Ultramarine 1 Flash vs. DeepSeek V4 Flash: Ein niedriger Token-Preis bedeutet nicht, dass die Aufgabe günstig ist

Ultramarine 1 Flash kostet $0,15 pro Million Input-Tokens und $0,50 für Output. D​eepSeek V4 Flash wird im Datensatz von Artificial Analysis mit $0,44 und $1,32 geführt, oder mit $0,22 und $0,66 zu dem Routing-Tarif, den unser Katalog dafür anbietet. Stellt man die beiden Tarifkarten nebeneinander, wirkt das Modell von Paper Instruments wie das offensichtliche Schnäppchen – dreimal günstiger beim Input und zweieinhalbmal günstiger beim Output, zu den Listenpreisen. Das Problem an dieser Lesart ist, dass ein Preis pro Million Tokens nur die Hälfte einer Rechnung ausmacht, und die Hälfte, die er auslässt, ist diejenige, in der sich diese beiden Modelle am stärksten unterscheiden. D​eepSeek V4 Flash erzeugt 240 Millionen Output-Tokens, um den Intelligence Index zu absolvieren. Das Medianmodell in seiner Vergleichsklasse erzeugt 140 Millionen. Es ist, in der Formulierung von Artificial Analysis, sehr wortreich – auf Platz 36 von 40 seiner Preisklasse auf dieser Achse.

Ultramarine 1 Flash behauptet über sich selbst das Gegenteil. Bei allen sechs Benchmarks, die Paper Instruments bewertete, erzeugte es 6,5 % weniger Tokens als das GLM-5.3 Flash-Modell, von dem es nachtrainiert wurde, während es bei jeder einzelnen von ihnen höher abschnitt. Das eine Modell ist billig pro Token und teuer pro Aufgabe. Das andere hat sich große Mühe gegeben, pro Aufgabe günstiger zu werden, ohne seinen Preis zu ändern. Der Vergleich, der sich lohnt, ist der zwischen diesen beiden Ansätzen, nicht zwischen zwei Eingabepreisen.

Zwei Modelle, zwei unterschiedliche Wege in dieselbe Preisklasse

Sie erreichten die Budget-Stufe aus entgegengesetzten Richtungen, und der Unterschied erklärt den Großteil dessen, was folgt.

DeepSeek V4 Flash ist ein von Grund auf neu entwickeltes Mixture-of-Experts-Modell: 284 Milliarden Gesamtparameter, davon 13 Milliarden aktiv, veröffentlicht am 24. April 2026 unter einer MIT-Lizenz, mit auf Hugging Face veröffentlichten Gewichten. Seine Revision 0731, auf derselben Architektur von Grund auf erneut nachtrainiert, ist das, wofür der datierte Bezeichner jetzt steht. Es besitzt ein Kontextfenster von 1.048.576 Token mit bis zu 384.000 Ausgabe-Token, nimmt Text entgegen und gibt Text aus, und meldet starke Agent-Benchmarks auf Basis von DeepSeeks eigenen veröffentlichten Zahlen — 82,7 bei Terminal-Bench 2.1, 76,7 bei Cybergym, 70,3 bei Toolathlon Verified.

Ultramarine 1 Flash ist ein abgeleitetes Modell. Paper Instruments nahm GLM-5.3 Flash – Z.ais multimodales Modell mit insgesamt 320B Parametern und 18B aktiven Parametern – und führte darauf groß angelegtes Reinforcement Learning anhand eines synthetischen Lehrplans mit Finanz-, Rechts-, Beratungs- und Betriebsaufgaben durch. Die API ging am 14. Oktober 2026 live – zu 0,15 $ / 0,03 $ für gecachte Token / 0,50 $ pro Million Token, dieselben Preise, die GLM-5.3 Flash berechnet. Die Gewichte wurden nicht veröffentlicht; auf der Seite des Anbieters selbst heißt es: „Modellgewichte kommen bald.“

Die ehrliche Einordnung dieser Gegenüberstellung ist also: ein herunterladbarer MoE, von Grund auf trainiert, gegen ein geschlossenes Post-Training eines offenen Basismodells von jemand anderem – eines davon seit sechs Monaten in Produktion, das andere einen Tag alt.

Die Verbositätszahl, mit der keine der beiden Seiten in ihrem Marketing wirbt

Artificial Analysis misst, wie viele Ausgabe-Tokens ein Modell verbraucht, um den Intelligence Index abzuschließen, und gibt dies als Ausführlichkeits-Ranking an. DeepSeek V4 Flash verbrauchte 240 Millionen Ausgabe-Tokens gegenüber einem Klassenmedian von 140 Millionen – 71 % über dem typischen Wert, Platz 36 von 40 in seiner Klasse. Diese Zahl ist der Grund, bei den 0,22 US-Dollar pro Aufgabe, die es ausweist, vorsichtig zu sein. Bemerkenswert ist außerdem, dass dies ein besserer Kosten-pro-Aufgabe-Wert ist, als die meisten seiner Konkurrenten erreichen, was zeigt, wie stark die rohe Geschwindigkeit des Modells dies ausgleicht: Mit 173,7 Ausgabe-Tokens pro Sekunde ist es das acht schnellste von 74 Modellen seiner Klasse, sodass das Token-Volumen schnell eintrifft, auch wenn es mehr davon gibt.

Die Ausführlichkeit von Ultramarine 1 Flash wird von Artificial Analysis nicht veröffentlicht, da Artificial Analysis das Modell nicht evaluiert hat. Was Paper Instruments stattdessen veröffentlicht, ist der Vergleich gegenüber der eigenen Basis: 30,5 Millionen Tokens gegenüber den 32,7 Millionen von GLM-5.3 Flash über die sechs Benchmark-Suites hinweg, Reasoning eingeschlossen. Das ist eine Messung, die beide Seiten des Vergleichs teilen – dieselbe Suite, derselbe Harness, dieselben Bedingungen –, was sie zur vertrauenswürdigsten Zahl in der Veröffentlichung macht und zur einzigen, bei der eine Token-Effizienz-Behauptung gegen etwas anderes als sich selbst verifiziert wird.

Setzt man das zusammen, ändert sich die Arithmetik. Der Vorteil von D​eepSeek V4 Flash ist ein schnelles, leistungsfähiges, gut abgestimmtes Modell, das man fast überall laufen lassen kann. Sein Nachteil ist, dass es viel schreibt, und bei einer festen Ausgaberate schlägt sich das in der Rechnung nieder. Der Vorteil von Ultramarine 1 Flash ist, dass es weniger schreibt als das Modell, von dem es abstammt – aber nur gegenüber diesem Modell und nur in den Benchmark-Suiten, die sein eigener Hersteller geschrieben hat.

Was die sechs Benchmarks tatsächlich aussagen

Paper Instruments führte sechs Testreihen gegen sein eigenes Modell und mehrere Konkurrenten durch. DeepSeek V4.1 Flash taucht darin auf; das ursprüngliche DeepSeek V4 Flash, das Modell in dieser Schlagzeile, nicht.

• JobBench — Ultramarine 1 Flash 62,9; DeepSeek V4.1 Flash 60,4. Das Paper Instruments-Modell führt mit 2,5 Punkten.

• PI Knowledge Work: Ultramarine 1 Flash 59,3, DeepSeek V4.1 Flash 47,9. Eine Differenz von 11,4 Punkten, die größte im Set.

• FrontierFinance — 53,3 zu 46,0.

• AutomationBench — die einzige Suite, in der DeepSeek gewinnt: V4.1 Flash 51,3 gegen Ultramarines 50,2.

• DiligenceBench — 50.6 gegen 50.3. Effektiv gleichauf, wobei beide hinter Gemini 3 Flash und Claude Fable 5 zurückliegen.

• APEX-Agents 1.1 — 57,0 gegenüber 39,5, der größte Vorsprung in der gesamten Tabelle.

Hier türmen sich die Vorbehalte, und es lohnt sich, alle ausdrücklich zu benennen. Dies sind die Benchmarks des Anbieters. Die D​eepSeek-Zahlen beziehen sich auf ein anderes, neueres Modell derselben Familie, das Paper Instruments namentlich benennt. Und nichts davon wurde von jemandem außerhalb des Unternehmens überprüft. Was die Tabelle tatsächlich belegt, ist eng begrenzt, aber real: Bei Arbeiten, deren Ergebnis ein Dokument ist, hat der nachtrainierte Spezialist einen großen Vorsprung vor einem effizienten Generalisten-MoE, und bei automatisierten Agentenaufgaben verschwindet der Abstand nahezu. Wenn Ihre Arbeit ein Memo oder ein Modell ist, weist dieser Unterschied in die eine Richtung. Ist sie eine mehrstufige Agentenschleife, dann nicht.

Sie können eines davon herunterladen.

Das ist der Unterschied, den kein Benchmark erfasst, und genau der ist es, der am ehesten ein Beschaffungsgespräch entscheidet.

DeepSeek V4 Flash ist MIT-lizenziert, mit Gewichten auf Hugging Face. Sie können es herunterladen, auf Ihrer eigenen Hardware ausführen, feinabstimmen, in ein Produkt integrieren und niemals ein Token an einen Dritten senden. Für eine Anwaltskanzlei oder eine Bank mit Verpflichtungen zur Vertraulichkeit gegenüber Mandanten bzw. Kunden ist das kein Nice-to-have; es ist häufig die gesamte Anforderung, und es nimmt DeepSeeks Modell vollständig aus der Hälfte dieses Vergleichs heraus, die gehostete APIs betrifft, und verlagert es stattdessen auf Ihre eigenen Maschinen.

Ultramarine 1 Flash kann das heute nicht. „Modellgewichte kommen bald“ ist eine Absichtserklärung, keine Lizenz. Was Paper Instruments tatsächlich offen veröffentlicht hat, ist das Gerüst um das Modell: das Feather-Agent-Harness, in dem es trainiert und evaluiert wurde, und die paper-docx-, paper-pptx- und paper-xlsx-Forks, die einem Agenten eine sichere Schnittstelle zu Office-Dateiformaten bieten. Diese sind wirklich nützlich – und sie sind auch eine Werbung für das Modell, da sie existieren, um seine Ausgaben weniger fehlerhaft zu machen als das, was ein generischer Agent mit den Standardbibliotheken produziert.

Die Lizenzlinie ordnet den Vergleich also neu. Wenn Sie die Gewichte selbst betreiben müssen, gibt es keinen Vergleich: D​eepSeek V4 Flash ist die Antwort, und U​ltramarine 1 Flash ist ein Versprechen. Wenn Sie eine API aufrufen können, konkurrieren die beiden tatsächlich, und der entscheidende Beleg sind die Kosten pro Aufgabe für Ihre eigenen Dokumente.

Wo der geroutete Preis landet

Auf OrcaRouter wird DeepSeek V4 Flash für $0,22 bei der Eingabe und $0,66 bei der Ausgabe pro Million Tokens bereitgestellt — der Listenpreis des Anbieters wird unverändert durchgereicht, ohne Aufschlag pro Token, weshalb er im Artificial-Analysis-Datensatz unter dem Paar $0,44/$1,32 liegt: Dieses Paar bildet die Preiskarte eines anderen Anbieters ab. Die Durchreichung hat eine zweite Konsequenz, die man kennen sollte, wenn man ein Budget plant: Wenn ein Anbieter einen Tarif ändert, ändert sich der bereitgestellte Tarif am selben Tag mit — ohne dass auf Ihrer Seite eine Konfigurationsänderung nötig wäre.

Gemessen an diesem gerouteten Tarif ist Ultramarine 1 Flash mit $0,15/$0,50 etwa 1,5-mal günstiger bei der Eingabe und 1,3-mal bei der Ausgabe – viel geringer, als der Vergleich der Listenpreise vermuten lässt, und noch geringer, wenn DeepSeeks 97%-Cache-Rabatt auf einen Dokumenten-Workload mit einem großen gemeinsamen Präfix angewendet wird. Der Cache-Tarif von Ultramarine 1 Flash beträgt $0,03 pro Million, ebenfalls ein starker Rabatt, aber die beiden liegen mittlerweile so dicht beieinander, dass keiner nach reiner Rechnung gewinnt.

Womit die Entscheidung dort bleibt, wo sie hingehört: bei Ihrer eigenen Arbeit. Senden Sie beiden einen Stapel echter Arbeitsergebnisse, vergleichen Sie die Rechnungen und lesen Sie die Ausgaben. Ultramarine 1 Flash steht nicht in unserem Katalog, daher läuft dieser Test auf einer Seite gegen den eigenen Endpunkt des Anbieters. Das Modell, von dem es nachtrainiert wurde, GLM-5.3 Flash, wird hier zu $0.15/$0.50 bereitgestellt – mit identischer Preisliste –, was Ihnen eine brauchbare Näherung dafür liefert, was das Basismodell produziert, bevor Sie das Post-Training obendrauf setzen.

Die Position, ohne einen Gewinner

Diese beiden sind keine wirklichen Substitute füreinander, und sie in einen Gewinner zu zwingen, verdeckt den nützlichen Befund. DeepSeek V4 Flash ist ein herunterladbares, unabhängig gemessenes, ungewöhnlich schnelles MoE, das mehr schreibt, als es müsste. Ultramarine 1 Flash ist ein geschlossenes, ungemessenes Post-Training eines offenen Basismodells, das darauf ausgelegt wurde, weniger zu schreiben, verkauft auf Basis einer Benchmark-Suite, die sonst niemand ausgeführt hat.

Die verwerfbare Version dieses Artikels würde sagen, dass die günstigere Token-Rate gewinnt. Die vertretbare Version sagt, dass die Lizenz über die Beschaffung entscheidet, die Ausführlichkeitswerte über die Rechnung entscheiden und keines der beiden Modelle an Ihren Dokumenten getestet wurde. Zwei dieser drei können Sie diese Woche klären. Das dritte lässt sich erst klären, wenn Paper Instruments entweder unabhängige Zahlen veröffentlicht oder die Gewichte ausliefert, die laut eigener Aussage kommen.

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.