Ultramarine 1 Flash vs Claude Haiku 4.5 : deux chiffres de coût par tâche qui ne mesurent pas la même chose

Les deux modèles de cette comparaison publient tous deux un coût par tâche, et la tentation est de mettre les chiffres côte à côte et de soustraire. Paper Instruments indiqueUltramarine 1 Flashtermine un travail pour 0,13 $. Artificial Analysis mesureClaude Haiku 4.5, dans sa configuration de raisonnement, à 0,28 $ par tâche de l'Intelligence Index achevée. L'un représente moins de la moitié de l'autre, et si c'était là toute l'image, la décision prendrait dix secondes. Ce n'est pas toute l'image, car ces deux chiffres proviennent de suites différentes qui demandent au modèle des choses différentes, et comprendre quelle suite ressemble à votre travail constitue toute la comparaison. Les tarifs eux-mêmes sont encore plus éloignés : 0,15 $ par million de tokens en entrée et 0,50 $ en sortie pour le modèle Paper Instruments, contre 1,00 $ et 5,00 $ pour celui d'A​nthropic — un écart de 6,7x en entrée et de 10x en sortie.

Il existe une seconde asymétrie. Claude Haiku 4.5 dispose d'un score publié provenant d'un laboratoire qui n'est pas son concepteur. Ultramarine 1 Flash dispose d'un score publié provenant de l'entreprise qui l'a entraîné, sur une suite que cette entreprise a conçue. Ces deux faits importent davantage ici que n'importe quel chiffre de benchmark isolé, et aucun des deux n'apparaît dans une comparaison côte à côte.

Les deux grilles tarifaires, et la ligne qui n'est pas la même sur les deux.

Les chiffres d’Ultramarine correspondent à la tarification API publiée par Paper Instruments et à ses propres évaluations publiées. La tarification de Claude Haiku 4.5 est la grille tarifaire d’A​nthropic ; ses chiffres d’évaluation sont des mesures d’Artificial Analysis, étiquetées comme telles.

• Entrée — Ultramarine 1 Flash 0,15 $ par million de tokens contre Claude Haiku 4.5 1,00 $. Le modèle d’Anthropic coûte 6,7 fois plus cher en entrée.

• Entrée mise en cache — 0,03 $ contre 0,10 $ par million, une remise de 90 % du côté d’Anthropic contre une remise de 80 % du côté de Paper Instruments. L’écart absolu reste large, l’écart proportionnel se réduit.

• Sortie — 0,50 $ vs 5,00 $ par million. 10x, et c'est la ligne où la différence se fait vraiment sentir, car le travail documentaire génère une grande quantité de sortie.

• Contexte — 131 072 tokens dans la configuration d'entraînement spécifiée par le rapport technique, contre 200 000 sur la grille tarifaire de Haiku. A​nthropic en détient environ 1,5 fois plus.

• Sortie maximale — non publiée par Paper Instruments contre 64 000 tokens pour Claude Haiku 4.5. Une cellule vide dans la liste.

• Entrées — Claude Haiku 4.5 accepte les téléversements de texte, d'images et de fichiers. Ultramarine 1 Flash est conçu autour du travail sur le texte et les documents ; sa base, GLM-5.3 Flash, est nativement multimodale, mais Paper Instruments ne publie pas de liste de modalités pour le dérivé.

• Coût mesuré par tâche terminée — 0,13 $ sur PI Knowledge Work pour Ultramarine 1 Flash, contre 0,28 $ sur l’Intelligence Index pour Claude Haiku 4.5 (raisonnement). Les chiffres que les gens se citeront les uns aux autres. La section suivante explique pourquoi ce ne sont pas les mêmes unités.

Ce que chaque score couvre réellement

La fiche publiée de Claude Haiku 4.5 se décline en deux configurations, et il vaut la peine de les distinguer, car un résultat de recherche vous montrera généralement la mauvaise. Artificial Analysis classe la configuration sans raisonnement à un Intelligence Index de 15 avec 87,3 tokens de sortie par seconde. La configuration avec raisonnement — celle à laquelle est associé un coût par tâche, et celle que cet article utilise d’un bout à l’autre — affiche un Intelligence Index de 17, 90,0 tokens de sortie par seconde, 1,00 $ en entrée et 5,00 $ en sortie par million, une remise de 90 % pour le cache, 0,28 $ par tâche de l’Intelligence Index terminée et une verbosité de 78 millions de tokens de sortie. Sa fenêtre de contexte est de 200 000 tokens, avec une date d’arrêt des connaissances en juillet 2025, et il accepte le texte et l’image.

L'Indice d'Intelligence est assemblé à partir d'évaluations en mathématiques, en programmation, en raisonnement et en capacités agentiques. Aucun de ses tests constitutifs ne demande à un modèle de produire un jeu de diapositives, une note de due diligence ou un modèle Excel intégrant une prévision dynamique, car ces livrables n'ont pas de réponse unique correcte et un benchmark qui les noterait exigerait une grille d'évaluation propre à chaque tâche.

C’est exactement ce que Paper Instruments a construit, et exactement pourquoi la comparaison ne peut pas être une soustraction. PI Knowledge Work est une suite de livrables prêts pour le client dans les domaines de la finance, du droit, du conseil et des opérations, évalués tâche par tâche, par un modèle de notation par grille, selon des grilles d’évaluation rédigées. Ultramarine 1 Flash y obtient un score de 59,3 à 0,13 $ par tâche. Un score de 59,3 à une grille d’évaluation de livrables documentaires et un score de 17 à un indice de mathématiques et de codage ne sont pas des grandeurs comparables. Le chiffre de coût ne l’est pas non plus, car une tâche dans une suite peut être plus longue d’un ordre de grandeur qu’une tâche dans l’autre.

Ce que l’appariement permet d’étayer est plus restreint, et reste utile. Claude Haiku 4.5 a été évalué par quelqu’un qui n’a aucun intérêt en jeu, sur des tests que personne chez A​nthropic n’a conçus. Ultramarine 1 Flash n’a pas été évalué. Ce n’est pas une critique des chiffres de Paper Instruments — l’entreprise divulgue sa méthode avec un niveau de détail inhabituel — mais c’est une différence dans le type de preuves disponibles, et un acheteur qui place le choix devant un comité des risques s’en apercevra immédiatement.

Là où Claude Haiku 4.5 l'emporte sans conteste

Trois endroits, et aucun d'entre eux ne consiste à être plus intelligent.

L'entrée multimodale est le point le plus clair. Un contrat scanné, une capture d'écran d'un tableur défectueux, une photographie d'un tableau blanc — tout cela passe par Claude Haiku 4.5 via une interface qui le prend en charge, sans changement, depuis un an. Ultramarine 1 Flash repose sur un modèle de base qui lit les images et la vidéo, mais l'éditeur ne publie aucune liste de modalités pour son dérivé, et aucun exemple du rapport technique ne porte sur une image que le modèle doit examiner. Si vos documents arrivent scannés, cela tranche la question à soi seul.

La maturité opérationnelle vient en second. Un modèle avec un an de trafic de production derrière lui a vu ses modes de défaillance identifiés et documentés par des personnes qui n’étaient pas payées pour les trouver. Ce n’est pas le cas d’un modèle publié le 14 octobre 2026, et la première semaine de tout nouveau point de terminaison est le moment où l’on apprend ce qu’il fait sous charge.

La vérification indépendante est la troisième, et c'est celle qui produit un effet cumulatif. Chaque mois supplémentaire de la vie de Haiku 4.5 est un mois de plus où quelqu'un l'a fait tourner sur son propre travail et a consigné ce qui s'est passé.

Là où l’écart se réduit à presque rien — et pourquoi l’arithmétique est trompeuse

Le chiffre phare de 10x en sortie est réel, et sur une tâche de document long, il produit exactement la facture que vous prédiriez. Ce que le chiffre phare cache, c'est que l'économie par tâche des deux modèles peut converger, parce qu'une tâche sur PI Knowledge Work ne représente pas la même quantité de travail qu'une tâche sur l'Intelligence Index — et parce que le modèle A​nthropic est, en pratique, fortement mis en cache.

Il y a, du côté de Paper Instruments, un chiffre contre-intuitif qui mérite d’être lu correctement. Sur ses six benchmarks, Ultramarine 1 Flash génère 6,5 % de tokens de sortie en moins que le modèle GLM-5.3 Flash à partir duquel il est post-entraîné — 30,5 millions contre 32,7 millions, raisonnement inclus — tout en obtenant de meilleurs scores sur les six. Une efficacité de tokens qui s’améliore n’est pas la direction habituelle d’un cycle de post-entraînement, et sur une grille tarifaire par million de tokens, il s’agit d’une seconde remise qui s’empile sur la première. C’est la seule comparaison de la page Paper Instruments où les deux côtés sont mesurés par la même méthode sur la même suite, ce qui en fait le chiffre le plus fiable de la publication.

Face à cela, Claude Haiku 4.5 est le modèle le moins cher dans une comparaison que personne ne met en avant : à 0,28 $ par tâche Index terminée, son tarif correspond à une suite dont les tâches sont plus courtes et moins agentiques qu’un mémo. Placez un véritable livrable juridique ou financier devant chacun et le chiffre de 0,13 $ n’a jamais mesuré la même unité de travail que celui de 0,28 $.

Les deux modèles sont sur une seule clé via OrcaRouter si vous voulez trancher empiriquement plutôt qu'à la lecture. Claude Haiku 4.5 est servi à 1,00 $ et 5,00 $ par million de tokens, avec rien d'ajouté par token — le prix catalogue du fournisseur répercuté tel quel, de sorte qu'un changement de tarif du fournisseur est effectif chez nous le jour même, ce qui, pour un modèle dont le prix a déjà bougé, n'est pas une propriété anodine. Faire tourner les mêmes vingt documents sur les deux et lire les factures coûte moins cher que la réunion pour décider lequel choisir, et cela produit un chiffre plutôt qu'une discussion.

La décision, formulée comme une bifurcation

Si l'entrée est un document que quelqu'un a scanné ou une capture d'écran, la réponse est Claude Haiku 4.5 et il n'y a rien de plus à discuter.

Si l'entrée est du texte et la sortie un livrable fini — un modèle, une présentation, une note — et que le volume est suffisamment élevé pour que 0,15 $ contre 1,00 $ en entrée modifie la forme du projet, Ultramarine 1 Flash mérite un pilote sur votre propre travail. Il a un jour d'existence. Le 0,13 $ est déclaré par le fournisseur sur une suite conçue par le fournisseur, et aucune évaluation indépendante n'existe encore. Mais la grille tarifaire est réelle, la comparaison d'efficacité des tokens est mesurée de la seule manière honnête possible, et les gains par rapport à son propre modèle de base sur les quatre benchmarks où il est en tête sont constants plutôt que triés sur le volet.

Si votre charge de travail inclut les deux, le geste utile n’est pas de choisir. Une règle de routage peut maintenir le chemin des documents numérisés sur le modèle Anthropic et envoyer le chemin texte-vers-livrable à celui des deux qui satisfait à votre niveau de qualité sur un échantillon — et si le plus récent échoue, la requête part vers le plus ancien sans modification de code et sans deuxième contrat à signer.

Ce qui résoudrait la question ouverte, c’est une seule évaluation indépendante d’Ultramarine 1 Flash sur une suite que son créateur n’a pas écrite. Tant que cela n’existe pas, la position honnête est que Claude Haiku 4.5 est le modèle dont on peut prédire le comportement et qu’Ultramarine 1 Flash est le modèle dont on aimerait pouvoir profiter du prix. Rien de ce qui a été publié aujourd’hui ne dit que c’est impossible. Rien de ce qui a été publié aujourd’hui, hormis la propre page du fournisseur, ne dit que c’est possible.

C'est aussi dans des comparaisons comme celle-ci que les modes de défaillance apparaissent : les incidents d'IA et les défaillances d'agents documentés derrière les modèles de cette classe sont recueillis dans l'OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, son niveau de gravité, sa note de confiance et un indicateur de contestation.