ERNIE Light DT 1.0 对比 Qwen 3.8 Flash：付出更多，输入更少

把ERNIE Light DT 1.0和Qwen 3.8 Flash放在同一行，三个数字就能说明问题。百度每百万输入 token 收费 1.13 美元；Alibaba 收费 0.15 美元。百度只提供文本；Alibaba 接受文本、图像和视频。百度尚未公布任何基准测试结果；Alibaba 的模型背靠一个有文档记录的发布，还有一个可供查看的开放权重孪生版本。Qwen 3.8 Flash 于 2026 年 8 月 26 日发布；ERNIE Light DT 1.0 于 2026 年 11 月 10 日出现，晚了两个半月，输入价格却是 Qwen 的七倍半。

更新、更贵并不自动意味着更差——架构会进步，而围绕 KV-cache 压缩构建的模型，解决的是通用型快速层解决不了的问题。但在这场比较中，举证责任明确落在百度一边，而百度尚未承担起来。

Qwen 3.8 Flash 究竟是什么

Alibaba 的 Flash 档位采用稀疏混合专家架构：专家主体拥有 1250 亿参数，每个 token 约激活 60 亿参数；此外还有 510 亿参数的 n-gram 嵌入表，以及约 40 亿参数的多 token 预测头，磁盘上总计约 1800 亿参数。共 48 层、512 个专家，并采用由 Gated DeltaNet 和 Qwen Sparse Attention 构建的混合注意力堆栈。

该产品的 SKU 在 QwenCloud 上提供，文档记录的默认上下文为 100 万 token，最大输入为 991,000 token，最大输出为 131,072 token。具有相同架构的开放权重制品是 Qwen3.8-Flash-Next，依据 Q​wen Community License 发布；这是一个具有不同许可证的不同对象——可用于检查，但不能替代端点。

值得注意的是，Qwen 的稀疏注意力与百度的稀疏注意力正从相反方向解决同一个问题。Qwen 的 QSA 在微块层面运作，而不是选择单个 token，厂商称这能显著降低长上下文延迟。百度的 BSA 则搭配反馈驱动的历史压缩，转而针对缓存存储和索引。两者都押注推理的未来是以低成本实现长上下文。他们只是对该从账单的哪一部分开刀存在分歧。

比较，逐维度进行

• 输入价格——ERNIE Light DT 1.0 为每百万 token 1.13 美元，而 Qwen 3.8 Flash 为 0.15 美元。百度贵出 7.5 倍。

输出价格——每百万 3.94 美元，相比之下为 0.47 美元。百度贵 8.4 倍。

缓存输入——每百万 $0.113，对比 $0.0184。两者均提供十倍的缓存读取折扣；绝对差距为 6.1 倍。

• 上下文窗口——1,024,000 个 token，对比 1,000,000 个；Qwen 文档中记录的最大输入为 991,000 个 token。实际上上限相同。

• 最大输出 — 两者均为 131,072 个令牌。完全相同。

• 输入模态——仅文本，对比文本、图像和视频。

• 推理控制 —— Light DT 上设有四个分级级别（最高、高、低、无），与 Qwen 3.8 Flash 上灵活的思考模式形成对比，该模式支持有文档说明的最大 token 推理预算。

• 工具使用和结构化输出——两者均支持，包括强制工具选择。

• 独立评分 —— Light DT 未公布任何独立评分；Qwen 的 Flash-Next 同系列模型已在 Artificial Analysis Intelligence Index 上接受测评，该得分归属于开放产物，而非量产 SKU。

• 开放权重——Light DT 无；Q​wen 则有一个同架构检查点，采用 Q​wen 社区许可证。

理论上可以获得七倍溢价的地方

值得为百度的立场做最强有力的辩护，而不是直接否定，因为存在一种情况，在这种情况下这个价格是合理的。

基于压缩构建的模型，原则上可以用传统模型无法匹敌的缓存占用，来服务百万 token 的请求。如果 Baidu 的 BSA 确实能在上下文增长时保持质量不下降——其宣称是在削减 KV-cache 存储和计算的同时“维持模型性能”——那么运营方每百万上下文 token 的成本就会下降。为此投入研究精力的厂商，可以合理地对每个 token 收取更高费用，同时在每个长请求上仍然更便宜。

问题在于，这一点完全未经证实，而那个本可一锤定音的数字——每百万 token 的有效缓存占用——尚未公布。没有模型卡，没有技术报告，也没有基准测试表。百度自己的产品描述也只有一段。

对比另一边的证据。Qwen 3.8 Flash 有一个提供 token 级文档的厂商页面，有一个开放权重的同系列模型——其架构可直接从配置文件中读取，还有针对该同系列模型的第三方测量结果。你可以不同意 Alibaba 的数字，但你可以核查它们。

模态是更棘手的问题

价格可以谈判，模态却是一堵墙。

Qwen 3.8 Flash 接受文本、图像和视频，其产品文案列出了由此衍生的工作：视觉理解、文档与代码库分析、图表分析、桌面交互、长视频分析。ERNIE Light DT 1.0 接收文本并返回文本。

如果你的流水线任何环节涉及截图、扫描页面、图表或视频帧，那么还没等到比较价格，比较就已经结束了。你要么在 Light DT 前面加一个 OCR 或视觉模型——这会增加成本、延迟和一种故障模式——要么使用能够接受这类产物的模型。在一个半数入站内容都是错误消息截图的支持流水线中，“仅文本”并不是你要设法绕开的限制；它属于另一个产品类别。

反例同样真实存在：检索增强的文本处理、对纯源码的代码分析、日志排查，以及文档本身已是文本的长篇文档问答。在这些场景中，模态优势毫无价值，比较便回到价格与质量上——而百度依然贵出 7.5 倍，且拿不出任何证据。

高级版可能真正物有所值的三种方式

与其假定 Baidu 只是定价过高，不如说，在以下具体条件下选择 Light DT 才是站得住脚的——每一条都能在一个下午内验证。

第一：在 40 万 token 及以上，质量依然保持。Ling 和 Qwen 都宣称拥有百万 token 的上下文窗口；它们是否会在超长提示词的中段出现性能下降，正是压缩方案声称要解决的问题。如果 Light DT 能在深度上下文问题上准确作答，而 Qwen 3.8 Flash 开始漏掉文档中段的信息，那么溢价就有理由。测试采用一组问题，其答案分别位于同一份长文档的 5%、50% 和 95% 深度处。

第二：单请求吞吐量显著更优。如果压缩意味着每个请求所需的缓存 token 更少，那么厂商就能在同一硬件上服务更多并发长请求——这在高负载下可转化为更低的延迟。百度未公布任何吞吐量数据，Qwen 也未公布可与之对比的数据，因此只有在你自己的并发条件下同时运行两者，才能真正测出这一点。

第三点：推理阶梯物有所值。在 Light DT 上把 effort 设为 none，可为分类和抽取提供一条快速、廉价的路径；而设为 max，则能在同一端点上得到一个思考模型。Qwen 3.8 Flash 有思考模式，但阶梯的粒度更粗。如果你用同一个端点来跑两种截然不同的任务，这确有实打实的工程价值——尽管其价值未必明显值每百万 1.13 美元。

现实的解读

这三项条件中的任何一项都不太可能单独证明 7.5 倍输入溢价的合理性；而即使三者叠加，也只有在你的工作负载属于长上下文、纯文本且对深度质量敏感时，才能胜过 Qwen。这确实是一个真实存在的细分市场——法律取证、大型代码库问答、监管文件审阅——但它并不是这些模型名义上共同覆盖的广阔快速层市场。

更可能的解释也是最不讨好的那个：Baidu 之所以能把一个全新、尚未经过衡量的端点当作高端产品来定价，是因为它有能力这么做；而一旦市场有了判断，价格就会变动。这对首次挂牌来说是一种正常模式。这也是为什么任何人都不该基于当前这个数字来编制预算。

同时运行两者，但不对任何一方做出承诺

Qwen 3.8 Flash 已按阿里巴巴的标价列入 OrcaRouter 目录，未加任何加价，这意味着您在我们模型页面上看到的价格就是厂商收取的价格——如果阿里巴巴降价，降价当天就会在这里体现，而无需等到下一次合同续约。

在这样一次比较中，这一点比平时更为重要，因为整个前提就是一个没人给出合理解释、且任何一方都可能随时改变的价格差。一个能并排列出两个价格的路由层，让你把百分之五的流量发给新模型、同时把百分之九十五留在已知的那个模型上，这才是判断溢价是否真实、又不必拿一个季度的预算去赌的办法。

自动故障转移是另一半。由单一供应商提供服务的模型只有一个故障域；如果百度发生事故，你的长上下文路径就会中断。当主端点出错时能够回退到同类端点的路由，正是功能降级与完全中断之间的差别。

本周做什么

先从 Qwen 3.8 Flash 开始，除非你能明确指出，多花的钱在哪个工作负载上能换来实际收益。它在每个计价单位上都更便宜，支持更多输入类型，并且配有一个可检查的开源同系列模型。按每百万 token 0.15 美元和 0.47 美元计算，一次认真的评估只需几美分。

仅针对 ERNIE Light DT 1.0 所宣称的具体能力进行测试。构建一个长上下文评测——一套 200,000 token 的文档集，答案埋设在三个深度层级——并在两个模型上运行。如果 Light DT 在 Qwen 3.8 Flash 失手的地方依然保持质量，你就找到了为溢价买单的理由，并能用数据来论证。如果它做不到，你就凭一段厂商说辞，以及一个名字自称“轻量”、收费却像在说“奢华”的模型，省下了一笔 7.5 倍的开支。