Eine generierte Titelkarte mit der Aufschrift „Sage-S2.1-Flash vs Claude Haiku 5.5“ über dem Untertitel „Die Kosten eines Tokens vs. die Kosten eines Kontextfensters“, darunter zwei Chips mit der Aufschrift „Preiskluft bei 100K-Token“ und „acht H200s“. Weißer Hintergrund, blau- und cyanfarbene Gradient-Akzente, flache Linien-Icons. Das OrcaRouter-Logo ist in die untere rechte Ecke eingebettet.
Guides & Insights

Sage-S2.1-Flash vs. Claude Haiku 5.5: Die Kosten eines Tokens vs. die Kosten eines Kontextfensters

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Claude Haiku 5.5 und Sage-S2.1-Flash werben beide mit einem Kontextfenster von einer Million Token, und ungefähr dort endet die Ähnlichkeit. Claude Haiku 5.5, am 7. Oktober 2026 von Anthropic veröffentlicht, hat eine veröffentlichte Preisliste, eine unabhängige Leaderboard-Wertung und eine gehostete API. Sage-S2.1-Flash, am 15. November 2026 stillschweigend vom Shanghai AI Laboratory auf Hugging Face hochgeladen, hat 645 Gigabyte MIT-lizenzierte Gewichte, eine 21-Byte-Modellkarte und nirgends im Internet einen Preis. Ein Vergleich pro Million Token ist daher unmöglich – nicht schwierig, sondern unmöglich, weil eine Seite der Messskala leer bleibt.

Der Vergleich, der tatsächlich funktioniert, ist ein anderer, und er ist der, um den es auf dieser Seite geht: was jedes Modell Ihnen für langen Kontext berechnet. Auf dieser Achse liegen die beiden nicht nah beieinander, und die Antwort ist nicht die, die die Listenpreise vermuten lassen.

Zwei Beschaffungsprobleme, die denselben Benchmark-Namen tragen

Beginnen wir damit, was jede Seite tatsächlich ist, denn die Benennung lädt zu einem Kategorienfehler ein. Claude Haiku 5.5 ist ein proprietäres Text- und Bildmodell aus Anthropics kleiner Stufe – das Modell, das der Anbieter für „hochvolumige, latenzempfindliche Aufgaben wie Klassifizierung, Extraktion und Routing“ positioniert. Es nutzt adaptives Denken mit einem standardmäßig auf medium gesetzten Effort-Parameter, gibt bis zu 128.000 Ausgabe-Tokens zurück und ist über die API als claude-haiku-5-5 auf Anthropics eigener Plattform sowie über die vier großen Cloud-Wiederverkaufskanäle erreichbar.

Sage-S2.1-Flash ist ein wissenschaftliches Agentenmodell mit offenen Gewichten: ein Mixture-of-Experts-Modell mit 320 Milliarden Parametern, davon 18 Milliarden pro Token aktiv, aufgebaut auf der GLM-5.3-Flash-Architektur, in bfloat16 verpackt mit etwa 645 GB über 120 Shards. Seine Konfiguration gibt eine Positionsobergrenze von 1.048.576 Token, einen 24-schichtigen Vision-Tower sowie explizite Token-Typen für Bild, Video, Audio und Denken an. Es ist MIT-lizenziert und herunterladbar, und Stand 16. November bot es kein Inferenzanbieter an, und kein unabhängiges Test-Harness hatte es bewertet.

Das eine ist eine Rechnungsposition. Das andere ist ein Wochenende und ein GPU-Knoten. Diese Asymmetrie macht den gesamten Vergleich aus, und alles Folgende ist die Arithmetik, die sich daraus ergibt.

A generated two-column comparison scoreboard titled 'Sage-S2.1-Flash vs Claude Haiku 5.5 - the scoreboard'. The Sage-S2.1-Flash column reads: Price: none published; Context: 1,048,576 tokens; Weights: MIT, about 645 GB; Hardware: 8xH200 to self-host; Independent score: none; Long-prompt surcharge: none. The Claude Haiku 5.5 column reads: Price: $0.10 / $0.50; Context: 1,000,000 tokens; Weights: proprietary; Hardware: vendor-hosted API; Independent score: AA Index 36.5; Long-prompt surcharge: 5x above 100K. Footer: 'Sage figures the vendor's own, unaudited; Haiku 5.5 price from Anthropic, score per Artificial Analysis.' The OrcaRouter logo is composited in the bottom-right corner.

Die 100.000-Token-Klippe, die niemand in die Schlagzeile setzt

Anthropic veröffentlicht die Preisgestaltung von Claude Haiku 5.5 in zwei Tarifstufen statt nur einer, und in der zweiten Tarifstufe wird das eigene Kontextversprechen des Modells teuer:

• Prompts bis zu 100.000 Tokens — 0,10 $ pro Million Input, 0,50 $ pro Million Output

• Prompts mit mehr als 100.000 Tokens — 0,50 $ pro Million Eingabe, 2,50 $ pro Million Ausgabe

Cache-Schreibvorgang, fünf Minuten — 0,125 $ und 0,625 $ pro Million, nach derselben Aufteilung

• Cache-Lesevorgang — 0,01 $ pro Million unter 100K, 0,05 $ darüber

• Batch-API — 50 % Rabatt auf beide Seiten

Das ist ein fünffacher Sprung, und er setzt genau bei der Prompt-Länge ein, ab der sich ein Long-Context-Modell gerade erst zu bezahlen lohnt. Ein Prompt mit 150.000 Tokens und einer Antwort mit 5.000 Tokens kostet 150.000 × 0,50 $/1 Mio. = 0,075 $ für die Eingabe plus 5.000 × 2,50 $/1 Mio. = 0,0125 $ für die Ausgabe, also 0,0875 $. Bei der Rate für unter 100K hätte derselbe Aufruf 0,015 $ und 0,0025 $ gekostet — 0,0175 $. Das fünfmal so große Kontextfenster kostet nicht fünfmal so viel wie ein 100K-Aufruf; gemessen an der Rate, die Sie einen Moment zuvor gezahlt haben, kostet es für dieselben Tokens etwa fünfmal so viel und für genau diesen Aufruf elfmal so viel.

Es gibt einen zweiten Multiplikator, der zusätzlich obendrauf kommt, und er ist leicht zu übersehen, weil er in der Dokumentation steht und nicht in der Preistabelle: Claude Haiku 5.5 verwendet den mit Claude 4.7 eingeführten Tokenizer, sodass derselbe Text grob 30 Prozent mehr Tokens zählt als auf Claude Haiku 4.5. Was Sie auch immer pro Dokument kalkulieren, multiplizieren Sie es mit 1,3, bevor Sie den Tarif anwenden. Anthropic ist diesbezüglich ungewöhnlich explizit, was für Anthropic spricht, doch die Auswirkung auf ein naives Kostenmodell ist real: Eine Workload, die von 4.5 auf 5.5 migriert wird, läuft bei unveränderter Token-Schätzung um fast ein Drittel über.

Nichts davon macht Claude Haiku 5.5 in absoluten Zahlen teuer. 0,10 $ pro Million Input-Tokens ist der günstigste Tarif aller aktuellen Frontier-nahen Modelle, und das unabhängige Leaderboard bestätigt, dass diese Stufe kein Spielzeug ist: Claude Haiku 5.5 erreicht bei maximalem Aufwand 36,5 Punkte im Artificial Analysis Intelligence Index – mehr als die 32,6 von DeepSeek V4.1 Flash und die 30,8 von Gemini 3.8 Flash. Der Punkt ist enger und nützlicher: bei diesem Modell ist die Prompt-Länge der Preishebel, nicht die Modellwahl.

Was langer Kontext kostet, wenn man die Gewichte selbst besitzt

Führe nun die gleiche Rechnung für Sage-S2.1-Flash durch. Es gibt keine Preisliste, daher ist das Token an der Marge kostenlos – aber das Fenster ist es nicht, denn die Gewichte müssen irgendwo gehalten werden. InternLMs eigener Deployment-Leitfaden nennt die Referenzkonfiguration: acht H200-GPUs, bfloat16, Tensor-Parallelität von acht.

Die Arithmetik ist unspektakulär und entscheidend. 645 GB Gewichte auf acht Karten sind etwa 81 GB pro Karte. Eine H200 hat 141 GB HBM, wodurch rund 60 GB pro Karte für KV-Cache, Aktivierungen und den Arbeitsspeicherbedarf des Vision Towers bleiben. Die Anleitung sagt ausdrücklich, dass man auf Hopper keinen FP8-KV-Cache verwenden soll, sodass diese 60 GB in bfloat16 belegt werden — dem teuersten verfügbaren Cache-Format pro Token. Ein Kontext von einer Million Token ist in diesem Rahmen erreichbar, aber nur, weil die hybride Attention des Modells die meisten Layer linear hält: 34 der 45 Layer verwenden den linearen Attention-Typ, den die Konfiguration kda nennt, und nur 11 verwenden sparse Attention mit einem Top-2.048-Index. In einem herkömmlichen 45-Layer-Transformer würde ein KV-Cache für eine Million Token überhaupt nicht passen.

Der ehrliche Kostenvergleich lautet also nicht „kostenlos gegenüber 0,10 $“, sondern „acht H200, von Ihnen dimensioniert und gemietet, gegenüber einer nutzungsabhängig abgerechneten API, deren Preis sich oberhalb von 100K verfünffacht“. Ab welcher Auslastung das erste das zweite schlägt, hängt vollständig von Ihrem Stundensatz für diese GPUs und davon ab, wie viele Stunden am Tag sie ausgelastet sind — und da es keinen veröffentlichten Sage-Preis und keine unabhängige Durchsatzangabe dafür gibt, erfindet jeder, der Ihnen einen Break-even-Punkt nennt, einen solchen.

Screenshot of the OrcaRouter model page for anthropic/claude-haiku-4.5. The header shows a 200K-token context, 64K max output, vision, tools, JSON and reasoning tags, a release date of 2025-10-15, and the price row $1.00 input and $5.00 output per million tokens. A context window of 200,000 tokens and an output limit of 64,000 tokens are stated in the page's model description, along with text, image and file inputs.

Die Evidenzlücke, klar ausgedrückt

Beide Modelle haben Benchmark-Werte. Nur einer dieser Sätze kann gegen irgendetwas überprüft werden.

Claude Haiku 5.5 wird von einem Drittanbieter gemessen. Artificial Analysis setzt es bei maximalem Aufwand auf 36,5 im Intelligence Index, mit gemeldeten 257 Tokens pro Sekunde Ausgabe. Das ist eine geprüfte Zahl aus einem Harness, der dieselben Tests für jedes Modell ausführt, das er aufführt, und genau das macht sie für eine Entscheidung nutzbar.

Sage-S2.1-Flash wird nur von seinen Autoren gemessen. Die Zahlen von InternLM liegen in einer tabulatorgetrennten Datei in einem am 16. November erstellten GitHub-Repository, veröffentlicht auf einer statischen Website unter internlm.github.io/Sage-S2.1-Flash, auf die die Hugging-Face-Modellkarte nicht verlinkt. Die Tabelle hat 35 Zeilen und vergleicht Sage mit acht Modellen. Ihre starken Zeilen sind die wissenschaftlichen und Vision-Zeilen – BabyVision mit 75,8 gegen Claude Opus 5 mit 63,1, OSWorld-G mit 84,8 gegen DeepSeek-V4.1-Flash-1017 mit 61,4, OfficeQA Pro V2 mit 72,2, der beste Wert in ihrer eigenen Tabelle. Ihre Coding-Zeilen sind unspektakulär: SWE-bench Pro 60,6, DeepSWE 67,0, beide hinter DeepSeek V4.1 Flash.

Claude Haiku 5.5 taucht in dieser Tabelle überhaupt nicht auf. Gemini 3.8 Flash ebenso wenig. Der eine Vergleich, den jemand, der nach genau dieser Gegenüberstellung sucht, eigentlich will – das günstige gehostete Modell gegen das herunterladbare wissenschaftliche –, hat also auf beiden Seiten keine Herstellerdaten und auf einer Seite keine unabhängigen Daten. Sagen lässt sich, dass die veröffentlichten Zeilen von Sage bei wissenschaftlichen Benchmarks im Opus-Bereich liegen, während seine Coding-Zeilen unter einem Modell liegen, das 0,30 US-Dollar pro Million Input-Token kostet, und dass ein Vorsprung von 24 Punkten bei BabyVision entweder eine echte Fähigkeit ist oder ein für dieses Modell anders gelesener Benchmark. Ohne Harness lässt sich nicht sagen, was davon zutrifft.

Screenshot of Anthropic's Claude Platform documentation page for Claude Haiku 5.5. The page states a 1M-token context window, a 128K max output, and pricing 'from $0.10' input and 'from $0.50' output per million tokens, and notes that the model uses the same newer tokenizer as Claude 4.7 and later models, so the same text counts as approximately 30 percent more tokens than on Claude Haiku 4.5. A 'How it compares' table lists Claude Fable 5.2, Claude Opus 5.5, Claude Sonnet 5.5 and Claude Haiku 5.5 with their context, output, price, latency and default effort.

Wo jedes einzelne tatsächlich gewinnt

Entferne die Teile, die nicht verglichen werden können, und eine saubere Trennung bleibt übrig.

• Massenarbeit mit hohen Latenzanforderungen — eindeutig Claude Haiku 5.5. Klassifizierung, Extraktion, Routing und Subagent-Aufrufe zu $0.10/$0.50 mit veröffentlichter Bewertung sind ein gelöstes Problem. Sage-S2.1-Flash kann hier nicht mithalten: Sie würden acht GPUs mieten, um Arbeit zu erledigen, die eine nutzungsbasierte API für ein paar Cent erledigt.

• Prompts zwischen 100K und 1M Tokens — echt umstritten und wird eher durch Auslastung als durch Verdienst entschieden. Claude Haiku 5.5 berechnet in diesem Bereich das Fünffache seines Grundpreises; Sage berechnet dir die amortisierten Kosten der Hardware, die du bereits gemietet hast. Wenn dein Node ausgelastet ist, gewinnt Sage bei den Kosten. Wenn nicht, dann nicht.

• Wissenschaftliche multimodale Eingabe — Sage-S2.1-Flash, gestützt auf seine eigenen Angaben. Molekülgraphen, Kristallstrukturen, Proteinsequenzen, Spektren, Massenspektren, XRD, EKG, EEG und Lichtkurven sind die Eingaben, mit denen InternLM nach eigenen Angaben trainiert wurde, und es ist das einzige der beiden, dessen Dokumentation sie namentlich nennt. Betrachten Sie das als Designaussage, nicht als gemessenes Ergebnis.

• Alles, was diese Woche einen Vertrag braucht — Claude Haiku 5.5. Das eine hat einen Preis, eine Statusseite und eine Stilllegungszusage nicht vor dem 7. Oktober 2027. Das andere hat eine leere Modellkarte und zum Zeitpunkt des Schreibens null Downloads.

• Datenresidenz und Eigentum an den Gewichten — Sage-S2.1-Flash, bedingungslos. MIT-Gewichte, die man halten, prüfen und feinabstimmen kann, sind eine andere Art von Asset als eine API, und kein Preisunterschied ändert das.

Das eine technische Detail, das über die meisten Migrationen entscheidet

Wenn Sie eine Long-Context-Pipeline zwischen diesen beiden verschieben, wird das blockierende Problem nicht die Qualität sein. Es werden die Tokenisierung und Tool-Aufrufe sein.

Claude Haiku 5.5 hat die Tokenizer-Generation geändert, was bedeutet, dass jeder Prompt, den du für Claude Haiku 4.5 abgestimmt hast, neu gemessen werden muss, und jede Chunking-Strategie, die ein Token-Budget vorausgesetzt hat, jetzt um etwa 30 Prozent danebenliegt. Anthropic stellt genau dafür einen Migrationsleitfaden bereit, und es lohnt sich, ihn zu lesen, bevor du eine Konfigurationsdatei anfasst.

Sage-S2.1-Flash hat eine schärfere Version desselben Problems, und es ist der eine Punkt in seiner Bereitstellungsanleitung, den man vor allem anderen lesen sollte. Sein Tokenizer muss aus dem Repository geladen werden – der mitgelieferte in vLLM, SGLang oder LMDeploy kodiert agentische Syntax wie Tool-Call-Marker als Steuer-Token statt als Text, und das Modell beendet eine Runde vorzeitig, ohne dass ein Fehler angezeigt wird. Dahinter verbergen sich zwei weitere Fallstricke: Ein paralleler Tool-Aufruf, der außer der Reihenfolge eintrifft, ordnet bei vLLM ohne einen Ein-Datei-Patch Bilder dem falschen Ergebnis zu, und SGLang überschreibt die Chat-Vorlage, es sei denn, ihm wird die Datei explizit übergeben. Für eine Migration bedeutet das praktisch, dass sich der Aufwand für die Token-Zählung verdoppelt – einmal für Anthropics neuen Tokenizer, einmal für den benutzerdefinierten von InternLM – und keiner lässt sich aus dem anderen abschätzen.

Those three items are, in practice, the difference between "Sage-S2.1-Flash is a model I evaluated" and "Sage-S2.1-Flash is a model I gave up on". They are all documented, which is more than most quiet releases manage.

Ohne Preis zu einer Entscheidung kommen

Claude Haiku 5.5 ist heute nicht im OrcaRouter-Katalog; es läuft über Anthropics eigene API und über die großen Cloud-Wiederverkaufskanäle, und wir werden nichts anderes suggerieren. Geroutet wird die vorherige Generation — anthropic/claude-haiku-4.5 zu 1,00 $ pro Million Input und 5,00 $ pro Million Output, Listenpreis ohne Aufschlag weitergegeben — die nach wie vor der ehrliche Maßstab dafür ist, was Anthropics kleine Stufe kostet, bevor die 5.5-Stufe sie um den Faktor zehn senkte. Wenn Sie Ihre echten Prompts durch 4.5 laufen lassen, erhalten Sie gemessene Token-Zahlen mit derselben Tokenizer-Familie, und gemessene Token-Zahlen sind das Einzige, was die obige Frage nach der 100K-Klippe klärt: Ob Ihr Traffic darunter liegt, darüber oder genau auf der Grenze, entscheidet den gesamten Vergleich auf eine Weise, die keine Benchmark-Zeile abbilden kann.

Wenn der Anbieter schließlich einen Preis für Sage-S2.1-Flash veröffentlicht oder ein unabhängiger Prüfstand es bewertet, kommt es auf das Durchreichmodell an: Ein Katalog, der den Listenpreis des Anbieters am selben Tag widerspiegelt, an dem eine Preissenkung greift, ist der Weg, um diesen Vergleich nicht jedes Quartal neu verhandeln zu müssen.

Was würde diese Seite verändern?

Eine einzige Zahl würde den Großteil der Arbeit erledigen: ein Preis pro Token für {{1}}Sage-S2.1-Flash{{/1}}. Damit würden die {{2}}100K-Klippe{{/2}} auf der einen und der {{3}}amortisierte Knoten{{/3}} auf der anderen Seite zu einer echten Break-even-Rechnung statt nur zu einer Form. Eine zweite Zahl würde fast ebenso viel helfen – ein unabhängiger Score für {{4}}Sage{{/4}}, idealerweise auf demselben Harness, der {{5}}Claude Haiku 5.5{{/5}} auf 36,5 brachte, sodass man die beiden voneinander subtrahieren kann, statt sie zu erzählen.

Bis dahin ist dies die vertretbare Position: Claude Haiku 5.5 ist der günstigere Weg, eine sehr große Zahl kleiner Dinge zu erledigen, und genau dort wird es teuer, wo sein Kontextfenster interessant wird. Sage-S2.1-Flash ist der günstigere Weg, ein sehr großes Modell zu besitzen, und es ist noch kein Weg, irgendetwas zu kaufen. Die Wahl zwischen ihnen ist keine Geschmacksfrage bei Benchmarks. Es ist eine Frage dessen, ob Ihre Arbeitslast in Tokens oder in Knoten gemessen wird – und wenn Sie das noch nicht beantworten können, ist der ehrliche nächste Schritt, Ihren eigenen Traffic zu bepreisen, nicht einen weiteren Vergleich zu lesen.

In diesem Artikel verglichen1

Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert