Tarjeta de título principal para la comparación «Sage-S2.1-Flash vs Qwen 3.8 Flash», con el subtítulo «Uno tiene una lista de precios. El otro tiene 645 GB de pesos y una ficha de modelo vacía», tres tarjetas que dicen «321B en total / 18B activos», «645 GB en BF16 / 8x H200 para servir» y «/bin/bash.15 de entrada / /bin/bash.47 de salida por 1M de tokens», y un pie de página que señala que las cifras de Sage-S2.1-Flash provienen de su repositorio de Hugging Face y que el precio de lista de Qwen 3.8 Flash es de QwenCloud, con fecha del 16 de noviembre de 2026; el logotipo de OrcaRouter está compuesto en la esquina inferior derecha.
Guides & Insights

Sage-S2.1-Flash vs Qwen 3.8 Flash: ocho H200 frente a quince centavos

Autor

Gideon Frost

Fecha de publicación

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

La tarjeta del modelo de Sage-S2.1-Flash tiene veintiún bytes de longitud. Se abre con un encabezado de licencia, dice license: mit, y termina. No hay introducción, ni tabla de benchmarks, ni longitud de contexto, ni uso previsto, ni dirección de contacto. El repositorio en sí no está vacío —120 fragmentos de pesos bfloat16, unos 645 GB de ellos, además de un archivo de configuración, una plantilla de chat, una guía de despliegue y cinco pequeñas carpetas de adaptadores científicos—, pero se ha omitido todo lo que un lector normalmente usaría para decidir si prestarle atención. Los pesos se publicaron el 15 de noviembre de 2026 y se revisaron hasta el 16. InternLM, la organización de modelos de Shanghai AI Laboratory, no ha anunciado nada: ni entrada de blog, ni artículo, ni publicación en el sitio propio de la familia. En el momento de escribir esto, el repositorio muestra cero descargas en el mes, un me gusta y ningún proveedor de inferencia que lo sirva.

Qwen 3.8 Flash es el tipo opuesto de objeto. A​libaba lo ha vendido a través de QwenCloud desde el 26 de agosto de 2026 a $0.15 por millón de tokens de entrada y $0.47 por millón de salida, ha publicado sus límites de frecuencia y su lista de herramientas, ha distribuido pesos abiertos bajo el nombre Qwen3.8-Flash-Next y ha puesto una tabla comparativa de doce filas en esa ficha. Está disponible en OrcaRouter como qwen/qwen3.8-flash al precio de lista del propio proveedor. Puedes enviarle una solicitud en los próximos treinta segundos.

Así que esto no es una comparación entre dos modelos que puedas comprar. Es una comparación entre un modelo alojado barato con un precio publicado y un modelo {{1}}de 321 mil millones de parámetros{{/1}}, {{2}}mezcla de expertos de pesos abiertos{{/2}}, sin precio, sin puntuación y sin anuncio — y la pregunta honesta no es cuál es mejor, porque nadie puede responder eso todavía. Es si poner en marcha ocho H200 para el que no se ha medido es un mejor uso del dinero que pagar quince centavos por millón de tokens por el que sí se ha medido, y para cuántos equipos esa respuesta es alguna vez sí.

Qué demuestra realmente el repositorio Sage-S2.1-Flash

Primero los hechos, porque son más abundantes de lo que sugiere la tarjeta vacía. El recuento de parámetros en el índice de pesos es 321,323,031,390, y la guía de despliegue lo redondea a «320B-A18B»: 320 mil millones en total, 18 mil millones activos por token. La configuración de texto contiene 45 capas, de las cuales 34 son capas de atención lineal del tipo delta-net con compuerta y 11 son capas de atención dispersa de la línea D​eepSeek, con 288 expertos enrutados, de los cuales ocho, más un experto compartido, se activan por token, un tamaño oculto de 4,096 y un vocabulario de 154,880 tokens. Las incrustaciones de posición máxima se establecen en 1,048,576.

A two-column comparison scoreboard titled 'Sage-S2.1-Flash vs Qwen 3.8 Flash — the scoreboard': the left column Sage-S2.1-Flash reads Parameters '321B total, 18B active', Context '1,048,576 configured', Input price 'no hosted endpoint', Output price 'no hosted endpoint', Licence 'MIT, ungated', Published benchmarks 'none'; the right column Qwen 3.8 Flash reads Parameters '125B plus 51B n-gram, 6B active', Context '1,000,000 tokens', Input price '$0.15 per 1M', Output price '$0.47 per 1M', Licence 'Qwen community licence', Published benchmarks '12 rows, unreproduced'; the footer reads 'Sage-S2.1-Flash figures read from its repository; Qwen 3.8 Flash per Alibaba, vendor-reported.'; the OrcaRouter logo is composited in the bottom-right corner.

La licencia es MIT, sin cláusula de uso aceptable en el repositorio. Vale la pena detenerse en eso: un MoE multimodal de 321B bajo una licencia permisiva, sin ninguna barrera en la descarga, es un objeto más raro de lo que sugiere el silencio que lo rodea.

El linaje es verificable y ligeramente sorprendente. La cadena de arquitectura es glm5_next, la clase es Glm5NextForConditionalGeneration, y la guía de despliegue dice claramente que el modelo usa la arquitectura GLM-5.3-Flash y que las recetas de framework que deben seguirse son las oficiales de GLM-5.3-Flash, con la ruta del modelo intercambiada. El Sage-S2.1 más antiguo y más grande —753B parámetros, arquitectura glm_moe_dsa, que aún lleva una tarjeta de modelo "Atria Dawn" que lo describe como construido sobre un backbone GLM-5.2 de 744B— es una generación de backbone completamente distinta. Flash no es un S2.1 destilado. Es un modelo nuevo y más pequeño construido sobre una arquitectura más reciente de un laboratorio diferente, con el mismo nombre de familia.

Ese nombre de familia es en sí mismo un blanco móvil. El antiguo repositorio internlm/Atria-Dawn ahora redirige a internlm/Sage-S2.1, y la tarjeta del destino de la redirección sigue diciendo "Atria Dawn" en todos los encabezados —el cambio de nombre ocurrió sin que la documentación lo acompañara. Quien haya leído la cobertura de Atria Dawn antes en el año y ahora busque "Sage" debería entender que se trata del mismo repositorio con dos nombres, y que Flash es su nuevo hermano más ligero.

Los adaptadores científicos son la parte del repositorio que ningún anuncio de proveedor habría explicado de todos modos. Bajo projectors/sage-s2.1-flash/ se encuentran cinco carpetas pequeñas —cif/jarvis, dna/splice, ecg/phu01, eeg/neu06, protein-seq/mpbind—, cada una con un archivo de configuración y un proyector de entre cuatro y veintiocho megabytes que mapea un flujo de características científicas al espacio de 4.096 dimensiones del backbone. Las estructuras cristalinas pasan por un codificador CHGNet 0.3.0, un estado de 64 dimensiones por átomo. Las secuencias de proteínas pasan por ESM2-t33-650M, un estado de la última capa por residuo. El adaptador de ADN es una lectura DNABERT2 adaptada a la tarea sobre tres características; los adaptadores de ECG y EEG son igualmente pequeños y específicos de la tarea. Coste total de pesos para los cinco: menos de 90 MB, frente a 645 GB del modelo de lenguaje.

Esos archivos de configuración también filtran la procedencia que la ficha del modelo omitió. Indican el directorio del checkpoint del backbone, las marcas de fecha de las ejecuciones de entrenamiento y una huella que dice sage-s2.1-flash-hf111-bf16-norm-261113 —13 de noviembre de 2026, dos días antes de que aparecieran los pesos. Así se establece aquí el linaje: no a partir de una nota de prensa, sino de un campo de configuración que el empaquetado olvidó eliminar.

Lo que Qwen 3.8 Flash publica y lo que no

El contraste no es que Qwen sea honesto y Sage no. Es que un proveedor documenta su producto y el otro todavía no se ha puesto a ello. La ficha de Alibaba para Qwen 3.8 Flash especifica un contexto de 1.000.000 de tokens con una entrada máxima de 991.000 tokens, una salida máxima de 131.072 tokens y un presupuesto de razonamiento de 262.144 tokens; entrada multimodal de texto, imagen y video con salida de texto; llamada a funciones, salida JSON estructurada, completado de prefijos, almacenamiento en caché de contexto, procesamiento por lotes y ajuste fino; y tanto los protocolos de solicitud de OpenAI como los de Anthropic, por lo que se integra sin cambios en Claude Code y Codex.

El artefacto de pesos abiertos que hay detrás es Qwen3.8-Flash-Next, publicado el 24 de agosto de 2026: 125.000 millones de parámetros con 6.000 millones activados, más una tabla de embeddings de n-gramas de 51.000 millones y una cabeza de predicción de múltiples tokens de 4.000 millones, 48 capas dispuestas como doce repeticiones de tres bloques gated-delta-net y un bloque de atención dispersa, 512 expertos con diez enrutados más uno compartido activos por token, y 262.144 tokens de contexto nativo ampliables a un millón. Alibaba describe el Qwen 3.8 Flash alojado como esa arquitectura más funciones de producción: la ventana predeterminada de 1M y las herramientas integradas son las incorporaciones. Los pesos están bajo la licencia de la comunidad de Qwen, no bajo MIT.

La tabla de benchmarks de esa ficha está reportada por el proveedor y no ha sido reproducida de forma independiente. Léala con esa etiqueta presente: DeepSWE 1.1 con 58.7, SWE-bench Pro con 62.5, SWE-bench Multilingual con 81.0, NL2Repo-Bench con 48.1, CoWorkBench con 73.9, JobBench con 55.7, Toolathlon Verified con 73.5, IFBench con 81.3, GPQA Diamond con 91.7, HLE con 35.9, LiveCodeBench v6 con 91.9, y Agents' Last Exam con 24.3 pass@1 y una puntuación de 51.2. Esas cifras son Alibaba calificando su propia tarea en un conjunto de comparación que incluye un predecesor de 397B y un modelo de Claude. Aun así, son muchísimo más de lo que ofrece Sage-S2.1-Flash, que no ofrece absolutamente nada.

A screenshot of the Hugging Face repository page for internlm/Sage-S2.1-Flash, captured in English on 16 November 2026, showing the YAML frontmatter line 'license: mit', the Safetensors format tag with the repository's parameter count, and the file listing that includes the chat template, on a repository whose model card has no description, no benchmark table and no intended-use statement.

Pon los dos uno al lado del otro en las dimensiones en las que realmente se basa una decisión de compra:

• Parámetros totales — Sage-S2.1-Flash 321B, de los cuales 18B activos por token, frente a Qwen 3.8 Flash 125B más una tabla de n-gramas de 51B, de los cuales 6B activos

• Contexto — 1.048.576 tokens configurados frente a 1.000.000 publicados, con un máximo de 991.000 tokens de entrada y un máximo de 131.072 de salida en el lado de Q​wen

• Precio de entrada — Sage-S2.1-Flash no tiene ninguno, porque nada lo sirve, frente a $0,15 por millón de tokens

• Precio de salida — ninguno frente a $0.47 por millón, con lecturas en caché a $0.0184 por millón en nuestro listado

• Licencia — MIT, sin restricciones, frente a la licencia comunitaria de Q​wen

• Evaluación publicada — cero benchmarks frente a una tabla de proveedor de doce filas, sin reproducir

• Peso de servicio — 645 GB en bfloat16 distribuidos en 120 fragmentos, o 328 GB en la variante FP8, frente a un endpoint alojado

La comparación de precios que en realidad es una cuestión de gasto de capital

No existe un precio por token para Sage-S2.1-Flash con el que comparar con $0.15, porque el modelo no tiene ningún endpoint alojado en ninguna parte. Lo que tiene es un requisito de servicio: ocho H200 para el checkpoint en bfloat16, según la configuración de referencia de la propia guía de despliegue. Así que la comparación no es de céntimos contra céntimos, sino de alquiler contra tokens, y se reduce a un único número que nadie ha publicado.

Toma como referencia $3 por hora de GPU para una H200 —una suposición, no una cotización, y la cifra varía según la nube y el compromiso—. Ocho de ellas cuestan $24 por hora, $576 al día y unos $17.500 al mes antes de haber atendido una sola solicitud. Con las tarifas de Alibaba, $576 permiten comprar 3,84 mil millones de tokens de entrada o 1,23 mil millones de tokens de salida. Así que la pregunta del punto de equilibrio es si tu tráfico, de otro modo, gastaría más de $576 al día en Qwen 3.8 Flash —aproximadamente el equivalente a 3,8 mil millones de tokens de entrada, todos los días, de forma sostenida.

Esa comparación solo es válida si sabes cuántos tokens por segundo produce Sage-S2.1-Flash en ocho H200. Nadie lo ha medido y el repositorio no lo indica. El número de parámetros activos te da una intuición aproximada —18B activos frente a 6B activos sugiere que el modelo Sage cuesta aproximadamente tres veces más cómputo por token generado—, pero una intuición no es una cifra de rendimiento, y sin ella el cálculo de punto de equilibrio anterior tiene una incógnita en ambos lados. La variante FP8 reduce el peso residente de 645 GB a 328 GB, lo que cambia el hardware que necesitas; no te dice con qué rapidez se ejecuta el resultado.

Para la mayoría de los equipos, esa incógnita es todo el argumento. Un modelo que no se puede medir en rendimiento es un modelo que no se puede costear, y un modelo que no se puede costear no es candidato a una vía de producción: es un objeto de investigación. Eso no es una crítica al lanzamiento; es para lo que sirve un lanzamiento no anunciado.

La asimetría de la evidencia, expresada sin rodeos

Dos modelos, dos modos de fallo de la evidencia. Qwen 3.8 Flash tiene benchmarks reportados por el proveedor y ochenta y dos días de uso por terceros, lo que significa que sus cifras no están auditadas, pero su comportamiento es al menos observable: hay personas ejecutándolo, informando sobre él y encontrando sus límites en público. Sage-S2.1-Flash no tiene ninguno de los dos. Sus 645 GB de pesos son más prueba de un modelo real de lo que serían una filtración o una captura de pantalla —esto es un artefacto publicado, no un rumor—, pero los pesos son prueba de existencia, no de calidad.

Las cosas concretas que hoy siguen siendo imposibles de saber: qué puntúa Sage-S2.1-Flash en cualquier cosa; a qué velocidad decodifica; si sus embeddings de posición de 1M resisten a longitudes largas o se degradan como lo hacen la mayoría de las extensiones de contexto largo; si la torre de visión de su configuración está entrenada con un estándar de producción o se heredó del modelo base; si los proyectores científicos se evalúan en algo más allá de sus propias distribuciones de entrenamiento; y cuánto pretende cobrar InternLM, si es que cobra algo, por una versión alojada. El repositorio no responde a ninguna de estas preguntas. Quien te diga lo contrario está extrapolando a partir de la reputación del modelo base, lo cual es una creencia previa razonable y no una medición.

Para qué sirve realmente el modelo

Los proyectores son la pista. Nadie acopla cinco adaptadores de modalidad científica a un modelo de chat general como una ocurrencia tardía; la estructura de carpetas, las plantillas de prompt por tarea y las elecciones de encoder describen un modelo construido para leer cristales, sitios de empalme, trazados cardíacos, trazados cerebrales y secuencias de proteínas como entradas de primera clase, en lugar de como descripciones textuales de esas cosas. Las estructuras cristalinas se tokenizan como estados de átomos con un límite de 512 átomos; las secuencias de proteínas portan estados por residuo con una cabeza de lectura científica opcional; el adaptador de ADN es una lectura de probabilidad sobre un único objeto.

Qwen 3.8 Flash no hace esto. Lee imágenes, vídeo y texto, y lo hace con cifras publicadas en benchmarks visuales —CharXiv, MathVision, ERQA, LVBench, OSWorld 2.0—, pero una red cristalina renderizada como PNG no es una red cristalina. Si su carga de trabajo es biología estructural, cribado de materiales o análisis de señales fisiológicas, la lectura honesta es que estos dos modelos no compiten por el mismo trabajo y que la comparación con Q​wen es una referencia de precio más que un sustituto. Si su carga de trabajo es texto y código, los proyectores son irrelevantes y Sage-S2.1-Flash es un modelo de chat de 321B sin tarjeta.

Una precaución sobre la cuestión multimodal, porque la configuración invita a la sobreinterpretación. El repositorio incluye una torre de visión de 24 capas con tamaño oculto de 1,024, entradas de 448 píxeles y parches de 14 píxeles, tokens de inicio y fin de imagen y vídeo, y una plantilla de chat con ranuras para imagen, vídeo y audio. Pero la plantilla es la de la familia GLM-5.3, las ranuras de audio no tienen una configuración de audio correspondiente, y la única instrucción específica para medios de la guía de despliegue trata sobre imágenes que llegan dentro de resultados de herramientas. Considera la torre como presente y no documentada: los pesos están construidos para aceptar más que texto, y lo que la versión pretende que le proporciones no se indica.

La fricción, que no es cero.

Alojar Sage-S2.1-Flash por cuenta propia no es cuestión de apuntar vLLM a un repositorio. Tres requisitos provienen de la guía de despliegue, y el segundo es el incómodo.

• --trust-remote-code es obligatorio en todos los motores: el repositorio incluye su propio tokenizador y procesador, y sin esta opción los motores cargan silenciosamente un tokenizador estándar que codifica cadenas como <tool_call> como tokens de control en lugar de texto, lo que rompe el razonamiento y las llamadas a herramientas sin ningún aviso

• vLLM 0.33.0 necesita un parche proporcionado para vllm/renderers/hf.py, porque cuando los resultados de herramientas paralelas regresan fuera del orden de llamada, la plantilla los renderiza en el orden de llamada mientras vLLM recopila sus imágenes en el orden de los mensajes, adjuntando silenciosamente cada imagen al resultado incorrecto; la corrección upstream sigue siendo una pull request en borrador

• LMDeploy necesita transformers entre 5.17 y 5.19, porque 5.19 cambia el nombre del tipo de capa que el motor no aceptará; SGLang necesita 0.5.20 o posterior, además de que se pase explícitamente la plantilla de chat del repositorio, porque, de lo contrario, SGLang instala su propia plantilla integrada para la arquitectura

Cada uno de esos es una solución documentada para un modelo que tiene un día de vida, y la guía es sincera al señalar que los frameworks todavía se están moviendo. Nada de eso es descabellado; todo ello es tiempo de ingeniería que Qwen 3.8 Flash no exige, porque del lado alojado se reduce a una URL base y una clave de API.

Una clave, dos niveles de compromiso muy diferentes

Qwen 3.8 Flash está en OrcaRouter como qwen/qwen3.8-flash al precio de lista de A​libaba trasladado sin margen — 0,15 USD por millón de tokens de entrada, 0,47 USD por millón de tokens de salida, 0,0184 USD por millón para lecturas en caché, un contexto de 1.000.000 de tokens y un límite máximo de salida de 131.072 tokens. La propia página de QwenCloud indica 0,016 USD para la variante de caché implícita; la regla de traspaso directo significa que cualquier cambio que haga A​libaba lo recibes el mismo día, en lugar de en la siguiente renovación del contrato. Sage-S2.1-Flash no está en el catálogo y nada lo sirve, así que no hay ninguna ruta hacia él aquí ni motivo para pretender lo contrario.

A screenshot of the OrcaRouter model page for qwen/qwen3.8-flash, captured in English on 16 November 2026, showing the model name and model id, the per-million-token input and output pricing, the context window and maximum output limits, and the API access details for the model.

En esta situación, lo que la capa de enrutamiento realmente aporta es mantener la evaluación barata y reversible. Ejecuta el experimento de Sage en tu propio hardware si lo tienes, mantén Qwen 3.8 Flash como la ruta de producción y deja que una cadena de conmutación por error quede detrás de la nueva ruta, de modo que un modelo con una tarjeta vacía nunca se convierta en un único punto de fallo el primer día que gestione tráfico real. La misma idea se aplica a la pregunta más difícil — la fusión de modelos, en la que un panel responde a un mismo prompt con varios modelos y un juez los concilia, es la forma más barata de averiguar si un MoE científico de 321B merece su alquiler: no migras, preguntas a ambos y lees las respuestas.

¿Quién debería elegir cuál?

Si vas a entregar texto o código este trimestre, Qwen 3.8 Flash es la respuesta defendible y Sage-S2.1-Flash no es una respuesta en absoluto. El modelo Qwen es más barato por token que casi cualquier cosa en su nivel de capacidad, está documentado lo suficiente como para planificar a partir de ello, cuenta con una licencia lo bastante clara como para desplegarlo y es observable en público. Sus benchmarks son de la propia Alibaba y deben tratarse como afirmaciones, pero una afirmación más ochenta y dos días de experiencia de otras personas supera a un silencio más tres días de la de nadie.

Si trabajas en biología estructural, diseño de proteínas, materiales o señales fisiológicas, el cálculo se invierte. Los cinco proyectores del repositorio Sage-S2.1-Flash son una capacidad que ni Qwen 3.8 Flash ni la mayoría de los modelos abiertos ofrecen a ningún precio, la licencia es MIT, y el requisito de hardware —ocho H200, o menos con el checkpoint FP8— es el tipo de coste que un grupo de investigación ya asume. Lo correcto es descargarlo, ejecutar las comprobaciones del proyector del lado de la CPU que incluye el repositorio, y medir las dos cosas que no te dice: el rendimiento de decodificación en tu hardware y la precisión en tu propio conjunto de validación reservado. Eso es una semana de trabajo y es la única forma de que este modelo se convierta en una decisión en lugar de una curiosidad.

El tercer caso es el más grande. Si solo sientes curiosidad, la postura correcta es esperar una model card. Cuando InternLM publique una, las cifras que importarán serán las que este repositorio no puede aportar: el throughput, la degradación en contextos largos, si la torre de visión está activa y qué puntúan los proyectores fuera de sus distribuciones de entrenamiento. Hasta entonces, Sage-S2.1-Flash es un artefacto real con una especificación sin leer, y lo más útil de él es que los pesos existen, no están restringidos y son MIT, lo que significa que cuando alguien lo mida, no necesitarás permiso para comprobar su trabajo.

Comparados en este artículo2

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