
Sage-S2.1-Flash vs DeepSeek V4.1 Flash: la única comparativa con un marcador compartido
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 219 tok/s
Hay exactamente un lugar en internet en el que Sage-S2.1-Flash y DeepSeek V4.1 Flash se han comparado entre sí, y no es un lugar neutral. InternLM, el laboratorio que publicó Sage-S2.1-Flash el 15 de noviembre de 2026, incluyó DeepSeek-V4.1-Flash-1017 en su propia tabla comparativa: 35 benchmarks, ocho modelos rivales y un archivo separado por tabulaciones en un repositorio de GitHub al que la tarjeta del modelo en Hugging Face no enlaza. Así que los dos modelos comparten una tabla de puntuaciones, y uno de ellos la construyó.
Eso es más de lo que se puede decir de cualquiera de las otras dos comparaciones de esta serie, en las que no existe ninguna tabla compartida. También hace que esta sea la más útil de las tres páginas, porque una tabla común —incluso la del propio proveedor— permite plantear preguntas que un par de publicaciones de blog separadas no pueden responder. A continuación se expone lo que dice la tabla compartida, cuáles son las dos arquitecturas que hay detrás y cuánto de ello deberías estar dispuesto a creer.
La asimetría que lo enmarca todo
Coloca las dos versiones una al lado de la otra como artefactos antes de ponerlas una al lado de la otra como modelos.
DeepSeek V4.1 Flash llegó el 10 de septiembre de 2026 con una ficha completa del modelo, un informe técnico en PDF titulado «Pushing the Limits of KV Cache Compression», una licencia MIT, una API documentada con tarifas publicadas para horas punta y fuera de horas punta, y una instantánea actualizada —1017— el 17 de octubre. Su repositorio de Hugging Face se ha descargado 1,69 millones de veces y tiene 4.978 me gusta. Artificial Analysis lo puntúa de forma independiente con 32,6 en el Intelligence Index con el máximo esfuerzo.
Sage-S2.1-Flash llegó el 15 de noviembre de 2026 con 120 fragmentos bfloat16, una tarjeta de modelo de 21 bytes cuyo contenido completo es una declaración de licencia, una guía de despliegue y ningún precio publicado en ninguna parte. Tiene un me gusta y cero descargas. Ningún harness independiente lo ha tocado.
Ambos son mezclas de expertos con pesos abiertos y licencia MIT, con una ventana de contexto de un millón de tokens y entrada de imágenes nativa. Sobre el papel son equivalentes. A la hora de la evidencia, no están ni cerca.

Lo que realmente contiene la tabla compartida
El archivo de benchmarks de InternLM enumera 31 filas que contienen una cifra de DeepSeek-V4.1-Flash-1017. Leerlo es una experiencia distinta de leer una publicación de lanzamiento, porque las filas en las que Sage pierde siguen ahí. Una muestra representativa, con Sage primero en cada línea:
• Terminal-Bench 2.1 — 87.9 vs 87.6, un empate por tres décimas
• DeepSWE — 67,0 frente a 73,9, un déficit de 6,9 puntos
• SWE-bench Pro — 60,6 frente a 64,7, un déficit de 4,1 puntos
• NL2Repo-Bench — 57,2 frente a 62,7, un déficit de 5,5 puntos
• APEX-Agents — 61.7 vs 69.2, un déficit de 7.5 puntos
• WideSearch — 81,5 vs 86,3
• BrowseComp — 91,2 vs 93,8
• CyberGym — 84,3 frente a 88,8
• τ³-bench Banking — 45,4 vs 47,4
• OSWorld v2.1 — 69,3 vs 70,1
• AutomationBench — 56,7 vs 57,8
El patrón de esa lista resulta incómodo para el modelo más nuevo: en trabajo general agéntico y de programación, DeepSeek V4.1 Flash gana la mayoría de las filas, a menudo por márgenes que no son ruido. Un modelo publicado dos meses antes, por un laboratorio con un informe técnico público, supera al lanzamiento discreto en los benchmarks que el propio lanzamiento discreto eligió publicar.
Luego, la tabla se invierte. Las filas en las que Sage lidera son las científicas y las de documentos, y los márgenes son de un orden completamente distinto:
• Harvey LAB — 25,0 frente a 11,7, más del doble
• OfficeQA Pro V2 — 72,2 vs 69,7
BabyVision — 75,8 vs 58,0, una diferencia de 17,8 puntos
• OSWorld-G — 84,8 frente a 61,4, una diferencia de 23,4 puntos
• MLE-bench Lite — 90,3 frente a 89,2
• Workspace-Bench-Lite — 67,1 vs 66,8
• GDPval — 78,0 frente a 77,6
• SpreadsheetBench 2 — 37,1 vs 35,8
Dos patrones, y apuntan en direcciones opuestas. En ingeniería de software y en el trabajo de agentes guiado por herramientas en un entorno general, DeepSeek V4.1 Flash es el modelo más potente, y los propios números de InternLM lo confirman. En percepción científica, trabajo profesional con gran carga documental y control gráfico de escritorio, Sage-S2.1-Flash no está ligeramente por delante, sino en otra categoría.
¿Por qué las arquitecturas producirían exactamente esa división?
Los dos modelos están resolviendo problemas distintos, y sus configuraciones lo demuestran antes de que lo haga cualquier benchmark.
DeepSeek V4.1 Flash es una columna vertebral de 552 mil millones de parámetros con 16 mil millones activos por token, construida sobre lo que DeepSeek denomina una arquitectura Causal Encoder-Decoder: 40 capas divididas por igual en un codificador causal de 20 capas y un decodificador de 20 capas. El planteamiento del informe técnico es la compresión de la caché KV: la afirmación principal del modelo trata sobre la eficiencia de servicio con un millón de tokens, no sobre la percepción. Procesa imágenes de forma nativa, pero su énfasis publicado es la economía del servicio con contexto largo.
Sage-S2.1-Flash es un modelo de 320 mil millones de parámetros con 18 mil millones activos por token y, según su guía de implementación, 45 capas. La configuración las divide claramente: 34 capas usan un tipo de atención lineal que el archivo llama kda, y solo 11 usan atención dispersa con un índice top-k de 2.048 tokens. Hay una torre de visión de 24 capas con entrada de 448 píxeles, y el vocabulario de tokens incluye tokens explícitos de imagen, vídeo, audio, inicio y fin. El texto de lanzamiento en inglés de InternLM —alojado en internlm.github.io/Sage-S2.1-Flash, creado el 16 de noviembre, no referenciado por la tarjeta del modelo— describe el entrenamiento a través de grafos moleculares, estructuras cristalinas, secuencias de proteínas y estructuras 3D, ADN y ARN, espectros, espectros de masas, difracción de rayos X, electrocardiogramas, electroencefalogramas y curvas de luz.
Lea esa lista junto con las filas que gana Sage y el panorama deja de parecer suerte de benchmark. Harvey LAB es trabajo legal sobre documentos. OfficeQA Pro es respuesta a preguntas sobre documentos financieros. BabyVision es percepción visual. OSWorld-G es control gráfico de escritorio —hacer clic en una interfaz de usuario, no llamar a una API. Esos son los constructos en los que cabría esperar que fuera bueno un modelo entrenado con figuras científicas, espectros, gráficos e interfaces de software, y son precisamente los puntos en los que cabría esperar que se quedara atrás un modelo entrenado para servicio general eficiente en caché KV.
La cuestión se aplica en ambos sentidos. Sage pierde las filas de programación porque no es principalmente un modelo de programación; DeepSeek pierde las filas de visión porque no es principalmente un modelo de percepción. Ninguno de los resultados es un escándalo. El error sería leer cualquiera de las columnas como un veredicto general.

El diferencial de precios, que no está cerca
DeepSeek V4.1 Flash tiene una tarifa publicada, y es una de las tarifas más económicas de cualquier modelo de este tamaño:
• Fuera de horas punta, fallo de caché — $0.15 por millón de tokens de entrada, $0.60 por millón de tokens de salida
• Pico, fallo de caché — $0.30 por millón de entrada, $1.20 por millón de salida
• Acierto de caché — 0,003 $ por millón en horario valle, 0,006 $ en horario punta
• Horas punta: 01:00–04:00 y 06:00–10:00 UTC, de lunes a viernes, excluyendo los días festivos oficiales en China
• Contexto: 1.000.000 de tokens, con hasta 384.000 tokens de salida
Sage-S2.1-Flash no tiene tarifa publicada. No hay precio en la ficha del modelo, ni en la guía de despliegue, ni en el micrositio de lanzamiento; el enlace «Probar la API» del sitio apunta a un portal que no mostraría su catálogo a un cliente sin JavaScript. Lo que Sage tiene en su lugar es un requisito de hardware: el despliegue de referencia de la guía son ocho GPU H200 en bfloat16, aproximadamente 645 GB de pesos en todo el nodo.
Eso convierte la comparación de costos en una forma más que en un número. DeepSeek V4.1 Flash cuesta $0.15 por millón de tokens de entrada fuera de horas pico, lo que significa que un prompt de un millón de tokens cuesta quince centavos. Ejecutar Sage-S2.1-Flash con un millón de tokens cuesta lo que te cuesten ocho H200 durante el tiempo de reloj que tarde la llamada, y nadie ha publicado una cifra de rendimiento para él. Si ya tienes el nodo, el costo marginal de la llamada es casi cero y, en comparación, DeepSeek parece caro. Si no lo tienes, DeepSeek gana por un margen tan amplio que no vale la pena hacer la comparación con Sage hasta que exista un precio de alojamiento.
Lo que la tabla compartida no puede decirte
Hay un aspecto de una comparación elaborada por el proveedor que merece decirse con claridad, porque afecta a cómo leer cada fila anterior: el arnés no está documentado. InternLM publicó las cifras, no la configuración de ejecución. No se indica cuántos intentos por tarea hubo, qué andamiaje se utilizó, qué parámetros de muestreo se emplearon, si había herramientas disponibles ni cuál era el presupuesto de razonamiento para cualquiera de los dos modelos. El propio 32,6 de DeepSeek en el Artificial Analysis Intelligence Index proviene de un arnés público que aplica el mismo procedimiento a todos los modelos de su índice; el 73,9 de InternLM para DeepSeek en DeepSWE proviene de uno privado.
Eso no hace que la tabla sea inútil. La hace orientativa. Las filas de codificación y las de visión son lo bastante grandes, y lo bastante coherentes internamente, como para que las decisiones de andamiaje probablemente no las estén generando. El empate de tres décimas en Terminal-Bench 2.1, en cambio, está muy dentro del rango que podría producir cualquier variación del arnés; trata una diferencia de 0,3 puntos como un empate y no se pierde nada.
También vale la pena señalar: InternLM publicó una cifra para DeepSeek en DeepSWE (73.9) que es alta en relación con las otras filas de codificación en su propia tabla, donde DeepSeek queda en 64.7 en SWE-bench Pro. Esa inconsistencia interna es el tipo de cosa que un arnés publicado resolvería en una tarde y uno privado no puede resolver en absoluto.

Despliegue: una tarde frente a un documento
Si eliges por criterios operativos en lugar de por filas de benchmarks, la brecha es mayor de lo que sugieren las puntuaciones y va en la misma dirección que la brecha de evidencia.
DeepSeek V4.1 Flash se distribuye con un informe técnico, una arquitectura transformers estándar, una variante fp8 y etiquetas de despliegue para Azure y SageMaker en su model card. Lleva dos meses en circulación, tiene 1,69 millones de descargas y cada peculiaridad de servicio que presenta ya la ha encontrado alguien y la ha dejado documentada.
Sage-S2.1-Flash se distribuye con una guía de despliegue que, leída con atención, es una lista de fallos silenciosos. Si omites --trust-remote-code, el tokenizador estándar codifica cadenas de agente como <|user|> y <tool_call> como tokens de control: el modelo se detiene antes de tiempo o corrompe una llamada a herramienta, y no se registra nada. Si lo sirves en vLLM sin el parche de un solo archivo de vllm_patch/, los resultados de herramientas paralelas que llegan desordenados adjuntan las imágenes al resultado equivocado, por lo que el modelo responde sobre la imagen equivocada; la corrección upstream está pendiente como vllm-project/vllm#67108. Si lo sirves en SGLang sin pasar chat_template.jinja explícitamente, el motor instala su propia plantilla para la arquitectura. En Hopper, la caché KV FP8 no es compatible. LMDeploy necesita transformers fijado entre 5.17 y 5.19, porque 5.19 cambió el nombre de un tipo de capa.
Todo eso está documentado, lo que habla en favor del laboratorio —es más de lo que consiguen la mayoría de los lanzamientos discretos—. Pero también es la huella de un modelo al que sus propios autores siguen siendo las únicas personas que han prestado servicio.
Lo único útil que resuelve la mesa compartida
Teniendo en cuenta todo lo anterior, esta es la decisión que la evidencia realmente respalda.
• Si tu trabajo es código, herramientas para agentes o servicio general de contexto largo — DeepSeek V4.1 Flash. Gana la mayoría de esas filas en la propia tabla del rival, cuesta $0.15 por millón de tokens de entrada fuera de horas pico y cuenta con una puntuación independiente con la que contrastar. Aquí no hay un argumento serio a favor de Sage.
• Si tu trabajo consiste en figuras científicas, espectros, gráficos, documentos profesionales escaneados o software basado en GUI, Sage-S2.1-Flash merece la pena dedicarle el fin de semana. La diferencia de 23 puntos en OSWorld-G y la de 13 puntos en Harvey LAB son el tipo de diferencia que determina si una tarea es automatizable siquiera, y ningún otro modelo de la tabla de InternLM se le acerca en esas filas.
• Si necesitas decidir hoy — DeepSeek V4.1 Flash, porque es el único de los dos al que puedes recurrir sin una ventana de mantenimiento.
DeepSeek V4.1 Flash se enruta en OrcaRouter como deepseek/deepseek-v4.1-flash a $0.15 de entrada y $0.60 de salida por millón de tokens — el propio precio de lista fuera de horas punta aplicado sin recargo de DeepSeek — con un contexto de 1.048.576 tokens, junto con la instantánea 1017 a la misma tarifa. Sage-S2.1-Flash no está en nuestro catálogo; son pesos abiertos que tendrías que servir tú mismo, y no vamos a insinuar lo contrario.
Lo que un router te aporta aquí es más limitado que una migración y más útil que un benchmark. La división que describe este artículo —el trabajo general agéntico y de programación a un modelo, y el trabajo científico y con mucha interfaz gráfica al otro— es exactamente la forma que expresa una política de enrutamiento: un único endpoint, una regla que envía las solicitudes con imágenes y documentos por la ruta especializada, y un failover automático que evita que una degradación del lado del proveedor tumbe toda la ruta. Ambos identificadores de DeepSeek están en la misma clave, así que probar la instantánea 1017 contra la original cuesta un cambio de cadena de modelo en lugar de un segundo contrato. La pieza que no puedes enrutar —Sage-S2.1-Flash— es la pieza que tendrías que levantar por tu cuenta, y ese es el argumento más claro para prototipar primero contra lo que está en el catálogo.
¿Qué haría que valiera la pena reescribir esta página?
Dos cosas. Un precio para Sage-S2.1-Flash, lo que convertiría la sección de costes de una forma en aritmética. Y una puntuación independiente, idealmente en el mismo harness que situó a DeepSeek V4.1 Flash en 32,6 —porque la pregunta interesante no es si Sage supera a DeepSeek en promedio. Todo lo anterior sugiere que no. La pregunta interesante es si la ventaja de 23 puntos de Sage en OSWorld-G sobrevive a un harness que no fue escrito por el laboratorio que la publicó, y si el déficit de 6,9 puntos en DeepSWE es tan real como implican las filas de codificación de su propia tabla.
Hasta que alguien vuelva a ejecutar esas filas, el marcador compartido es la mejor evidencia disponible y fue construido por uno de los dos competidores. Léalo como leería cualquier comparación autopublicada que incluya sus propias pérdidas: más confiable que una tabla sin pérdidas, y aun así no es lo mismo que una medición.
Comparados en este artículo1
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
