ERNIE Light DT 1.0 的成本是百度 280B Flash 模型的四倍

Baidu 最新的小型模型，定价却像大型模型。ERNIE Light DT 1.0，于 2026 年 11 月 10 日上线，标价为每百万输入 token 1.13 美元、每百万输出 token 3.94 美元。而ERNIE 5.5 Flash Preview——来自同一实验室、拥有 2800 亿参数，输出上限更高，价目表却低得多——标价分别为 0.28 美元和 1.13 美元。把这两行放在一起看，这个名字就说不通了：名为 Light 的模型反倒是贵的那个，输入价格是后者的四倍，输出价格是后者的三倍半。

这种倒挂并不是价目表上的笔误，而是理解这次发布最值得先弄明白的一点。百度并没有推出一个更便宜的 Flash。它推出的是另一种对象——一种为解决某种根本不会出现在按 token 计价的价格表上的成本问题而构建的对象，并且其定价方式仿佛它为你省下的东西比它所收费的 token 更有价值。

实际发表的是什么，以及何时发表

该模型显示为baidu/ernie-light-dt-1.0-intl——其中 -intl 后缀表示国际端点，而非中国大陆的千帆 SKU——快照标记为2026年11月10日。它由百度直接提供服务，而非通过经销商网络，且为文本输入、文本输出。不支持图像、音频或文件。

定义其形态的两个数字是 1,024,000 token 的上下文窗口和 131,072 token 的最大输出。在 2026 年末，这些并不罕见；百万 token 窗口在中国开放权重层级中已是基本门槛，而且自夏天以来一直如此。不寻常的是，一个其自家厂商文案将其描述为轻量的模型却拥有百万 token。

百度的描述很短，值得引用而不是转述，因为这是该公司唯一的技术性声明：该模型“基于开源GLM模型”，“包含百度搜索闪电大模型的研究成果”，并且“采用百度稀疏注意力（BSA），这是百度文心开发的一种独特的稀疏注意力机制”。

稀疏注意力、历史压缩，以及 Light 模型为何能获得一百万 token

那一段里包含三个论断，它们各自发挥着不同的作用。

首先是血统。一个基于 G​LM 构建的百度模型并非小事——G​LM 是 Z.ai 的架构系列，而百度公开这么说，说明这是一种适配策略，而不是一次从零开始的预训练。百度在这里并不是在宣称一个全新的基础模型。它宣称的是更好的运行方式。

第二个是搜索领域的关联。百度搜索的“Lightning”系列是支撑搜索产品自身答案生成的模型系列，这意味着它是在非常特定的压力下优化出来的：巨大的查询量、较长的检索上下文，以及严格的延迟预算。能在这种环境中经受住考验的研究发现，往往关注的是内存流量，而不是基准测试分数。

第三项——也是能解释价格的那一项——是 BSA 加上 Baidu 所称的“反馈驱动的历史压缩”，其表示这项技术“改进了历史信息的存储和索引”，并“在保持模型性能的同时显著降低了 KV 缓存的存储和计算成本”。

去掉营销话术，这本质上是一个 KV 缓存的故事。在标准 Transformer 中，把长对话或长文档保留在上下文里的成本，会随着你保留的每一个 token 而增长，因为每一层都会为每个位置缓存键和值。正是这个缓存，使得即便模型本身很小，百万 token 窗口的服务成本依然高昂。压缩方案恰恰针对这一点：不保留原始的逐 token 缓存，而是保留对遥远过去的一种紧凑、带索引的表示，长上下文账单就会下降。

这正是 Baidu 在 ERNIE 5.5 Flash 中以不同方式解决的同一个问题：其中 43 层里有 37 层使用 Heavily Compressed Attention——每 128 个 token 缓存一个条目——而六层则通过带稀疏注意力的 MLA 保留完整的 token 级访问。Light DT 似乎在同一方向上更进一步：更多压缩，以及对被压缩内容更好的索引。Baidu 尚未公布层数、参数量或压缩比，因此它推进到什么程度尚不可知。

从该架构可以推出一个定价假设，而它之所以只是假设，是因为 Baidu 尚未表态：如果你的工作负载主要由缓存驻留而非新 token 主导，那么供应商可以按 token 收取更高费用，同时仍然是每次请求更便宜的选择。这是否属实，完全取决于 Baidu 尚未公布的一个数字——每百万上下文 token 的有效缓存占用。

价格，以买家实际使用的单位表示

按 token 计的费率，如下所列：

• 输入 — ERNIE Light DT 1.0 为每百万 token 1.13 美元，而 ERNIE 5.5 Flash Preview 为 0.28 美元。Light DT 的价格是前者的 4.0 倍。

• 输出——每百万 $3.94，对比 $1.13。Light DT 的价格是其 3.5 倍。

• 缓存输入 — 每百万 $0.113，对比 $0.028。Light DT 的价格是其 4.0 倍，而且两者对缓存读取的计价均仅为全新输入的十分之一。

• 上下文 — 两者均为 1,024,000 个 token。

• 最大输出 — Light DT 为 131,072 个 token，而 ERNIE 5.5 Flash Preview 为 921,600 个。这是小模型真正更小的唯一一行，相差达七倍。

• 模态 — Light DT 仅支持文本；Preview 端点也同样仅支持文本。

输出上限就是线索。ERNIE 5.5 Flash Preview 被打造为可输出极长的回答——90 万个 token 的输出量不是聊天模型该有的数字，而是用于批量生成、长文本合成或从不裁剪的智能体转录的数字。Light DT 的 131,072 是一个正常、宽裕、毫不起眼的输出预算。百度刻意给服务成本最高的那部分设了上限。

所以这个产品的形态是：对每一个进入的 token 收取溢价，并且不让模型漫无边际地输出。对于一个昂贵资源在于其所承载的上下文、而非其所写文本的模型来说，这是一套自洽的定价。

该端点会做什么，不会做什么

能力范围比价格所暗示的更广，却比名称所暗示的更窄。

• 推理是可选的，并且可调。共提供四档力度：max、high、low 和 none，其中 max 为默认值。对于这一层级的模型而言，能够将力度设为 none 至关重要：这正是同一端点上延迟敏感型分类器与思考模型之间的区别。

• 支持工具调用，包括强制工具选择。函数调用、结构化输出和 JSON 响应格式均可用，这使其不仅可作为文本生成器，还可作为智能体循环中的规划器使用。

• 采样方式很常规——temperature、top_p、max_tokens——没有暴露任何异常设置，也看不到某些中国实验室所提供的那种奇特解码调节项的影子。

• 它接收文本并返回文本。如果你的流程向它输入 PDF 扫描件、截图或通话录音，你就需要在它前面加一个 OCR 或转录步骤，而该步骤有其自身的成本和自身的失效模式。

• 它由单一提供商提供服务。单厂商端点背后没有故障转移，因此百度发生故障，就是你的产品发生故障。这是采购层面的事实，而非批评。

缺少什么

有三处缺口，而它们都出现在同一个地方：证据。

没有基准测试。没有厂商表格，没有图表，连一个数字都没有——Baidu 的发布文案只提出了一项机制性主张，然后就到此为止。也没有任何独立评测机构为它列出条目。Artificial Analysis 收录了 ERNIE 5.5 系列以及大多数中国快速档模型的条目，却没有给这个模型打分。因此，今天对其质量最诚实的说法是：在每个维度上都是未知，包括 Baidu 实际上在推销的那个维度——压缩是否会在长上下文下牺牲准确率。

没有权重。ERNIE 5.5 Flash Base 于 2026 年 11 月 5 日发布开放权重，参数量为 280B，其许可证将欧盟、英国和韩国排除在外。Light DT 仅以 API 形式提供，没有公开仓库，也没有模型卡。如果你想查看其压缩方案，无从查看。

而且，“DT”并没有定义。Baidu 尚未发布术语表条目，这两个字母也无法对应到公司现有命名中的任何内容——其中 Flash 表示廉价档位，Base 表示预训练检查点，而 Preview 表示托管的指令模型。在 Baidu 说明 DT 代表什么之前，把它当作产品代码，而不是描述。

该如何称呼它，以及在此期间该做什么

目前，ERNIE Light DT 1.0 可通过百度自有 API 以及提供国际端点的第三方平台访问。它不在 OrcaRouter 的目录中——在围绕它制定计划之前，请先对照实时模型列表进行核对——所以这不是我们给你一个密钥和一个价格就能完成的事情。

今天真正值得做的事，是去测量价格所依赖的那个变量。取你产品实际发送的最长上下文——检索到的文档、滚动累积的对话、代码库切片——把它发给你已经能够调用的模型。记录下输入 token 数、缓存 token 数（如果服务商提供这项数据），以及窗口最深处所用的实际耗时（wall-clock latency）。决定压缩缓存模型到底是省钱还是溢价的，正是这个数字，而不是每 token 的单价。如果你的流量从未超过 32,000 个 token，那百度所推销的这套架构对你毫无价值，每百万 1.13 美元就纯粹是应有价格的四倍之多。

第二件值得做的事，是让替换成本保持低廉。一个没有基准测试、价格高出四倍的模型之所以还能被讨论，是因为不尝试它而选择别的方案并不是重写——而是改一个 base URL。把你的长上下文流量通过一个暴露每模型价格的端点路由，这样的模型就可以在周二被放到 10% 的流量后面，并在周三被移除。这是评估一个未经实测的版本的唯一负责任方式：小规模暴露、真实流量，以及一个可以按请求而不是按账单看清的价格。

需要关注的事项，按顺序如下：一张包含参数数量和压缩比的模型卡；一份首次独立评估，最好分别报告 128K 和 1M 下的结果，而不是给出一个单一的平均分；以及一次价格变动。最后一项信息量最大。对轻量模型收取四倍溢价，要么是在说明缓存经济性，要么只是一个占位符；区分二者的办法，就是看它能否撑过第一个季度。