Une carte de titre générée indiquant « Sage-S2.1-Flash vs Gemini 3.8 Flash » au-dessus du sous-titre « L'un a un précipice tarifaire, l'autre n'a pas de prix », avec deux pastilles en dessous indiquant « double le 1er janvier 2027 » et « 645 Go de poids ». Fond blanc, accents en dégradé bleu et cyan, icônes au trait plates. Le logo OrcaRouter est intégré dans le coin inférieur droit.
Guides & Insights

Sage-S2.1-Flash vs Gemini 3.8 Flash : l'un a une falaise tarifaire, l'autre n'a pas de tarif

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Gemini 3.8 Flash coûte aujourd’hui 0,75 $ par million de jetons d’entrée et 3,75 $ par million de jetons de sortie. Le 1er janvier 2027, il coûtera 1,50 $ et 7,50 $ — le même modèle, les mêmes poids, une facture deux fois plus élevée, car le tarif de lancement de Google pour ce modèle prend fin le 31 décembre 2026. Sage-S2.1-Flash, publié discrètement par le Shanghai AI Laboratory le 15 novembre 2026, n’a aucun prix à doubler. Il dispose de 645 gigaoctets de poids sous licence MIT, d’une fiche modèle de 21 octets et d’un guide de déploiement qui suppose que vous disposez de huit H200.

Mettez ces deux faits côte à côte, et l’intention de recherche derrière cette confrontation devient évidente : les gens ne se demandent pas vraiment quel modèle est le plus intelligent. Ils se demandent s’ils doivent continuer à louer le niveau Flash de Google ou si un modèle scientifique ouvert qu’ils peuvent télécharger remplace désormais une partie de cette facture. La réponse dépend d’une date et d’une distinction que la plupart des comparaisons omettent : entre un modèle peu coûteux au token et un modèle dont les tokens ne passent par aucun compteur.

Qu’est-ce qui est réellement prévu de changer ?

La documentation de Google elle-même pour Gemini 3.8 Flash répertorie deux grilles tarifaires, et une seule d’entre elles est en vigueur :

• Tarif introductif, jusqu’au 31 décembre 2026 — 0.75 $ par million de tokens d’entrée, 3.75 $ par million de tokens de sortie, 0.075 $ pour les tokens d’entrée mis en cache

• Standard, à partir du 1er janvier 2027 — 1,50 $ par million en entrée, 7,50 $ par million en sortie

• Contexte — 1 000 000 de tokens, avec un plafond de sortie de 64 000 tokens

• Réflexion — trois niveaux : faible, moyen (par défaut) et élevé ; l’ancien réglage minimal renvoie désormais une erreur

• Paramètres supprimés — temperature, top_p, top_k, candidate_count et les tours de modèle préremplis ne sont plus acceptés

Cette dernière ligne est celle qui coûte du temps d’ingénierie plutôt que de l’argent, et il est facile de la manquer dans une discussion sur les tarifs. Un pipeline migré de Gemini 3.6 Flash vers 3.8 Flash ne peut pas conserver sa configuration d’échantillonnage ; le modèle rejette les paramètres. Les préremplissages multi-tours ont aussi disparu, remplacés par un previous_interaction_id côté serveur. Tout ce que vous construisez sur 3.8 Flash d’ici janvier est une construction que vous devrez réaccorder deux fois — une fois pour le changement d’API que vous avez déjà effectué, une fois pour le changement de tarif que vous n’avez pas encore fait.

Gemini 3.8 Flash est aussi, selon la propre description de Google, le « modèle Flash de génération précédente » — stable, toujours le modèle par défaut derrière l’agent Antigravity et le SDK, et la cible de migration désignée pour les requêtes gemini-2.5-pro à partir du 1er décembre 2026. C’est une valeur sûre dont l’horizon sans mise à la retraite est connu, et non une expérimentation de pointe. C’est un véritable atout, et Sage-S2.1-Flash ne l’offre pas actuellement.

Screenshot of Google's AI Studio documentation page 'What's new in Gemini 3.8 Flash'. The model table shows the model ID gemini-3.8-flash, a default thinking level of medium, and the pricing note that Gemini 3.8 Flash is available through the end of the year at an introductory price of $0.75 per 1M input tokens and $3.75 per 1M output tokens. The intro text states the model supports a 1M-token context window, 64k max output tokens and tunable thinking levels of low, medium and high.

Deux produits différents portant « Flash » dans leur nom

La coïncidence de dénomination joue un rôle plus important qu’elle ne le mérite, il vaut donc la peine de la démonter.

Gemini 3.8 Flash est un outil multimodal hébergé et propriétaire, robuste et polyvalent. Il accepte en entrée du texte, des images, des vidéos, de l’audio et des fichiers, et renvoie du texte. Artificial Analysis lui attribue une note de 30,8 à l’Intelligence Index en mode effort élevé, avec environ 114 tokens de sortie par seconde et un temps jusqu’au premier token de 19,7 secondes sur son test de contexte long. Il est facturé au token, avec mesure de l’usage, et disponible dès aujourd’hui via l’API propre à Google et les canaux de revente cloud.

L’autre face du nom est un artefact de recherche. Sage-S2.1-Flash compte 320 milliards de paramètres, dont 18 milliards actifs par jeton, publié sous forme de 120 fragments bfloat16 sous licence MIT par le Shanghai AI Laboratory le 15 novembre 2026 — 645 Go de poids, une tour de vision et une configuration qui déclare un plafond de 1 048 576 jetons sur 45 couches. Trente-quatre de ces couches utilisent un type d’attention linéaire ; onze utilisent une attention éparse. Ce n’est pas un service. C’est un téléchargement accompagné d’un guide de déploiement.

Le mot « Flash » dans les deux noms signifie, respectivement, « petit palier dans une offre hébergée » et « la variante rapide d’une famille de modèles de recherche ». Ils ne sont pas en concurrence pour la même ligne budgétaire. Ils sont en concurrence pour le même travail, et seulement parfois.

Le seul benchmark dont ils partagent le nom

Ici, la comparaison devient véritablement intéressante, puis immédiatement décevante d’une manière instructive.

Le tableau d'évaluation d'InternLM pour Sage-S2.1-Flash couvre 35 benchmarks et huit modèles de comparaison : GLM-5.3-Flash, DeepSeek-V4.1-Flash-1017, Qwen3.8-Max, GPT-5.6 Sol, Claude Opus 5, GPT-6 Astra, GPT-6.1 Sol et Claude Opus 5.5. Gemini 3.8 Flash n'en fait pas partie. Il n'existe pas de classement partagé pour cette confrontation, qu'il soit élaboré par un fournisseur ou non.

Ce qui se recoupe, c’est un nom de benchmark. InternLM rapporte 87,9 pour Sage-S2.1-Flash sur Terminal-Bench 2.1. Artificial Analysis rapporte 87,6 pour Gemini 3.8 Flash sur Terminal-Bench 2.1. Il n’y a que trois dixièmes d’écart, et il est tentant de parler d’égalité — ce qui serait faux. Les deux chiffres proviennent de harnais différents, avec des scaffolds, des nombres de tentatives et des configurations d’outils différents, et aucun des deux laboratoires n’a publié les paramètres de son exécution. Une différence de 0,3 point entre deux harnais privés ne mesure rien. C’est une coïncidence qui se trouve être commode pour quiconque veut revendiquer la parité.

Tout ce que les deux ont d’autre en commun doit être appréhendé par le raisonnement plutôt que par soustraction. Artificial Analysis place Gemini 3.8 Flash à 95,3 sur GPQA Diamond, à 85,6 sur MMMU-Pro, à 47,8 sur Humanity's Last Exam, à 56,6 sur SciCode et à un GDPval de 1 442. InternLM place Sage-S2.1-Flash à 75,8 sur BabyVision, à 84,8 sur OSWorld-G, à 72,2 sur OfficeQA Pro V2, à 90,3 sur MLE-bench Lite et à 25,0 sur Harvey LAB. Ces listes ne se recoupent guère et, là où elles ne se recoupent pas, il n’y a rien à comparer — seulement deux laboratoires qui décrivent des points forts différents dans des vocabulaires différents.

A generated two-column comparison scoreboard titled 'Sage-S2.1-Flash vs Gemini 3.8 Flash - the scoreboard'. The Sage-S2.1-Flash column reads: Price: none published; Price change: none scheduled; Context: 1,048,576 tokens; Weights: MIT, about 645 GB; Independent score: none; Terminal-Bench 2.1: 87.9. The Gemini 3.8 Flash column reads: Price: $0.75 / $3.75; Price change: doubles 1 Jan 2027; Context: 1,000,000 tokens; Weights: proprietary; Independent score: AA Index 30.8; Terminal-Bench 2.1: 87.6. Footer: 'Sage figures the vendor's own, unaudited; Gemini price and index per Google and Artificial Analysis.' The OrcaRouter logo is composited in the bottom-right corner.

D'où proviennent les preuves, c'est là la vraie différence

Mettons un instant les chiffres de côté et examinons la provenance, car c’est elle qui détermine le crédit que l’on peut accorder à tout ce qui précède.

Gemini 3.8 Flash est évalué par un tiers sur un banc d'essai public. Le chiffre de 30,8 à l'Intelligence Index, les valeurs de vitesse ainsi que les scores GPQA et MMMU-Pro proviennent tous d'Artificial Analysis, qui applique la même procédure à chaque modèle qu'il répertorie. Vous pouvez contester le banc d'essai ; vous ne pouvez pas accuser Google de l'avoir rédigé.

Sage-S2.1-Flash n’est évalué que par ses auteurs, dans un fichier séparé par des tabulations committé dans un dépôt GitHub créé le 16 novembre, publié sur un site statique à l’adresse internlm.github.io/Sage-S2.1-Flash. Rien dans le dépôt Hugging Face ne renvoie à ce site. La fiche du modèle ne contient qu’une ligne de licence et rien d’autre — 21 octets, tous constitués de frontmatter YAML.

Le tableau du fournisseur comporte bien un marqueur de crédibilité qui mérite d’être salué : il inclut des lignes où le modèle perd. Sage est devancé par DeepSeek-V4.1-Flash-1017 de 6,9 points sur DeepSWE, de 5,5 sur NL2Repo-Bench et de 7,5 sur APEX-Agents, et il est devancé par Qwen3.8-Max sur Terminal-Bench 2.1 et SWE-bench Pro. Un laboratoire qui publie ses propres pertes est un laboratoire que l’on peut lire. Mais un tableau auto-publié comportant des pertes reste un tableau auto-publié, et aucun tiers n’a reproduit une seule ligne.

Quatre questions que les gens se posent réellement

L’essentiel de la confusion dans cette confrontation vient du fait que l’on regroupe plusieurs décisions distinctes en une seule. Une fois séparées, chacune a une réponse claire.

• Sage-S2.1-Flash peut-il remplacer Gemini 3.8 Flash pour du travail textuel à grand volume ? Non, et ce n'est pas une question de qualité. Gemini 3.8 Flash à 0,75 $ par million de jetons d'entrée revient moins cher que l'électricité et l'amortissement du nœud dont Sage a besoin, pour une charge de travail mesurée en millions d'appels courts. C'est le mauvais outil pour ce travail, quel que soit le score au benchmark.

• Sage l’emporte-t-il sur le contexte long, puisque les deux revendiquent un million de jetons ? Seulement à partir de janvier. Aujourd’hui, Gemini 3.8 Flash facture 0,75 $ par million de jetons d’entrée sur toute sa fenêtre, sans surcoût pour les prompts longs ; il en va de même à 1,50 $ à partir du 1er janvier. Sage n’a aucun prix au jeton, ce qui signifie que la question n’est pas « lequel est le moins cher au jeton » mais « lequel est le moins cher par mois » — et cela dépend de si le nœud de huit H200 est occupé. Un nœud qui reste inactif entre les tâches coûte plus cher que presque n’importe quel tarif au jeton.

• Le plafond de sortie est-il un problème ? Pour Sage, il est inconnu — aucun document de la publication ne précise de longueur de sortie maximale. Pour Gemini 3.8 Flash, il est de 64 000 tokens, ce qui suffit pour la plupart des étapes agentiques, mais pas pour une génération de texte long en un seul appel. Si votre charge de travail produit 100 K tokens en une seule réponse, Gemini 3.8 Flash est éliminé sur une spécification, pas sur un score.

• Lequel puis-je réellement appeler le lundi ? Gemini 3.8 Flash. Sage-S2.1-Flash n'a pas de point de terminaison hébergé que nous puissions confirmer ; le lien « Essayer l'API » du site de publication renvoie vers un portail qui ne présentait pas son catalogue à un client non JavaScript, et aucun fournisseur d'inférence ne listait le modèle sur Hugging Face au moment de la rédaction.

Screenshot of the OrcaRouter model page for google/gemini-3.8-flash. It shows a 1M-token context, 65k max output, text, image, video, file and audio input, vision, audio, tools, JSON and reasoning tags, a release date of 2026-09-02, and the price row $0.75 input and $3.75 output per million tokens with a 0.72 s time to first token.

Là où il faudrait tester l’affirmation scientifique

La revendication différenciatrice de Sage-S2.1-Flash n’est pas « un meilleur agent », mais « davantage de types d’entrées scientifiques dans un seul modèle » : graphes moléculaires, structures cristallines, séquences et structures tridimensionnelles de protéines, ADN et ARN, spectres, spectres de masse, diffraction des rayons X, électrocardiogrammes, électroencéphalogrammes et courbes de lumière. Cette liste provient de la communication de lancement en anglais d’InternLM, et non de la fiche du modèle, et il s’agit d’une déclaration de conception plutôt que d’un résultat mesuré.

La documentation de Gemini 3.8 Flash ne formule aucune affirmation équivalente. Il accepte nativement la vidéo et l’audio — un véritable avantage en termes de périmètre, que la configuration de Sage prend également en charge via les types de jetons vidéo et audio —, mais Google ne le décrit pas comme entraîné sur des spectres ou des motifs de diffraction. Pour être honnête, on peut dire que, sur les formats scientifiques, un modèle présente une spécialisation documentée sans vérification indépendante, tandis que l’autre offre une large entrée multimodale et des scores de tiers sur des benchmarks généraux qui incluent justement des benchmarks scientifiques (SciCode à 56,6, GPQA à 95,3).

Si cette spécialité compte pour votre travail, le test n’est pas un classement. C’est une poignée de vos propres figures, spectres ou images cryo, testés sur les deux, vérifiés par un expert du domaine. Dix documents et un après-midi tranchent davantage que trente-cinq lignes de fournisseurs, et c’est la seule expérience de cet article qui produise un résultat que vous pouvez défendre en interne.

Le service piège, car il décide du week-end

Quiconque télécharge Sage-S2.1-Flash devrait d’abord lire son guide de déploiement, pour une raison qu’il est facile de sous-estimer : chaque échec qu’il documente est silencieux. Le tokenizer interprétera mal la syntaxe agentique, les images seront associées au mauvais résultat d’outil dans un appel parallèle hors séquence, SGLang substituera discrètement son propre modèle de chat, le cache KV FP8 ne fonctionnera pas sur Hopper, et LMDeploy rejettera un type de couche renommé à moins que transformers ne soit épinglé à une version inférieure à 5.19. Aucun de ces problèmes ne produit de message d’erreur. Tous produisent une sortie plausible à partir d’une entrée erronée, ce qui est le pire mode de défaillance qu’un agent puisse avoir.

La liste équivalente de Google est plus courte et mieux prise en charge : pas de temperature, top_p ni top_k ; pas de tours préremplis ; des erreurs Malformed_Function_Call attribuées au texte précédant l’outil ; call_id et name obligatoires sur chaque FunctionResponse. La différence entre les deux listes ne tient pas à leur longueur. Elle tient au fait que l’une s’accompagne d’un guide de migration et d’un canal de support, tandis que l’autre n’est qu’un avertissement dans un fichier markdown, rédigé par les personnes qui ont écrit le modèle, à l’intention des premières poignées d’utilisateurs.

Tester les deux sans s'engager sur l'un ou l'autre

Un détail pratique au sujet de la falaise de janvier : comme un catalogue en pass-through reflète le prix catalogue du fournisseur plutôt qu'une copie négociée de celui-ci, un changement de tarif s'applique le jour où le fournisseur le publie. Gemini 3.8 Flash est dès maintenant appelable via OrcaRouter à google/gemini-3.8-flash — 0,75 $ en entrée et 3,75 $ en sortie par million, la carte tarifaire d'introduction, avec la fenêtre de 1 048 576 tokens intacte — et lorsque Google passera à 1,50 $ et 7,50 $, le catalogue l'affichera aussi, sans renégociation. Sage-S2.1-Flash n'est pas du tout dans le catalogue ; ce sont des poids MIT que vous serviriez sur votre propre matériel, et aucun routeur n'y changera rien.

Le geste utile pour une équipe qui pèse cela n’est pas de louer huit H200 sur une intuition. C’est d’exécuter le test au format scientifique décrit ci-dessus sur un modèle hébergé que vous pouvez appeler en un après-midi, et de chiffrer ce que l’augmentation de janvier fait réellement à votre facture avant de concevoir autour d’elle. Deux lignes de calcul suffisent pour la plupart des équipes : multipliez les tokens d’entrée de Gemini 3.8 Flash du mois dernier par 0,75 $ puis par 1,50 $, et faites de même pour la sortie à 3,75 $ et 7,50 $. Si l’écart est inférieur à une seule heure de H200 par mois, le modèle ouvert n’est pas la réponse et aucune lecture de benchmarks ne le fera le devenir. Si l’écart est plus grand, vous connaissez désormais le budget dont vous disposez pour une expérience, ce qui est un bien meilleur point de départ qu’une position dans un classement.

Ce calcul est aussi la raison pour laquelle la tarification en répercussion mérite qu’on s’y intéresse ici. OrcaRouter applique le prix catalogue du fournisseur sans ajouter de marge, de sorte que le changement du 1er janvier apparaîtra dans le catalogue le jour où Google le publie, plutôt qu’à la prochaine renégociation de contrat. Une comparaison rédigée d’après les 0,75 $ actuels sera erronée dans six semaines ; une comparaison fondée sur un catalogue en direct, elle, échouera au moins de manière visible.

Lorsque la comparaison devient réellement opérationnelle — un prix Sage publié, ou un point de terminaison hébergé qui vaut la peine d’être routé —, c’est le DSL de routage qui permet d’agir à moindre coût : une seule politique qui envoie les appels au format scientifique vers le modèle spécialisé et tout le reste vers le niveau Flash économique, avec basculement automatique afin qu’un point de terminaison expérimental ne devienne jamais un point de défaillance unique. C’est la posture que ce comparatif appelle réellement. Pas une migration, une répartition.

Ce qu’il faut décider, et quand

Avant le 1er janvier 2027, la réponse pragmatique est Gemini 3.8 Flash pour tout ce qui est destiné à la production et facturé au token, car il est bon marché, il est mesuré, il est appelable, et son changement de prix est une date connue plutôt qu'une surprise. Sage-S2.1-Flash ne vaut une évaluation que si votre travail implique les formats d'entrée scientifiques qu'il nomme — et seulement si vous disposez des GPU ou de la patience.

Après le 1er janvier, le calcul change d'exactement un facteur deux côté Google, et l'argument en faveur du modèle ouvert se renforce sans que le modèle ouvert ne fasse quoi que ce soit. Cela vaut la peine de le planifier dès maintenant : si votre facture de contexte long est la raison pour laquelle vous lisez ceci, faites les calculs à 1,50 $ et 7,50 $ avant de figer votre architecture sur un tarif qui expire dans six semaines.

Et gardez une chose bien claire tout du long. Sage-S2.1-Flash n’est pas un Gemini moins cher. C’est un grand modèle scientifique ouvert, doté d’une spécialité documentée, sans prix ni score indépendant, publié sans annonce par un laboratoire qui n’a pas encore dit combien il coûte. La raison de le suivre, c’est qu’on peut en être propriétaire. La raison de ne pas l’adopter ce mois-ci, c’est que personne, y compris ses auteurs, ne vous a dit ce qu’il fait sous un harnais que vous pouvez inspecter.

Comparés dans cet article2

Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement