
Sage-S2.1-Flash vs. Qwen 3.8 Flash: Acht H200 gegen fünfzehn Cent
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 90 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 96 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNEUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 87 tok/s
- OrcaNEUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 133 tok/s
- OrcaNEUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 pro 1 Mio. Tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 152 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 pro 1 Mio. Tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenz
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenz
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 pro 1 Mio. Tokens · 219 tok/s
Die Modellkarte für Sage-S2.1-Flash ist einundzwanzig Bytes lang. Sie beginnt mit einem Lizenz-Header, nennt license: mit und endet dort. Es gibt keine Einführung, keine Benchmark-Tabelle, keine Kontextlänge, keinen vorgesehenen Verwendungszweck, keine Kontaktadresse. Das Repository selbst ist nicht leer – 120 Shards mit bfloat16-Gewichten, etwa 645 GB davon, plus eine Konfigurationsdatei, ein Chat-Template, eine Bereitstellungsanleitung und fünf kleine Ordner für wissenschaftliche Adapter –, doch alles, was ein Leser normalerweise heranziehen würde, um zu entscheiden, ob ihn das interessieren sollte, fehlt. Die Gewichte wurden am 15. November 2026 hochgeladen und bis zum 16. überarbeitet. InternLM, die Modellorganisation des Shanghai AI Laboratory, hat nichts angekündigt: keinen Blogbeitrag, kein Paper, keinen Beitrag auf der eigenen Website der Modellfamilie. Zum Zeitpunkt des Schreibens zeigt das Repo null Downloads für den Monat, ein Like und keinen Inferenzanbieter, der es bereitstellt.
Qwen 3.8 Flash ist die entgegengesetzte Art von Objekt. Alibaba hat es seit dem 26. August 2026 über QwenCloud für 0,15 US-Dollar pro Million Eingabe-Token und 0,47 US-Dollar pro Million Ausgabe-Token verkauft, seine Rate-Limits und seine Tool-Liste veröffentlicht, offene Gewichte unter dem Namen Qwen3.8-Flash-Next ausgeliefert und eine zwölfzeilige Benchmark-Tabelle auf dieser Karte platziert. Es ist auf OrcaRouter als qwen/qwen3.8-flash zum eigenen Listenpreis des Anbieters live. Sie können ihm in den nächsten dreißig Sekunden eine Anfrage senden.
Also ist dies kein Vergleich zweier Modelle, die man kaufen kann. Es ist ein Vergleich zwischen einem günstigen gehosteten Modell mit veröffentlichtem Preis und einem Mixture-of-Experts-Modell mit offenen Gewichten und 321 Milliarden Parametern, das keinen Preis, keinen Score und keine Ankündigung hat – und die ehrliche Frage ist nicht, welches besser ist, denn das kann noch niemand beantworten. Sie lautet, ob es ein besserer Einsatz von Geld ist, acht H200 für das ungemessene Modell hochzufahren, als fünfzehn Cent pro Million Tokens für das gemessene zu zahlen, und für wie viele Teams diese Antwort jemals ja lautet.
Was das Sage-S2.1-Flash-Repository tatsächlich beweist
Fakten zuerst, denn sie sind zahlreicher, als die leere Karte vermuten lässt. Die Parameteranzahl im Gewichtsindex beträgt 321.323.031.390, und der Deployment-Leitfaden rundet das auf „320B-A18B“ — 320 Milliarden insgesamt, 18 Milliarden aktiv pro Token. Die Textkonfiguration umfasst 45 Schichten, von denen 34 Linear-Attention-Schichten der Gated-Delta-Net-Art und 11 Sparse-Attention-Schichten aus der DeepSeek-Linie sind, mit 288 gerouteten Experten, von denen acht plus ein geteilter Experte pro Token aktiv werden, einer Hidden-Size von 4.096 und einem Vokabular von 154.880 Token. Die maximalen Positions-Embeddings sind auf 1.048.576 gesetzt.

Die Lizenz ist MIT, ohne eine Zusatzklausel zur zulässigen Nutzung im Repository. Das ist einen Moment des Innehaltens wert: ein multimodales 321B-MoE unter einer permissiven Lizenz, ohne Zugangsbeschränkung beim Download, ist ein selteneres Objekt, als die Stille darum vermuten lässt.
Die Abstammungslinie ist nachprüfbar und leicht überraschend. Der Architektur-String ist glm5_next, die Klasse ist Glm5NextForConditionalGeneration, und der Deployment-Leitfaden sagt unmissverständlich, dass das Modell die GLM-5.3-Flash-Architektur verwendet und dass die zu befolgenden Framework-Rezepte die offiziellen GLM-5.3-Flash-Rezepte sind, wobei der Modellpfad ausgetauscht wird. Das ältere, größere Sage-S2.1 — 753B Parameter, Architektur glm_moe_dsa, immer noch mit einer „Atria Dawn“-Modellkarte, die es als auf einem 744B-GLM-5.2-Backbone aufbauend beschreibt — gehört einer völlig anderen Backbone-Generation an. Flash ist kein destilliertes S2.1. Es ist ein neues, kleineres Modell, das auf einer neueren Architektur aus einem anderen Labor aufbaut und denselben Familiennamen trägt.
Dieser Familienname ist selbst ein bewegliches Ziel. Das alte Repository internlm/Atria-Dawn leitet jetzt auf internlm/Sage-S2.1 weiter, und die Karte des Weiterleitungsziels sagt in jeder Überschrift weiterhin „Atria Dawn“ – die Umbenennung erfolgte, ohne dass die Dokumentation nachzog. Wer früher im Jahr die Berichterstattung zu Atria Dawn gelesen hat und jetzt nach „Sage“ sucht, sollte verstehen, dass es sich um dasselbe Repository unter zwei Namen handelt und dass Flash sein neues, schlankeres Geschwister ist.
Die wissenschaftlichen Adapter sind der Teil des Repositories, den ohnehin keine Herstellerankündigung erklärt hätte. Unter projectors/sage-s2.1-flash/ liegen fünf kleine Ordner – cif/jarvis, dna/splice, ecg/phu01, eeg/neu06, protein-seq/mpbind –, die jeweils eine Konfigurationsdatei und einen Projektor von vier bis achtundzwanzig Megabyte enthalten, der einen wissenschaftlichen Feature-Stream in den 4.096 breiten Raum des Backbones abbildet. Kristallstrukturen laufen durch einen CHGNet-0.3.0-Encoder, einen 64-dimensionalen Zustand pro Atom. Proteinsequenzen laufen durch ESM2-t33-650M, einen Zustand der letzten Schicht pro Rest. Der DNA-Adapter ist ein aufgabenangepasster DNABERT2-Readout über drei Features; die ECG- und EEG-Adapter sind ähnlich klein und aufgabenspezifisch. Der gesamte Gewichtsumfang aller fünf: unter 90 MB – gegenüber 645 GB für das Sprachmodell.
Diese Konfigurationsdateien verraten außerdem die Herkunft, die die Modellkarte verschwiegen hat. Sie nennen das Checkpoint-Verzeichnis des Backbones, die Datumsstempel des Trainingslaufs und eine Fingerprint-Kennung mit dem Wert sage-s2.1-flash-hf111-bf16-norm-261113 – 13. November 2026, zwei Tage bevor die Gewichte auftauchten. So wird die Abstammung hier belegt: nicht durch eine Pressemitteilung, sondern durch ein Konfigurationsfeld, das beim Verpacken nicht entfernt wurde.
Was Qwen 3.8 Flash veröffentlicht – und was nicht.
Der Kontrast besteht nicht darin, dass Qwen ehrlich ist und Sage nicht. Er besteht darin, dass der eine Anbieter sein Produkt dokumentiert und der andere noch nicht dazu gekommen ist. Alibabas Modellkarte für Qwen 3.8 Flash nennt einen Kontext von 1.000.000 Token mit einer maximalen Eingabe von 991.000 Token, einer maximalen Ausgabe von 131.072 Token und einem Reasoning-Budget von 262.144 Token; multimodale Eingaben über Text, Bild und Video mit Textausgabe; Function Calling, strukturierte JSON-Ausgabe, Präfix-Vervollständigung, Kontext-Caching, Batch-Verarbeitung und Fine-Tuning; sowie sowohl die Anfrageprotokolle von OpenAI als auch von Anthropic, weshalb es sich unverändert in Claude Code und Codex einsetzen lässt.
Das dahinterstehende Open-Weights-Artefakt ist Qwen3.8-Flash-Next, veröffentlicht am 24. August 2026: 125 Mrd. Parameter, davon 6 Mrd. aktiviert, plus eine 51-Mrd.-N-Gramm-Embedding-Tabelle und ein 4-Mrd.-Multi-Token-Prediction-Head, 48 Schichten, angeordnet als zwölf Wiederholungen aus drei Gated-Delta-Net-Blöcken und einem Sparse-Attention-Block, 512 Experten, wobei pro Token zehn geroutete plus ein gemeinsamer aktiv sind, sowie 262.144 Token nativer Kontext, erweiterbar auf eine Million. Alibaba beschreibt das gehostete Qwen 3.8 Flash als diese Architektur plus Produktionsfunktionen – das standardmäßige 1M-Fenster und die integrierten Tools sind die Ergänzungen. Die Gewichte stehen unter der Qwen-Community-Lizenz, nicht unter MIT.
Die Benchmark-Tabelle auf dieser Karte wurde vom Anbieter angegeben und nicht unabhängig reproduziert. Lies sie mit diesem Etikett: DeepSWE 1.1 bei 58,7, SWE-bench Pro bei 62,5, SWE-bench Multilingual bei 81,0, NL2Repo-Bench bei 48,1, CoWorkBench bei 73,9, JobBench bei 55,7, Toolathlon Verified bei 73,5, IFBench bei 81,3, GPQA Diamond bei 91,7, HLE bei 35,9, LiveCodeBench v6 bei 91,9 und Agents' Last Exam bei 24,3 pass@1 mit einem Score von 51,2. Diese Zahlen sind Alibaba, das sich in einem Vergleichsset, das einen 397B-Vorgänger und ein Claude-Modell umfasst, selbst benotet. Sie sind dennoch sehr viel mehr, als Sage-S2.1-Flash zu bieten hat, nämlich gar nichts.

Stellen Sie die beiden hinsichtlich der Dimensionen gegenüber, auf die es bei einer Kaufentscheidung tatsächlich ankommt:
• Gesamtparameter — Sage-S2.1-Flash 321B, davon 18B pro Token aktiv, gegenüber Qwen 3.8 Flash 125B plus einer 51B-N-Gramm-Tabelle, davon 6B aktiv
• Kontext — 1.048.576 konfigurierte Token gegenüber 1.000.000 veröffentlichten, bei einer maximalen Eingabe von 991.000 und einer maximalen Ausgabe von 131.072 auf der Qwen-Seite
• Eingabepreis — Sage-S2.1-Flash hat keinen, da nichts ihn bereitstellt, im Vergleich zu 0,15 $ pro Million Tokens
• Ausgabepreis — keiner gegenüber 0,47 $ pro Million, mit Cache-Lesevorgängen zu 0,0184 $ pro Million in unserem Listing
• Lizenz — MIT, ohne Zugangsbeschränkung, im Vergleich zur Qwen-Community-Lizenz
• Veröffentlichte Bewertung — null Benchmarks gegenüber einer zwölfzeiligen Anbietertabelle, nicht reproduziert
• Serving-Gewicht — 645 GB bfloat16 verteilt auf 120 Shards oder 328 GB in der FP8-Schwestervariante, gegenüber einem gehosteten Endpoint
Der Preisvergleich, der eigentlich eine Frage der Investitionsausgaben ist
Für Sage-S2.1-Flash gibt es keinen Preis pro Token, mit dem man ihn mit 0,15 US-Dollar vergleichen könnte, denn das Modell hat nirgendwo einen gehosteten Endpunkt. Was es gibt, ist eine Bereitstellungsanforderung: acht H200 für den bfloat16-Checkpoint, laut der Referenzkonfiguration des Deployment-Leitfadens selbst. Der Vergleich ist also nicht Cent gegen Cent, sondern Miete gegen Token, und er läuft auf eine einzige Zahl hinaus, die niemand veröffentlicht hat.
Nehmen wir einen repräsentativen Preis von 3 $ pro GPU-Stunde für eine H200 — eine Annahme, keine Preisauskunft, und der Betrag variiert je nach Cloud und Vertragsbindung. Acht davon kosten 24 $ pro Stunde, 576 $ pro Tag, etwa 17.500 $ pro Monat, bevor auch nur eine einzige Anfrage bedient wurde. Zu Alibabas Tarifen kauft man für 576 $ 3,84 Milliarden Input-Tokens oder 1,23 Milliarden Output-Tokens. Die Break-even-Frage ist also, ob Ihr Traffic andernfalls mehr als 576 $ pro Tag für Qwen 3.8 Flash ausgeben würde — was ungefähr 3,8 Milliarden Input-Tokens entspricht, jeden Tag, dauerhaft.
Dieser Vergleich ist nur gültig, wenn man weiß, wie viele Tokens pro Sekunde Sage-S2.1-Flash auf acht H200s erzeugt. Niemand hat das gemessen, und das Repository sagt es nicht. Die Anzahl aktiver Parameter vermittelt eine grobe Intuition – 18B aktiv gegenüber 6B aktiv legt nahe, dass das Sage-Modell pro generiertem Token etwa dreimal so viel Rechenleistung kostet –, aber Intuition ist keine Durchsatzzahl, und ohne eine solche hat die obige Break-even-Rechnung auf beiden Seiten eine Unbekannte. Das FP8-Geschwistermodell senkt das residente Gewicht von 645 GB auf 328 GB, was ändert, welche Hardware man braucht; es sagt einem nicht, wie schnell das Ergebnis läuft.
Für die meisten Teams ist dieses Unbekannte das ganze Argument. Ein Modell, dessen Durchsatz man nicht benchmarken kann, ist ein Modell, dessen Kosten man nicht bestimmen kann, und ein Modell, dessen Kosten man nicht bestimmen kann, ist kein Kandidat für einen Produktionspfad – es ist ein Forschungsobjekt. Das ist keine Kritik an der Veröffentlichung; genau dafür ist ein unangekündigter Release da.
Die Asymmetrie der Beweislage, klar gesagt
Zwei Modelle, zwei Fehlermodi der Evidenz. {{1}}Qwen 3.8 Flash{{/1}} verfügt über vom Anbieter gemeldete Benchmarks und {{2}}zweiundachtzig Tage{{/2}} Nutzung durch Dritte, was bedeutet: {{3}}seine Zahlen sind nicht geprüft{{/3}}, aber {{4}}sein Verhalten ist zumindest beobachtbar{{/4}}: Es gibt Leute, die es ausführen, darüber berichten und in der Öffentlichkeit an seine Grenzen stoßen. {{5}}Sage-S2.1-Flash{{/5}} hat weder das eine noch das andere. {{6}}Seine 645 GB an Gewichten{{/6}} sind ein stärkerer Beleg für ein echtes Modell als ein Leak oder ein Screenshot — {{7}}dies ist ein ausgeliefertes Artefakt, kein Gerücht{{/7}} — aber {{8}}Gewichte sind ein Beleg für Existenz, nicht für Qualität{{/8}}.
Die konkreten Punkte, die sich heute nicht wissen lassen: wie Sage-S2.1-Flash bei irgendetwas abschneidet; wie schnell es dekodiert; ob seine 1M-Positions-Embeddings über längere Kontexte hinweg standhalten oder so degenerieren, wie es die meisten Long-Context-Erweiterungen tun; ob der Vision-Tower in seiner Konfiguration auf Produktionsniveau trainiert oder aus dem Backbone übernommen wurde; ob die wissenschaftlichen Projectors auf irgendetwas jenseits ihrer eigenen Trainingsverteilungen evaluiert werden; und was InternLM gegebenenfalls für eine gehostete Version zu verlangen gedenkt. Das Repository beantwortet nichts davon. Wer etwas anderes behauptet, extrapoliert aus dem Ruf des Backbones – ein vernünftiger Prior und keine Messung.
Wofür das Modell tatsächlich gedacht ist
Die Projektoren verraten es. Niemand schraubt fünf Adapter für wissenschaftliche Modalitäten als nachträgliche Ergänzung an ein allgemeines Chatmodell; die Ordnerstruktur, die aufgabenspezifischen Prompt-Vorlagen und die Encoder-Entscheidungen beschreiben ein Modell, das darauf ausgelegt ist, Kristalle, Spleißstellen, Herzsignale, Hirnsignale und Proteinsequenzen als vollwertige Eingaben statt als Textbeschreibungen dieser Dinge zu lesen. Kristallstrukturen werden als Atomzustände mit einer Obergrenze von 512 Atomen tokenisiert; Proteinsequenzen tragen Zustände pro Residuum mit einem optionalen wissenschaftlichen Readout-Kopf; der DNA-Adapter ist ein Wahrscheinlichkeits-Readout über ein einzelnes Objekt.
Qwen 3.8 Flash macht das nicht. Es liest Bilder, Videos und Text und tut dies mit veröffentlichten Zahlen zu visuellen Benchmarks – CharXiv, MathVision, ERQA, LVBench, OSWorld 2.0 –, aber ein als PNG gerendertes Kristallgitter ist kein Kristallgitter. Wenn Ihr Workload Strukturbiologie, Material-Screening oder die Analyse physiologischer Signale umfasst, dann ist die ehrliche Lesart, dass diese beiden Modelle nicht um dieselbe Aufgabe konkurrieren und der Qwen-Vergleich eher ein Preisanker als ein Ersatz ist. Wenn Ihr Workload Text und Code umfasst, sind die Projektoren irrelevant und Sage-S2.1-Flash ist ein 321B-Chatmodell ohne Karte.
Eine Warnung zur Multimodalitätsfrage, denn die Konfiguration lädt zu einer Überinterpretation ein. Das Repo enthält einen 24-schichtigen Vision-Tower mit Hidden Size 1.024, 448-Pixel-Eingaben und 14-Pixel-Patches, Start- und End-Tokens für Bild und Video sowie eine Chat-Vorlage mit Slots für Bild, Video und Audio. Doch die Vorlage ist die Vorlage der GLM-5.3-Familie, für die Audio-Slots gibt es keine entsprechende Audiokonfiguration, und die einzige medienspezifische Anweisung im Deployment-Leitfaden betrifft Bilder, die in Tool-Ergebnissen eintreffen. Behandeln Sie den Tower als vorhanden und undokumentiert: Die Gewichte sind darauf ausgelegt, mehr als Text aufzunehmen, und es bleibt unklar, womit die Veröffentlichung Sie ihn füttern möchte.
Die Reibung, die nicht null ist
Sage-S2.1-Flash selbst zu hosten ist nicht damit getan, vLLM auf ein Repository zu richten. Aus dem Deployment-Leitfaden ergeben sich drei Anforderungen, und die zweite ist die unangenehme.
• --trust-remote-code ist bei jeder Engine Pflicht — das Repository bringt einen eigenen Tokenizer und Prozessor mit, und ohne dieses Flag laden die Engines stillschweigend einen Standard-Tokenizer, der Zeichenketten wie <tool_call> als Control-Tokens statt als Text kodiert, wodurch Reasoning und Tool-Aufrufe ohne jede Warnung fehlschlagen
• vLLM 0.33.0 benötigt einen bereitzustellenden Patch für vllm/renderers/hf.py, denn wenn parallele Tool-Ergebnisse außerhalb der Aufrufreihenfolge zurückkommen, rendert die Vorlage sie in Aufrufreihenfolge, während vLLM ihre Bilder in Nachrichtenreihenfolge sammelt und dadurch stillschweigend jedes Bild dem falschen Ergebnis zuordnet; der Upstream-Fix ist noch ein Entwurf eines Pull Requests
LMDeploy benötigt transformers zwischen 5.17 und 5.19, weil 5.19 den Layer-Typ umbenennt, den die Engine nicht akzeptiert; SGLang benötigt 0.5.20 oder neuer sowie das explizit übergebene Chat-Template des Repositorys, da SGLang andernfalls sein eigenes integriertes Template für die Architektur installiert.
Jedes davon ist ein dokumentierter Workaround für ein Modell, das einen Tag alt ist, und der Leitfaden räumt offen ein, dass sich die Frameworks noch weiterentwickeln. Nichts davon ist unvernünftig; all das ist Engineering-Zeit, die Qwen 3.8 Flash nicht verlangt, denn im gehosteten Betrieb sind es nur eine Basis-URL und ein API-Schlüssel.
Ein Schlüssel, zwei sehr unterschiedliche Stufen der Verbindlichkeit
Qwen 3.8 Flash ist auf OrcaRouter als qwen/qwen3.8-flash zum Listenpreis von Alibaba verfügbar, ohne Aufschlag durchgereicht — 0,15 $ pro Million Input-Token, 0,47 $ pro Million Output-Token, 0,0184 $ pro Million für Cache-Lesevorgänge, ein Kontextfenster von 1.000.000 Token und eine Obergrenze von 131.072 Output-Token. QwenClouds eigene Seite nennt 0,016 $ für die implizite Cache-Variante; die Durchreichungsregel bedeutet, dass Sie Änderungen von Alibaba am selben Tag erhalten und nicht erst zur nächsten Vertragsverlängerung. Sage-S2.1-Flash ist nicht im Katalog und nichts stellt es bereit, daher gibt es hier keine Route dorthin und keinen Grund, etwas anderes vorzugeben.

Wofür die Routing-Schicht in dieser Situation wirklich gut ist, ist die Evaluierung günstig und umkehrbar zu halten. Führe das Sage-Experiment auf deiner eigenen Hardware durch, falls du sie hast, behalte Qwen 3.8 Flash als Produktionsroute und lass eine Failover-Kette hinter dem neuen Pfad stehen, damit ein Modell mit leerer Karte am ersten Tag, an dem es echten Datenverkehr verarbeitet, niemals zu einem Single Point of Failure wird. Dieselbe Idee gilt für die schwierigere Frage – Modellfusion, bei der ein Panel einen Prompt mit mehreren Modellen beantwortet und ein Richter sie miteinander abgleicht: Sie ist der günstigste Weg herauszufinden, ob ein 321B scientific MoE seine Miete wert ist: Du migrierst nicht, du fragst beide und liest die Antworten.
Wer sollte was auswählen?
Wenn Sie in diesem Quartal Text oder Code ausliefern, ist Qwen 3.8 Flash die belastbare Antwort, und Sage-S2.1-Flash ist überhaupt keine Antwort. Das Qwen-Modell ist pro Token günstiger als fast alles auf seinem Fähigkeitsniveau, ausreichend gut dokumentiert, um damit planen zu können, ausreichend klar lizenziert, um es einzusetzen, und öffentlich beobachtbar. Seine Benchmarks stammen von Alibaba selbst und sollten als Behauptungen behandelt werden, aber eine Behauptung plus zweiundachtzig Tage Erfahrung anderer Leute schlägt ein Schweigen plus drei Tage ohne jede Erfahrung.
Wenn Sie in der Strukturbiologie, im Protein-Design, mit Materialien oder physiologischen Signalen arbeiten, kehrt sich die Rechnung um. Die fünf Projektoren im Repository Sage-S2.1-Flash sind eine Fähigkeit, die weder Qwen 3.8 Flash noch die meisten offenen Modelle zu irgendeinem Preis bieten, die Lizenz ist MIT, und die Hardware-Anforderung – acht H200s oder weniger mit dem FP8-Checkpoint – ist die Art von Kosten, die eine Forschungsgruppe ohnehin schon trägt. Der richtige Schritt ist, es herunterzuladen, die CPU-seitigen Projektor-Prüfungen auszuführen, die das Repository mitliefert, und die beiden Dinge zu messen, die es Ihnen nicht verrät: den Decode-Durchsatz auf Ihrer Hardware und die Genauigkeit auf Ihrem eigenen Holdout-Set. Das ist eine Woche Arbeit, und es ist der einzige Weg, auf dem dieses Modell zu einer Entscheidung statt zu einer Kuriosität wird.
Der dritte Fall ist der größte. Wenn du nur neugierig bist, ist die richtige Haltung, auf eine Model Card zu warten. Wenn InternLM eine veröffentlicht, werden die Zahlen, die zählen, diejenigen sein, die dieses Repository nicht liefern kann – Durchsatz, Verschlechterung bei langem Kontext, ob der Vision Tower live ist und wie die Projektoren außerhalb ihrer Trainingsverteilungen abschneiden. Bis dahin ist Sage-S2.1-Flash ein reales Artefakt mit einer ungelesenen Spezifikation, und das Nützlichste daran ist, dass die Gewichte existieren, nicht zugangsbeschränkt sind und unter MIT stehen – was bedeutet, dass du, wenn jemand es tatsächlich misst, keine Erlaubnis brauchst, um seine Arbeit zu überprüfen.
In diesem Artikel verglichen1
Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert
