ERNIE Light DT 1.0 對比 Qwen 3.8 Flash：付出更多，換來更少輸入

把 ERNIE Light DT 1.0 和 Qwen 3.8 Flash 放在同一行，三個數字自然會說明一切。百度每百萬輸入 token 收費 $1.13；阿里巴巴收費 $0.15。百度只提供文字；阿里巴巴接受文字、圖像和影片。百度尚未公布任何基準測試；阿里巴巴的模型則有完整文件的發布紀錄，並有可檢視的開放權重版本。Qwen 3.8 Flash 於 2026 年 8 月 26 日推出；ERNIE Light DT 1.0 於 2026 年 11 月 10 日出現，晚了兩個半月，輸入價格卻是七點五倍。

更新、更貴不一定就更差——架構會進步，而以 KV 快取壓縮為核心打造的模型，解決的正是通用型快速層處理不了的問題。但在這場比較中，舉證責任明確落在百度這一邊，而百度並沒有把它擔起來。

Qwen 3.8 Flash 究竟是什麼

A​libaba 的 Flash 層級是稀疏專家混合：專家主體有 1,250 億個參數，每個 token 約啟用 60 億個，外加 510 億參數的 n-gram 嵌入表，以及約 40 億個多 token 預測頭，磁碟上合計約 1,800 億個參數。48 層、512 個專家，以及由 Gated DeltaNet 與 Q​wen Sparse Attention 構成的混合注意力堆疊。

產品 SKU 於 QwenCloud 上提供，文件記載的預設上下文為一百萬個 token、最大輸入為 991,000 個 token，最大輸出為 131,072 個 token。具有相同架構的開放權重成品是 Qwen3.8-Flash-Next，依 Qwen Community License 發布；這是不同的物件，授權也不同——可用於檢視，但不能取代端點。

值得注意的是，Qwen 的稀疏注意力與百度的稀疏注意力正從相反方向解決同一個問題。Qwen 的 QSA 在微區塊層級運作，而非挑選個別 token，廠商稱這能大幅降低長上下文延遲。百度的 BSA 則搭配回饋驅動的歷史壓縮，轉而針對快取儲存與索引。兩者都押注推論的未來是低成本長上下文。他們只是對該從帳單的哪一部分下手意見不同。

這項比較，逐個維度來看

• 輸入價格 — ERNIE Light DT 1.0 為每百萬個 token 1.13 美元，而 Qwen 3.8 Flash 為 0.15 美元。百度貴 7.5 倍。

輸出價格 — 每百萬 3.94 美元對比 0.47 美元。百度貴 8.4 倍。

• 快取輸入 — 每百萬個 $0.113，相較之下為 $0.0184。兩者都提供十倍的快取讀取折扣；絕對差距為 6.1 倍。

• 上下文視窗 — {{1}}1,024,000 個 token，對比 1,000,000 個{{/1}}，而{{2}}Qwen 記載的最大輸入為 991,000 個 token{{/2}}。實質上是相同的上限。

• 最大輸出 — 兩者皆為 131,072 個 token。完全相同。

• 輸入模態 — 僅限文字，相對於文字、圖像與影片。

• 推理控制 — Light DT 上的四個分級等級（max、high、low、none），對比 Qwen 3.8 Flash 上支援有文件記載之最大權杖推理預算的彈性思考模式。

• 工具使用與結構化輸出——兩者皆支援，包括強制工具選擇。

• 獨立評分 — Light DT 尚未公布任何評分；Qwen 的 Flash-Next 同系列模型已在 Artificial Analysis Intelligence Index 上接受評測，而其分數屬於開放式產物，而非正式生產 SKU。

開放權重——Light DT 沒有；Qwen 則有依 Qwen 社群授權提供的同架構檢查點。

理論上可賺取七倍溢價的地方

值得替 Baidu 的立場做最強辯護，而不是直接否定它，因為這件事存在一種價格剛好合理的情況。

建立在壓縮之上的模型，原則上能以傳統模型無法匹敵的快取佔用，處理百萬 token 的請求。如果百度的 BSA 真能在上下文增長時讓品質保持平穩——其說法是「維持模型效能」，同時削減 KV-cache 儲存與運算——那麼營運商每百萬上下文 token 的成本就會下降。已為此投入研究心力的供應商，每 token 收取較高費用也合理，同時每次長請求仍更便宜。

問題在於，這完全未經證實，而唯一能釐清此事的數字——每百萬 token 的有效快取佔用量——尚未公布。沒有模型卡、沒有技術報告、也沒有基準測試表。Baidu 自家的產品說明只有一段。

比較另一方的證據。Qwen 3.8 Flash 有供應商頁面提供 token 層級的文件，有一個開放權重的同系列模型，其架構可直接從設定檔讀出，還有針對該同系列模型的第三方測量數據。你可以不同意 A​libaba 的數字，但你可以查核它們。

模態是更難的問題

價格是可以協商的，模態是一道牆。

Qwen 3.8 Flash 可接受文字、圖像與影片，其產品文案列出了由此衍生的用途：視覺理解、文件與程式碼庫分析、圖表分析、桌面互動、長影片分析。ERNIE Light DT 1.0 則接受文字並回傳文字。

如果您的流程有任何部分涉及螢幕截圖、掃描頁面、圖表或影片畫面，那麼在價格成為考量之前，比較就已經結束了。您要嘛在 Light DT 前面加上 OCR 或視覺模型——這會增加成本、延遲，還多出一種故障模式——要嘛改用能接受這類素材的模型。在客服流程中，若有一半的進線是錯誤訊息的螢幕截圖，「僅限文字」並不是您設法繞過的限制；它屬於另一個產品類別。

反向情形同樣真實：檢索增強型的文字工作、對純原始碼進行程式碼分析、日誌分流，以及文件本身已是文字形式的長篇文件問答。在這些場景中，模態優勢毫無用處，比較的重點又回到價格與品質——而百度依然貴上 7.5 倍，卻提不出任何證據。

{{1}}保費可能真的值得回本的三种方式{{/1}}

與其假定 Baidu 只是定價過高，以下是選擇 Light DT 會站得住腳的具體條件——每一項都能在一個下午內驗證。

第一：品質在 40 萬個 token 及以上仍能維持。Ling 與 Qwen 都宣稱具備百萬 token 的視窗；而兩者在極長提示的中段是否會劣化，正是壓縮方案聲稱能解決的問題。若 Light DT 能在深度脈絡問題上準確作答，而 Qwen 3.8 Flash 已開始漏掉文件的中段，那麼這筆溢價就有其道理。測試方式是針對同一份長文件，將答案分別置於 5%、50% 與 95% 深度處的一組問題。

第二：每次請求的吞吐量明顯更佳。如果壓縮意味著每次請求的快取 token 數更少，供應商就能在同一硬體上服務更多並行的長請求——這可能轉化為高負載下更低的延遲。百度並未公布吞吐量數字，Qwen 也沒有公布可相互對比的數字，因此這只能透過在你自己的並發環境下同時運行兩者來實測。

第三：推理階梯確實值得保留。在 Light DT 上將 effort 設為 none，可提供快速、低成本的分類與擷取途徑；設為 max 則能在同一個端點上獲得具備思考能力的模型。Qwen 3.8 Flash 雖有思考模式，但階梯分級較不細緻。如果你用同一個端點執行兩項差異極大的工作，這確實具有工程價值——儘管未必明顯值每百萬 1.13 美元。

務實的解讀

這三個條件中，任何一個單獨來看，都不太可能足以證明 7.5 倍的輸入費用溢價是合理的；而即使三者加在一起，也只有當你的工作負載屬於長上下文、純文字，且對深度處理的品質敏感時，才仍能勝過 Qwen。這確實是一個真實的細分市場——法律證據開示、大型程式碼庫問答、法規文件審閱——但這並不是這些模型名義上共同涵蓋的廣泛快速層級市場。

更有可能的解釋，也是最不體面的那一個：百度之所以能把一個全新、未經衡量的端點當成高階產品來定價，是因為它辦得到，而一旦市場有了看法，價格就會變動。對首次掛牌來說，這是再正常不過的模式。這也是為什麼任何人都不該把預算建立在目前的數字上。

同時運行兩者，但不對任何一方做出承諾。

Qwen 3.8 Flash 已列於 OrcaRouter 的目錄中，採用 A​libaba 的定價，未加任何加成，這表示您在我們模型頁面上看到的價格，就是供應商收取的價格——而且如果 A​libaba 降價，降幅會在同一天反映在這裡，而不是等到下一次合約續約時才反映。

那個特性在像這樣的比較裡比平常更要緊，因為整個前提就是一個沒有人說明過理由、而且買賣任一方都可能改變的價差。一個把兩邊價格並排列出的路由層，讓你把百分之五的流量送往新模型，同時把百分之九十五留在已知可用的那個上，這正是你查明那個溢價是否名副其實、又不必拿一季的預算去賭的方法。

自動容錯移轉是另一半。由單一供應商提供的模型只有單一故障域；如果 Baidu 發生事故，你的長上下文路徑就會中斷。當主要端點發生錯誤時，路由能夠退回至可比的端點，這正是功能降級與服務中斷之間的差別。

本週該做什麼

從 Qwen 3.8 Flash 開始，除非你能明確指出哪種工作負載值得多花那筆錢。它在每個計價單位上都更便宜，接受更多輸入類型，還附帶一個可檢查的開放同系列模型。以每百萬個 token 0.15 美元和 0.47 美元的價格來說，一次認真的評估只需幾美分。

只針對 ERNIE Light DT 1.0 所提出的特定主張來測試它。建立一項長上下文評估——一套 200,000 個 token 的文件集，並將答案埋設在三個深度——然後在兩個模型上執行。如果 Light DT 在 Qwen 3.8 Flash 失守的地方仍能維持品質，你就找到了支持溢價的理由，並能用數據加以論證。若非如此，你就只憑廠商的一段文字，以及一個嘴上說「light」、收費卻像在說「luxury」的名字，替自己省下了 7.5 倍的費用。