Ultramarine 1 Flash vs. Claude Haiku 4.5: Zwei Kosten-pro-Aufgabe-Zahlen, die nicht dasselbe messen

Die beiden Modelle in diesem Vergleich veröffentlichen beide Kosten pro Aufgabe, und die Versuchung besteht darin, die Zahlen nebeneinanderzustellen und zu subtrahieren. Paper Instruments gibt an, Ultramarine 1 Flash erledigt eine Aufgabe für 0,13 $. Artificial Analysis misst Claude Haiku 4.5 in seiner Reasoning-Konfiguration mit 0,28 $ pro abgeschlossener Intelligence-Index-Aufgabe. Der eine Wert liegt bei weniger als der Hälfte des anderen, und wenn das das ganze Bild wäre, würde die Entscheidung zehn Sekunden dauern. Es ist nicht das ganze Bild, denn diese beiden Zahlen stammen aus unterschiedlichen Suiten, die das Modell unterschiedliche Dinge tun lassen, und zu verstehen, welche Suite Ihrer Arbeit ähnelt, ist der gesamte Vergleich. Die Raten selbst liegen noch weiter auseinander: 0,15 $ pro Million Eingabe und 0,50 $ Ausgabe für das Modell von Paper Instruments gegenüber 1,00 $ und 5,00 $ für das Modell von Anthropic — eine 6,7-fache Lücke bei der Eingabe und 10-fach bei der Ausgabe.

Es gibt eine zweite Asymmetrie. Claude Haiku 4.5 hat eine veröffentlichte Punktzahl von einem Labor, das nicht sein Hersteller ist. Ultramarine 1 Flash hat eine veröffentlichte Punktzahl von dem Unternehmen, das es trainiert hat, auf einer Suite, die dieses Unternehmen entwickelt hat. Beide Tatsachen sind hier wichtiger als jede einzelne Benchmark-Zahl, und keine von beiden zeigt sich in einem direkten Vergleich.

Die beiden Tarifkarten und die Zeile, die nicht bei beiden gleich ist

Die Ultramarine-Zahlen sind die von Paper Instruments veröffentlichten API-Preise und die eigenen veröffentlichten Evaluierungen. Die Preisgestaltung von Claude Haiku 4.5 ist die Preisliste von Anthropic; seine Evaluierungswerte sind Messungen von Artificial Analysis und als solche gekennzeichnet.

• Eingabe — Ultramarine 1 Flash 0,15 $ pro Million Tokens vs. Claude Haiku 4.5 1,00 $. Das Modell von A​nthropic kostet bei der Eingabe 6,7-mal so viel.

• Zwischengespeicherte Eingabe — 0,03 $ vs. 0,10 $ pro Million, ein Rabatt von 90 % auf der Anthropic-Seite gegenüber einem Rabatt von 80 % auf der Paper-Instruments-Seite. Die absolute Lücke bleibt groß, die proportionale wird kleiner.

• Ausgabe — 0,50 $ vs. 5,00 $ pro Million. 10-fach, und das ist die Zeile, in der der Unterschied tatsächlich zum Tragen kommt, denn Dokumentenarbeit erzeugt sehr viel Ausgabe.

• Kontext — 131.072 Token in der Trainingskonfiguration, die der technische Bericht angibt, gegenüber 200.000 auf der Haiku-Preisliste. Anthropic hat rund 1,5-mal so viele.

• Maximale Ausgabe – nicht veröffentlicht von Paper Instruments vs. 64.000 Tokens für Claude Haiku 4.5. Eine leere Zelle in der Liste.

• Eingaben — Claude Haiku 4.5 akzeptiert Text-, Bild- und Datei-Uploads. Ultramarine 1 Flash ist auf Text- und Dokumentenarbeit ausgerichtet; seine Basis, GLM-5.3 Flash, ist von Natur aus multimodal, aber Paper Instruments veröffentlicht keine Modalitätenliste für das Derivat.

• Gemessene Kosten pro abgeschlossener Aufgabe — 0,13 $ auf PI Knowledge Work für Ultramarine 1 Flash vs. 0,28 $ auf dem Intelligence Index für Claude Haiku 4.5 (Reasoning). Die Zahlen, die Leute sich gegenseitig um die Ohren hauen werden. Der nächste Abschnitt erklärt, warum sie nicht dieselbe Einheit sind.

Was jeder Score tatsächlich abdeckt

Die veröffentlichte Leistungsbilanz von Claude Haiku 4.5 gibt es in zwei Konfigurationen, und es lohnt sich, sie getrennt zu betrachten, denn ein Suchergebnis zeigt einem in der Regel die falsche. Artificial Analysis führt die Non-Reasoning-Konfiguration mit einem Intelligence Index von 15 und 87,3 Output-Tokens pro Sekunde auf. Die Reasoning-Konfiguration – diejenige, der eine Kosten-pro-Aufgabe-Angabe beiliegt und die dieser Artikel durchgängig verwendet – kommt auf einen Intelligence Index von 17, 90,0 Output-Tokens pro Sekunde, 1,00 $ für Input und 5,00 $ für Output pro Million, einen Cache-Rabatt von 90 %, 0,28 $ pro abgeschlossener Index-Aufgabe und 78 Millionen Output-Tokens an Ausführlichkeit. Ihr Kontextfenster umfasst 200.000 Tokens bei einem Wissens-Cutoff von Juli 2025, und sie akzeptiert Text und Bild.

Der Intelligence Index wird aus Mathematik-, Coding-, Reasoning- und agentischen Evaluierungen zusammengestellt. Keiner seiner Komponententests verlangt von einem Modell, ein Board Deck, ein Due-Diligence-Memo oder ein Excel-Modell mit einer darin enthaltenen Live-Prognose zu erstellen, weil diese Artefakte keine eindeutig richtige Antwort haben und ein Benchmark, der sie bewerten würde, eine Rubrik pro Aufgabe bräuchte.

Was genau das ist, was Paper Instruments entwickelt hat, und genau der Grund, warum der Vergleich keine Subtraktion sein kann. PI Knowledge Work ist eine Suite von kundenfertigen Deliverables in den Bereichen Finanzen, Recht, Beratung und Operations, die Aufgabe für Aufgabe anhand eigens verfasster Rubriken durch ein Rubrik-Bewertungsmodell benotet werden. Ultramarine 1 Flash erzielt dort 59,3 bei 0,13 $ pro Aufgabe. Eine Punktzahl von 59,3 auf einer Rubrik für Dokument-Deliverables und eine Punktzahl von 17 auf einem Mathematik-und-Coding-Index sind keine vergleichbaren Größen. Auch die Kostenangabe ist nicht vergleichbar, denn eine Aufgabe in der einen Suite kann um eine Größenordnung länger sein als eine Aufgabe in der anderen.

Was die Kombination tatsächlich unterstützt, ist enger gefasst und dennoch nützlich. Claude Haiku 4.5 wurde von jemandem gemessen, der kein Eigeninteresse daran hat, in Tests, die niemand bei Anthropic entworfen hat. Bei Ultramarine 1 Flash ist das nicht der Fall. Das ist keine Kritik an den Zahlen von Paper Instruments – das Unternehmen legt seine Methode mit ungewöhnlicher Detailtiefe offen –, sondern ein Unterschied in der Art der verfügbaren Belege, und ein Käufer, der die Wahl einem Risikoausschuss vorlegt, wird sofort darauf stoßen.

Wo Claude Haiku 4.5 ohne Widerspruch gewinnt

Drei Orte, und keiner davon hat damit zu tun, klüger zu sein.

Multimodale Eingabe ist am eindeutigsten. Ein gescannter Vertrag, ein Screenshot einer defekten Tabelle, ein Foto eines Whiteboards – all das gelangt über eine Schnittstelle, die dies seit einem Jahr unverändert unterstützt, in Claude Haiku 4.5. Ultramarine 1 Flash baut auf einem Basismodell auf, das Bilder und Videos liest, doch der Anbieter veröffentlicht keine Modalitätenliste für sein Derivat, und kein Beispiel im technischen Bericht hängt von einem Bild ab, das das Modell betrachten muss. Wenn Ihre Dokumente gescannt eintreffen, entscheidet dies die Frage für sich allein.

Die operative Reife ist der zweite Punkt. Bei einem Modell mit einem Jahr Produktionsverkehr im Rücken wurden seine Fehlermodi von Menschen gefunden und dokumentiert, die nicht dafür bezahlt wurden, sie zu finden. Bei einem Modell, das am 14. Oktober 2026 veröffentlicht wurde, ist das nicht der Fall, und in der ersten Woche eines jeden neuen Endpunkts erfährt man, wie es sich unter Last verhält.

Die unabhängige Verifizierung ist die dritte, und sie ist diejenige, die sich kumulativ auswirkt. Jeder zusätzliche Monat im Leben von Haiku 4.5 ist ein weiterer Monat, in dem jemand es für die eigene Arbeit einsetzte und aufschrieb, was geschah.

Wo die Lücke fast auf null schrumpft – und warum die Rechnung irreführend ist

Die Schlagzeile von 10x bei der Ausgabe ist real, und bei einem langen Dokumentjob erzeugt sie genau die Rechnung, die man vorhersagen würde. Was die Schlagzeile verbirgt, ist, dass die Kosten pro Aufgabe der beiden Modelle konvergieren können, weil eine Aufgabe auf PI Knowledge Work nicht dieselbe Arbeitsmenge ist wie eine Aufgabe auf dem Intelligence Index – und weil das Anthropic-Modell in der Praxis stark gecacht ist.

Auf der Paper Instruments-Seite gibt es eine kontraintuitive Zahl, die es wert ist, richtig gelesen zu werden. Über ihre sechs Benchmarks hinweg erzeugt Ultramarine 1 Flash 6,5 % weniger Ausgabe-Tokens als das GLM-5.3 Flash-Modell, aus dem es nachtrainiert wurde – 30,5 Millionen gegenüber 32,7 Millionen, Reasoning eingeschlossen – und erzielt dabei bei allen sechs bessere Werte. Eine Token-Effizienz, die sich verbessert, ist nicht die übliche Richtung für einen Post-Training-Lauf, und auf einer Preiskarte pro Million Token ist sie ein zweiter Rabatt, der auf dem ersten obendrauf liegt. Das ist der eine Vergleich auf der Paper Instruments-Seite, bei dem beide Seiten mit derselben Methode auf derselben Suite gemessen werden, was ihn zur vertrauenswürdigsten Zahl in der Veröffentlichung macht.

Dagegen ist Claude Haiku 4.5 in einem Vergleich, mit dem niemand wirbt, das günstigere Modell: Bei 0,28 $ pro abgeschlossener Index-Aufgabe ist es für eine Suite bepreist, deren Aufgaben kürzer und weniger agentisch sind als ein Due-Diligence-Memo. Setzt man jedem ein echtes juristisches oder finanzielles Deliverable vor, dann hat die Zahl von 0,13 $ nie dieselbe Arbeitseinheit gemessen wie die von 0,28 $.

Beide Modelle sind mit einem Schlüssel über OrcaRouter erreichbar, wenn du das lieber empirisch statt durch Lesen klären möchtest. Claude Haiku 4.5 wird für 1,00 $ und 5,00 $ pro Million Token angeboten, mit keinem Aufschlag pro Token — der Listenpreis des Anbieters wird direkt durchgereicht, sodass eine Tarifänderung des Anbieters noch am selben Tag bei uns live ist, was für ein Modell, dessen Preis sich schon einmal geändert hat, keine triviale Eigenschaft ist. Dieselben zwanzig Dokumente durch beide zu schicken und die Rechnungen zu lesen, kostet weniger als das Meeting darüber, welches man nehmen soll, und liefert eine Zahl statt einer Diskussion.

Die Entscheidung, als Gabelung formuliert

Wenn die Eingabe ein Dokument ist, das jemand gescannt hat, oder ein Screenshot, lautet die Antwort Claude Haiku 4.5, und es gibt nichts weiter zu besprechen.

Wenn die Eingabe Text und die Ausgabe ein fertiges Ergebnis ist – ein Modell, eine Präsentation, ein Memo – und das Volumen hoch genug ist, dass 0,15 $ gegenüber 1,00 $ beim Input die Form des Projekts verändern, ist Ultramarine 1 Flash einen Pilotversuch mit Ihrer eigenen Arbeit wert. Es ist einen Tag alt. Die 0,13 $ sind vom Anbieter gemeldet, auf einer vom Anbieter erstellten Suite, und es gibt noch keine unabhängige Bewertung. Aber die Preisliste ist echt, der Token-Effizienz-Vergleich ist auf die einzige Weise gemessen, wie er ehrlich gemessen werden kann, und die Zugewinne gegenüber seinem eigenen Basismodell bei den vier Benchmarks, in denen es führt, sind konsistent und nicht herausgepickt.

Wenn Ihre Workload beides umfasst, besteht der sinnvolle Schritt nicht darin, sich zu entscheiden. Eine Routing-Regel kann den Pfad für gescannte Dokumente beim Anthropic-Modell belassen und den Pfad von Text zu lieferbarem Ergebnis an dasjenige der beiden senden, das anhand einer Stichprobe Ihre Qualitätsanforderungen erfüllt – und wenn das neuere ausfällt, geht die Anfrage ohne Codeänderung und ohne einen zweiten Vertrag unterzeichnen zu müssen an das ältere.

Was die offene Frage klären würde, wäre eine einzige unabhängige Bewertung von Ultramarine 1 Flash auf einer Testsuite, die nicht von seinem Hersteller geschrieben wurde. Solange es die nicht gibt, ist die ehrliche Position, dass Claude Haiku 4.5 das Modell ist, dessen Verhalten man vorhersagen kann, und Ultramarine 1 Flash das Modell, dessen Preis man gerne nutzen können würde. Nichts, was heute veröffentlicht wurde, besagt, dass man es nicht kann. Nichts, was heute veröffentlicht wurde, außer der eigenen Seite des Anbieters, besagt, dass man es kann.

Auch bei einem solchen Vergleich zeigen sich die Fehlermodi: Die dokumentierten KI-Vorfälle und Agenten-Ausfälle hinter Modellen dieser Klasse sind im OrcaRouter AI Incident Archive gesammelt, wo jeder Eintrag eigene Quellen, einen Schweregrad, einen Konfidenzgrad und eine Strittig-Kennzeichnung mitführt.