số tương ứng nào, nên chỉ có thể đo lường điều này bằng cách chạy cả hai dưới mức đồng thời của riêng bạn.

Điểm thứ ba: thang suy luận xứng đáng với chi phí bỏ ra. Đặt effort thành none trên Light DT mang lại một lộ trình nhanh, rẻ cho việc phân loại và trích xuất, trong khi mức max cho bạn một mô hình biết suy nghĩ trên cùng một endpoint. Qwen 3.8 Flash có chế độ suy nghĩ nhưng thang điều chỉnh kém chi tiết hơn. Nếu bạn đang vận hành một endpoint cho hai công việc rất khác nhau, điều đó có giá trị kỹ thuật thực sự — dù không hẳn rõ ràng là giá trị $1.13 mỗi triệu.

Góc nhìn thực tế

Không điều nào trong ba điều kiện đó, xét riêng lẻ, có khả năng đủ để biện minh cho mức chênh lệch giá đầu vào gấp 7,5 lần, và ngay cả khi kết hợp lại, chúng vẫn chỉ vượt qua Q​wen nếu khối lượng công việc của bạn là ngữ cảnh dài, chỉ văn bản và nhạy cảm về chất lượng ở độ sâu. Đó là một phân khúc thực sự — khám phá chứng cứ pháp lý, hỏi đáp trên cơ sở mã lớn, rà soát tài liệu quy định — nhưng không phải thị trường tầng nhanh rộng lớn mà các mô hình này trên danh nghĩa cùng chia sẻ.

Cách giải thích dễ xảy ra hơn là cách ít tâng bốc nhất: Baidu đang định giá một endpoint mới, chưa được đo lường như một sản phẩm cao cấp vì họ có thể làm vậy, và mức giá sẽ thay đổi khi thị trường có ý kiến. Đó là một mô thức bình thường đối với lần niêm yết đầu tiên. Đó cũng là lý do không ai nên lập ngân sách dựa trên con số hiện tại.

Chạy cả hai mà không cam kết với bên nào

Qwen 3.8 Flash có trong danh mục của OrcaRouter với mức giá niêm yết của A​ibaba, không cộng thêm phụ phí, nghĩa là mức giá bạn thấy trên trang mô hình của chúng tôi chính là mức giá nhà cung cấp thu — và nếu A​ibaba giảm giá, mức giảm sẽ xuất hiện ở đây ngay trong ngày thay vì vào lần gia hạn hợp đồng tiếp theo.

Đặc điểm đó quan trọng hơn bình thường trong một so sánh như thế này, bởi vì toàn bộ tiền đề là một khoảng chênh giá mà chưa ai biện minh cho nó và bên nào cũng có thể thay đổi. Một lớp định tuyến liệt kê cả hai mức giá cạnh nhau và cho phép bạn gửi năm phần trăm lưu lượng đến mô hình mới trong khi giữ chín mươi lăm phần trăm ở mô hình đã biết, chính là cách để bạn biết liệu khoản phụ trội có thật hay không mà không phải đặt cược một phần tư ngân sách vào đó.

Tự động chuyển đổi dự phòng là nửa còn lại. Một mô hình được cung cấp bởi một nhà cung cấp duy nhất có một miền lỗi duy nhất; nếu Baidu gặp sự cố, đường xử lý ngữ cảnh dài của bạn sẽ bị ngừng. Định tuyến có thể chuyển sang một điểm cuối tương đương khi điểm cuối chính gặp lỗi chính là sự khác biệt giữa một tính năng bị suy giảm và một sự cố gián đoạn dịch vụ.

Việc cần làm trong tuần này

Hãy bắt đầu với Qwen 3.8 Flash trừ khi bạn có thể kể tên khối lượng công việc mà số tiền tăng thêm mua được thứ gì đó. Nó rẻ hơn trên mọi đơn vị, chấp nhận nhiều loại đầu vào hơn và đi kèm một phiên bản anh em mở có thể kiểm tra được. Ở mức $0,15 và $0,47 mỗi triệu token, một đánh giá nghiêm túc chỉ tốn vài xu.

Chỉ kiểm thử ERNIE Light DT 1.0 dựa trên đúng tuyên bố mà nó đưa ra. Hãy xây dựng một bài đánh giá ngữ cảnh dài — một bộ tài liệu 200.000 token với đáp án được cài ở ba độ sâu — và chạy nó trên cả hai mô hình. Nếu Light DT giữ được chất lượng ở những chỗ Qwen 3.8 Flash sa sút, bạn đã tìm ra lý lẽ cho mức giá cao cấp và có thể tranh luận bằng dữ liệu. Nếu không, bạn đã tự tiết kiệm cho mình một hóa đơn gấp 7,5 lần chỉ nhờ vào một đoạn văn của nhà cung cấp và một cái tên ghi là "light" nhưng lại tính phí như thể nó có nghĩa là "luxury".