Una tarjeta de título generada que dice 'Sage-S2.1-Flash vs Claude Haiku 5.5' sobre el subtítulo 'El coste de un token frente al coste de una ventana de contexto', con dos chips debajo que dicen 'acantilado de precios de 100K tokens' y 'ocho H200'. Fondo blanco, acentos de degradado azul y cian, iconos de línea planos. El logotipo de OrcaRouter está compuesto en la esquina inferior derecha.
Guides & Insights

Sage-S2.1-Flash vs Claude Haiku 5.5: el costo de un token frente al costo de una ventana de contexto

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

Claude Haiku 5.5 y Sage-S2.1-Flash anuncian ambos una ventana de contexto de un millón de tokens, y ahí es más o menos donde termina el parecido. Claude Haiku 5.5, lanzado por Anthropic el 7 de octubre de 2026, tiene una tarifa publicada, una puntuación independiente en una clasificación y una API alojada. Sage-S2.1-Flash, subido discretamente a Hugging Face por el Laboratorio de IA de Shanghái el 15 de noviembre de 2026, tiene 645 gigabytes de pesos con licencia MIT, una tarjeta de modelo de 21 bytes y ningún precio en ningún lugar de internet. Por lo tanto, compararlos por millón de tokens es imposible —no difícil, imposible—, porque un lado del medidor está en blanco.

La comparación que sí funciona es otra, y es la que trata esta página: cuánto te cobra cada modelo por el contexto largo. En ese eje, los dos no están ni cerca, y la respuesta no es la que sugieren los precios de etiqueta.

Dos problemas de adquisición que llevan el mismo nombre de benchmark

Empecemos por lo que cada lado es en realidad, porque la denominación invita a un error de categoría. Claude Haiku 5.5 es un modelo propietario de texto e imagen de la gama pequeña de Anthropic — el que el proveedor posiciona para «tareas de alto volumen y sensibles a la latencia, como clasificación, extracción y enrutamiento». Realiza pensamiento adaptativo con un parámetro de esfuerzo que por defecto es medio, devuelve hasta 128.000 tokens de salida y llega a la API como claude-haiku-5-5 en la plataforma propia de Anthropic y en los cuatro principales canales de reventa en la nube.

Sage-S2.1-Flash es un modelo de agente científico de pesos abiertos: una mezcla de expertos de 320 mil millones de parámetros con 18 mil millones activos por token, construido sobre la arquitectura GLM-5.3-Flash, empaquetado en bfloat16 a unos 645 GB distribuidos en 120 fragmentos. Su configuración declara un límite posicional de 1.048.576 tokens, una torre de visión de 24 capas y tipos de token explícitos de imagen, vídeo, audio y pensamiento. Tiene licencia MIT y es descargable, y a 16 de noviembre ningún proveedor de inferencia lo servía y ningún arnés independiente lo había evaluado.

Uno de estos es una partida presupuestaria. El otro es un fin de semana y un nodo de GPU. Esa asimetría constituye toda la comparación, y todo lo que aparece a continuación es la aritmética que se deriva de ella.

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.

El acantilado de los 100.000 tokens que nadie incluye en el titular

Anthropic publica el precio de Claude Haiku 5.5 en dos niveles en lugar de uno, y es en el segundo nivel donde la propia afirmación del modelo sobre su contexto se vuelve costosa:

• Prompts de hasta 100,000 tokens — $0.10 por millón de entrada, $0.50 por millón de salida

• Prompts de más de 100.000 tokens: 0,50 $ por millón de tokens de entrada, 2,50 $ por millón de tokens de salida

• Escritura en caché, cinco minutos — $0.125 y $0.625 por millón, con la misma división

• Lectura de caché — $0.01 por millón por debajo de 100K, $0.05 por encima

• API por lotes — 50 % de descuento en ambos lados

Eso es un salto de cinco veces, y se activa exactamente en la longitud de prompt en la que un modelo de contexto largo empieza a valer la pena pagar por él. Un prompt de 150.000 tokens con una respuesta de 5.000 tokens cuesta 150.000 × $0,50/1M = $0,075 por entrada más 5.000 × $2,50/1M = $0,0125 por salida, o $0,0875. Con la tarifa de menos de 100K, la misma llamada habría costado $0,015 y $0,0025: $0,0175. La ventana de contexto cinco veces mayor no cuesta cinco veces lo que cuesta una llamada de 100K; medida frente a la tarifa que estabas pagando un momento antes, cuesta aproximadamente cinco veces más por los mismos tokens y once veces más por esa llamada en particular.

Hay un segundo multiplicador apilado encima, y es fácil pasarlo por alto porque aparece en la documentación y no en la tabla de precios: Claude Haiku 5.5 usa el tokenizador introducido con Claude 4.7, así que el mismo texto cuenta como aproximadamente un 30 por ciento más de tokens de lo que contaba en Claude Haiku 4.5. Cualquiera que sea el presupuesto que asignes por documento, multiplícalo por 1,3 antes de aplicar la tarifa. Anthropic es inusualmente explícita al respecto, lo cual es en su crédito, pero el efecto sobre un modelo de costes ingenuo es real: una carga de trabajo migrada de 4.5 a 5.5 con una estimación de tokens sin cambios se excederá en cerca de un tercio.

Nada de esto hace que Claude Haiku 5.5 sea caro en términos absolutos. $0.10 por millón de entrada es la tarifa más barata de cualquier modelo actual cercano a la frontera, y la clasificación independiente coincide en que el nivel no es un juguete: Claude Haiku 5.5 obtiene 36.5 en el Artificial Analysis Intelligence Index con el máximo esfuerzo, por encima del 32.6 de DeepSeek V4.1 Flash y del 30.8 de Gemini 3.8 Flash. El punto es más específico y más útil: en este modelo, la longitud del prompt es la palanca de precio, no la elección del modelo.

Cuánto cuesta el contexto largo cuando los pesos son tuyos

Ahora haz el mismo cálculo para Sage-S2.1-Flash. No hay tarifario, así que el token sale gratis en el margen — pero la ventana no, porque hay que mantener los pesos en algún sitio. La propia guía de despliegue de InternLM indica la configuración de referencia: ocho GPU H200, bfloat16, paralelismo tensorial de ocho.

La aritmética es poco glamurosa y decisiva. 645 GB de pesos repartidos entre ocho tarjetas son unos 81 GB por tarjeta. Una H200 lleva 141 GB de HBM, lo que deja aproximadamente 60 GB por tarjeta para la caché KV, las activaciones y el conjunto de trabajo de la torre de visión. La guía indica explícitamente que no se use caché KV en FP8 en Hopper, así que esos 60 GB se gastan en bfloat16: el formato de caché por token más costoso disponible. Se puede alcanzar un contexto de un millón de tokens dentro de ese margen, pero solo porque la atención híbrida mantiene lineales la mayoría de las capas: 34 de las 45 capas usan el tipo de atención lineal que la configuración denomina kda, y solo 11 usan atención dispersa con un índice top-2,048. En un transformador convencional de 45 capas, una caché KV de un millón de tokens no cabría en absoluto.

Así que la comparación de costes honesta no es «gratis frente a 0,10 $». Es «ocho H200, dimensionadas y alquiladas por ti, frente a una API medida cuyo precio se multiplica por cinco por encima de 100K». A qué nivel de utilización el primero supera al segundo depende por completo de tu tarifa por hora para esas GPU y de cuánto tiempo del día están ocupadas; y, como no tenemos un precio publicado de Sage ni una cifra independiente de rendimiento para él, cualquiera que te dé un punto de equilibrio se lo está inventando.

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.

La brecha de evidencia, expresada sin rodeos

Ambos modelos tienen cifras de benchmark. Solo uno de esos conjuntos puede verificarse contra algo.

Claude Haiku 5.5 es medido por un tercero. Artificial Analysis lo sitúa en 36,5 en el Intelligence Index con el máximo esfuerzo, con una velocidad de salida reportada de 257 tokens por segundo. Ese es un número auditado de un sistema de pruebas que ejecuta las mismas pruebas en todos los modelos que incluye, lo que lo hace utilizable para tomar una decisión.

Sage-S2.1-Flash solo lo miden sus autores. Las cifras de InternLM están en un archivo separado por tabulaciones en un repositorio de GitHub creado el 16 de noviembre, publicado en un sitio estático en internlm.github.io/Sage-S2.1-Flash al que la tarjeta de modelo de Hugging Face no enlaza. La tabla tiene 35 filas y compara a Sage con ocho modelos. Sus filas fuertes son las de ciencia y visión: BabyVision con 75.8 frente a Claude Opus 5 con 63.1, OSWorld-G con 84.8 frente a DeepSeek-V4.1-Flash-1017 con 61.4, OfficeQA Pro V2 con 72.2, la mejor cifra de su propia tabla. Sus filas de programación no destacan: SWE-bench Pro 60.6, DeepSWE 67.0, ambos por detrás de DeepSeek V4.1 Flash.

Claude Haiku 5.5 no aparece en esa tabla en absoluto. Tampoco Gemini 3.8 Flash. Así que la única comparación que un lector que busca este enfrentamiento realmente quiere —el modelo alojado barato frente al científico descargable— no tiene datos de proveedor por ningún lado, y ningún dato independiente por un lado. Lo que sí podemos decir es que las filas publicadas de Sage se sitúan en territorio de clase Opus en los benchmarks científicos, mientras que sus filas de programación se sitúan por debajo de un modelo que cuesta $0.30 por millón de entrada, y que un margen de veinticuatro puntos en BabyVision es o bien una capacidad real o bien un benchmark interpretado de forma diferente para este modelo. Sin un arnés, no se puede saber cuál.

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.

Dónde gana realmente cada uno

Elimina las partes que no se pueden comparar y queda una división limpia.

• Trabajo masivo sensible a la latencia — Claude Haiku 5.5, sin dudarlo. La clasificación, la extracción, el enrutamiento y las llamadas a subagentes a $0.10/$0.50 con una puntuación publicada constituyen un problema resuelto. Sage-S2.1-Flash no puede competir aquí: estarías alquilando ocho GPU para hacer un trabajo que una API de pago por uso hace por céntimos.

• Prompts de entre 100K y 1M de tokens — genuinamente disputado, y decidido por la utilización más que por el mérito. Claude Haiku 5.5 cobra cinco veces su tarifa base en esta banda; Sage te cobra el coste amortizado del hardware que ya alquilaste. Si tu nodo está ocupado, Sage gana en coste. Si no lo está, no.

• Entrada multimodal científica — Sage-S2.1-Flash, a tenor de sus propias afirmaciones. Los grafos moleculares, las estructuras cristalinas, las secuencias de proteínas, los espectros, los espectros de masas, la XRD, el ECG, el EEG y las curvas de luz son las entradas con las que InternLM afirma haberse entrenado, y es el único de los dos cuya documentación las menciona. Tómese esto como una declaración de diseño, no como un resultado medido.

• Cualquier cosa que necesite un contrato esta semana — Claude Haiku 5.5. Uno tiene un precio, una página de estado y un compromiso de retirada no antes del 7 de octubre de 2027. El otro tiene una ficha de modelo vacía y, en el momento de escribir esto, cero descargas.

• Residencia de datos y propiedad de los pesos — Sage-S2.1-Flash, sin condiciones. Los pesos MIT que puedes conservar, auditar y afinar son una categoría de activo distinta de una API, y ninguna diferencia de precio cambia eso.

El único detalle de infraestructura que decide la mayoría de las migraciones

Si estás trasladando un pipeline de contexto largo entre estos dos, el problema bloqueante no será la calidad. Será la tokenización y las llamadas a herramientas.

Claude Haiku 5.5 cambió la generación del tokenizador, lo que significa que cada prompt que hayas ajustado para Claude Haiku 4.5 debe volver a medirse, y cualquier estrategia de fragmentación que asumiera un presupuesto de tokens ahora es aproximadamente un 30 % incorrecta. Anthropic publica una guía de migración precisamente para esto y vale la pena leerla antes de tocar un archivo de configuración.

Sage-S2.1-Flash tiene una versión más marcada del mismo problema, y es el único elemento de su guía de despliegue que merece la pena leer antes que cualquier otra cosa. Su tokenizador debe cargarse desde el repositorio: el que viene de serie en vLLM, SGLang o LMDeploy codificará la sintaxis agéntica, como los marcadores de llamada a herramientas, como tokens de control en lugar de texto, y el modelo terminará un turno antes de tiempo sin mostrar ningún error. Hay dos trampas más detrás de esa: una llamada a herramienta paralela fuera de orden adjunta las imágenes al resultado incorrecto en vLLM sin un parche de un archivo, y SGLang anula la plantilla de chat a menos que se le proporcione el archivo explícitamente. Para una migración, la consecuencia práctica es que el trabajo de recuento de tokens se duplica —una vez para el nuevo tokenizador de Anthropic, una vez para el personalizado de InternLM— y ninguno puede estimarse a partir del otro.

Esos tres elementos son, en la práctica, la diferencia entre «Sage-S2.1-Flash es un modelo que evalué» y «Sage-S2.1-Flash es un modelo al que renuncié». Todos están documentados, lo que es más de lo que logran la mayoría de los lanzamientos discretos.

Llegar a una decisión sin un precio

Claude Haiku 5.5 no está hoy en el catálogo de OrcaRouter; vive en la API propia de Anthropic y a través de los principales canales de reventa en la nube, y no vamos a insinuar lo contrario. Lo que se enruta es la generación anterior — anthropic/claude-haiku-4.5 a $1.00 de entrada y $5.00 de salida por millón, precio de lista trasladado sin margen — que sigue siendo la referencia honesta de lo que cuesta el nivel pequeño de Anthropic antes de que el nivel 5.5 lo redujera en un factor de diez. Pasar tus prompts reales por 4.5 te da recuentos de tokens medidos en la misma familia de tokenizadores, y los recuentos de tokens medidos son lo único que zanja la pregunta del acantilado de 100K planteada arriba: que tu tráfico se sitúe por debajo, por encima o a caballo de él decide toda la comparación de una manera que ninguna fila de benchmark puede.

Cuando el proveedor finalmente publique un precio para Sage-S2.1-Flash, o un banco de pruebas independiente lo evalúe, el modelo de traspaso importa: un catálogo que refleje el precio de lista del proveedor el mismo día en que se aplique una rebaja es la forma de evitar renegociar esta comparación cada trimestre.

¿Qué cambiaría esta página?

Un número haría la mayor parte del trabajo: un precio por token para Sage-S2.1-Flash. Con él, el acantilado de 100K por un lado y el nodo amortizado por el otro se convierten en un cálculo real de punto de equilibrio en lugar de una forma. Un segundo dato ayudaría casi tanto: una puntuación independiente para Sage, idealmente en el mismo banco de pruebas que situó a Claude Haiku 5.5 en 36,5, para que los dos puedan restarse en vez de narrarse.

Hasta entonces, la postura defendible es esta. Claude Haiku 5.5 es la forma más barata de hacer una cantidad muy grande de cosas pequeñas, y se vuelve caro exactamente donde su ventana de contexto se vuelve interesante. Sage-S2.1-Flash es la forma más barata de tener un modelo muy grande, y todavía no es una forma de comprar nada. Elegir entre ellos no es una cuestión de gusto en materia de benchmarks. Es una cuestión de si tu carga de trabajo se mide en tokens o en nodos —y, si todavía no puedes responder eso, el siguiente paso honesto es calcular el precio de tu propio tráfico, no leer otra comparación.

Comparados en este artículo1

Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario