
Sage-S2.1-Flash לעומת DeepSeek V4.1 Flash: ההתמודדות היחידה עם לוח תוצאות משותף
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 90 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 97 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaחדשOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 87 tok/s
- OrcaחדשOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 133 tok/s
- OrcaחדשOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 לכל 1M טוקנים · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 219 tok/s
יש בדיוק מקום אחד באינטרנט שבו Sage-S2.1-Flash ו-DeepSeek V4.1 Flash הועמדו זה מול זה לדירוג, והוא אינו מקום ניטרלי. InternLM, המעבדה שפרסמה את Sage-S2.1-Flash ב-15 בנובמבר 2026, הכניסה את DeepSeek-V4.1-Flash-1017 לטבלת ההשוואה שלה — 35 מבחני הערכה, שמונה מודלים מתחרים, קובץ מופרד בטאבים במאגר GitHub שכרטיס המודל ב-Hugging Face אינו מקשר אליו. כך ששני המודלים חולקים לוח תוצאות, ואחד מהם בנה אותו.
דבר זה נכון במידה רבה יותר משתי ההשוואות האחרות בסדרה, שבהן אין כלל טבלה משותפת. זה גם הופך את העמוד הזה לשימושי מבין שלושת העמודים, משום שטבלה משותפת — אפילו כזו של ספק עצמו — מאפשרת לשאול שאלות שצמד פוסטים נפרדים בבלוג אינם יכולים לענות עליהן. להלן מה שאומרת הטבלה המשותפת, מהן שתי הארכיטקטורות שמתחתיה, וכמה ממנה כדאי להאמין.
האסימטריה שממסגרת את הכול
הצב את שתי המהדורות זו לצד זו כארטיפקטים לפני שאתה מציב אותן זו לצד זו כמודלים.
DeepSeek V4.1 Flash הגיע ב-10 בספטמבר 2026 עם כרטיס מודל מלא, קובץ PDF של דוח טכני בשם "דחיפת גבולות דחיסת מטמון KV", רישיון MIT, API מתועד עם תעריפים מפורסמים לשעות שפל ולשעות עומס, ותמונת מצב מרעננת — 1017 — ב-17 באוקטובר. המאגר שלו ב-Hugging Face הורד 1.69 מיליון פעמים וצבר 4,978 לייקים. Artificial Analysis מעניקה לו ציון עצמאי של 32.6 במדד האינטליגנציה במאמץ מרבי.
Sage-S2.1-Flash הגיע ב-15 בנובמבר 2026 עם 120 שברי bfloat16, כרטיס מודל בגודל 21 בייט שכל תוכנו הוא הצהרת רישיון, מדריך פריסה, ואין מחיר מפורסם בשום מקום. יש לו לייק אחד ואפס הורדות. שום מערך בדיקות עצמאי לא נגע בו.
שניהם תערובות מומחים עם משקלים פתוחים ברישיון MIT, עם חלון הקשר של מיליון טוקנים וקלט תמונות נייטיבי. על הנייר הם שווים. מבחינת הראיות, הם אינם קרובים.

מה שהטבלה המשותפת באמת מכילה
קובץ הבנצ'מרק של InternLM מפרט 31 שורות הנושאות נתון של DeepSeek-V4.1-Flash-1017. לקרוא אותו זו חוויה שונה מקריאת פוסט השקה, מפני שהשורות שבהן Sage מפסיד עדיין שם. מדגם מייצג, כש-Sage ראשון בכל שורה:
• Terminal-Bench 2.1 — 87.9 מול 87.6, שוויון של שלוש עשיריות
• DeepSWE — 67.0 לעומת 73.9, פיגור של 6.9 נקודות
• SWE-bench Pro — 60.6 לעומת 64.7, פער של 4.1 נקודות
• NL2Repo-Bench — 57.2 לעומת 62.7, פער של 5.5 נקודות
• APEX-Agents — 61.7 לעומת 69.2, פער של 7.5 נקודות
• WideSearch — 81.5 מול 86.3
• BrowseComp — 91.2 לעומת 93.8
• CyberGym — 84.3 לעומת 88.8
• τ³-bench בנקאות — 45.4 לעומת 47.4
• OSWorld v2.1 — 69.3 לעומת 70.1
• AutomationBench — 56.7 לעומת 57.8
התבנית ברשימה הזו אינה נוחה עבור המודל החדש יותר: בעבודה כללית עם סוכנים ובקידוד, {{KEEP}}DeepSeek V4.1 Flash{{/KEEP}} מנצח ברוב השורות, לעתים קרובות בפערים שאינם רעש. מודל שפורסם חודשיים קודם לכן, על ידי מעבדה עם דוח טכני פומבי, מנצח את השחרור השקט במדדים שהשחרור השקט עצמו בחר לפרסם.
ואז הטבלה מתהפכת. השורות שבהן Sage מוביל הן אלו המדעיות והמסמכיות, והמרווחים הן מסדר גודל שונה לחלוטין:
• Harvey LAB — 25.0 לעומת 11.7, יותר מפי שניים
• OfficeQA Pro V2 — 72.2 לעומת 69.7
• BabyVision — 75.8 לעומת 58.0, פער של 17.8 נקודות
• OSWorld-G — 84.8 לעומת 61.4, פער של 23.4 נקודות
• MLE-bench Lite — 90.3 לעומת 89.2
• Workspace-Bench-Lite — 67.1 לעומת 66.8
• GDPval — 78.0 לעומת 77.6
• SpreadsheetBench 2 — 37.1 לעומת 35.8
שני דפוסים, והם מצביעים בכיוונים מנוגדים. בהנדסת תוכנה ובעבודת סוכנים מונחית כלים בסביבה כללית, DeepSeek V4.1 Flash הוא המודל החזק יותר, והמספרים של InternLM עצמה אומרים זאת. בתפיסה מדעית, בעבודה מקצועית עתירת מסמכים ובשליטה גרפית בשולחן העבודה, Sage-S2.1-Flash לא רק מקדים במעט אלא נמצא בקטגוריה אחרת.
למה הארכיטקטורות יניבו בדיוק את הפיצול הזה
שני המודלים פותרים בעיות שונות, והקונפיגורציות שלהם מראות זאת עוד לפני כל בנצ'מרק.
DeepSeek V4.1 Flash הוא עמוד שדרה בעל 552 מיליארד פרמטרים, עם 16 מיליארד פרמטרים פעילים לכל טוקן, הבנוי על מה ש-DeepSeek מכנה ארכיטקטורת מקודד-מפענח סיבתית: 40 שכבות המחולקות באופן שווה ל-20 שכבות מקודד סיבתי ו-20 שכבות מפענח. המסגור של הדוח הטכני הוא דחיסת מטמון KV — הטענה המרכזית של המודל עוסקת ביעילות הגשה במיליון טוקנים, ולא בתפיסה. הוא מעבד תמונות באופן מקורי, אך הדגש שפורסם שלו הוא כלכלת הגשה בהקשר ארוך.
Sage-S2.1-Flash הוא מודל בעל 320 מיליארד פרמטרים עם 18 מיליארד פעילים לכל טוקן ולפי מדריך הפריסה שלו, 45 שכבות. התצורה מחלקת אותן בחדות: 34 שכבות משתמשות בסוג קשב לינארי שהקובץ מכנה kda, ורק 11 משתמשות בקשב דליל עם אינדקס top-k של 2,048 טוקנים. יש מגדל ראייה בן 24 שכבות בקלט של 448 פיקסלים, ואוצר הטוקנים מכיל טוקנים מפורשים של תמונה, וידאו, אודיו, התחלה וסיום. עותק השחרור הרשמי באנגלית של InternLM — המתארח ב-internlm.github.io/Sage-S2.1-Flash, נוצר ב-16 בנובמבר, ללא הפניה מכרטיס המודל — מתאר אימון על פני גרפים מולקולריים, מבנים גבישיים, רצפי חלבונים ומבנים תלת-ממדיים, DNA ו-RNA, ספקטרים, ספקטרי מסה, עקיפת קרני רנטגן, אלקטרוקרדיוגרמות, אלקטרואנצפלוגרמות ועקומות אור.
קרא את הרשימה הזו מול השורות שבהן {{1}}Sage{{/1}} מנצח, והתמונה מפסיקה להיראות כמו מזל בבנצ'מרק. {{2}}Harvey LAB{{/2}} הוא עבודה משפטית על מסמכים. {{3}}OfficeQA Pro{{/3}} הוא מענה על שאלות במסמכים פיננסיים. {{4}}BabyVision{{/4}} הוא תפיסה חזותית. {{5}}OSWorld-G{{/5}} הוא שליטה גרפית בשולחן העבודה — לחיצה על UI, לא קריאה ל-API. אלה הם המבנים שמודל שאומן על איורים מדעיים, ספקטרים, גרפים וממשקי תוכנה היה צפוי להיות טוב בהם, וזה בדיוק המקום שבו מודל שאומן לשירות כללי יעיל מבחינת KV-cache היה צפוי לפגר.
הנקודה חותכת לשני הכיוונים. Sage מפסיד בשורות הקידוד משום שאינו בראש ובראשונה מודל קידוד; DeepSeek מפסיד בשורות הראייה משום שאינו בראש ובראשונה מודל תפיסה. אף אחת מהתוצאות אינה שערורייה. הטעות תהיה לפרש כל אחת מהעמודות כפסק דין כללי.

מרווח המחירים, שאינו קרוב
ל-DeepSeek V4.1 Flash יש תעריף מפורסם, והוא אחד התעריפים הזולים ביותר מכל מודל בגודל הזה:
• מחוץ לשעות עומס, החמצת מטמון — $0.15 למיליון קלט, $0.60 למיליון פלט
• שיא, החמצת מטמון — $0.30 למיליון קלט, $1.20 למיליון פלט
• פגיעת מטמון — $0.003 למיליון בשעות שקטות, $0.006 בשעות שיא
• שעות שיא — 01:00–04:00 ו-06:00–10:00 UTC, מיום שני עד יום שישי, למעט חגים ציבוריים בסין
• הקשר — 1,000,000 אסימונים, עם עד 384,000 אסימוני פלט
ל-Sage-S2.1-Flash אין תעריף מפורסם. אין מחיר בכרטיס הדגם, אין במדריך הפריסה, ואין באתר המיקרו של ההשקה; הקישור "Try the API" באתר מוביל לפורטל שלא יציג את הקטלוג שלו ללקוח ללא JavaScript. מה שיש ל-Sage במקום זאת הוא דרישת חומרה: פריסת הייחוס במדריך היא שמונה מעבדי H200 GPU ב-bfloat16, כ-645 GB של משקולות על פני הצומת.
זה הופך את השוואת העלויות לצורה ולא למספר. DeepSeek V4.1 Flash עולה $0.15 למיליון טוקני קלט בשעות לא-שיא, כלומר פרומפט של מיליון טוקנים עולה חמישה-עשר סנט. הרצת Sage-S2.1-Flash על מיליון טוקנים עולה ככל שעולה לך שמונה כרטיסי H200 עבור זמן הקיר שהקריאה נמשכת, ואיש לא פרסם נתון תפוקה עבורה. אם הצומת כבר בבעלותך, העלות השולית של הקריאה קרובה לאפס ו-DeepSeek נראה יקר בהשוואה. אם לא, DeepSeek מנצח בפער כה גדול שכלל לא שווה לערוך את ההשוואה ל-Sage עד שקיים מחיר לשירות מתארח.
מה שהטבלה המשותפת לא יכולה לספר לך
יש מאפיין אחד בהשוואה שנכתבה על ידי ספק שכדאי להצהיר עליו בבירור, משום שהוא משפיע על האופן שבו יש לקרוא כל שורה לעיל: מערך ההרצה אינו מתועד. InternLM פרסמה את המספרים, לא את תצורת ההרצה. אין כל הצהרה כמה ניסיונות היו לכל משימה, איזו תשתית תומכת שימשה, אילו פרמטרי דגימה נבחרו, האם היו כלים זמינים, או מה היה תקציב החשיבה לכל אחד מהמודלים. הציון 32.6 של DeepSeek עצמה ב-Artificial Analysis Intelligence Index מגיע ממערך הרצה ציבורי שמיישם את אותו הליך על כל מודל במדד שלו; הציון 73.9 של InternLM עבור DeepSeek ב-DeepSWE מגיע ממערך הרצה פרטי.
זה לא הופך את הטבלה לחסרת תועלת. זה הופך אותה לכיוונית. שורות הקידוד ושורות הראייה גדולות מספיק, ועקביות פנימית מספיק, כך שסביר שבחירות scaffolding לא מייצרות אותן. לעומת זאת, התיקו של שלוש עשיריות ב-Terminal-Bench 2.1 נמצא היטב בתוך הטווח שכל שונות של harness יכולה להפיק — התייחסו להפרש של 0.3 נקודות כתיקו ושום דבר לא הולך לאיבוד.
כדאי גם לציין: InternLM פרסמה נתון עבור DeepSeek ב-DeepSWE (73.9) שהוא גבוה ביחס לשורות הקידוד האחרות בטבלה שלה, שבה DeepSeek מגיע ל-64.7 ב-SWE-bench Pro. אי-העקביות הפנימית הזו היא מסוג הדברים שמערך בדיקות מפורסם היה פותר במהלך אחר צהריים, ואילו מערך פרטי אינו יכול לפתור כלל.

פריסה: אחר צהריים אחד לעומת מסמך אחד
אם אתם בוחרים על בסיס שיקולים תפעוליים ולא לפי שורות של בנצ'מרקים, הפער רחב מכפי שהציונים מרמזים, והוא נע באותו כיוון כמו פער הראיות.
DeepSeek V4.1 Flash מגיע עם דוח טכני, ארכיטקטורת transformers סטנדרטית, גרסת fp8 ותגי פריסה ל-Azure ול-SageMaker בכרטיס הדגם שלו. הוא כבר נמצא בשטח חודשיים, יש לו 1.69 מיליון הורדות, וכל מוזרות שירות שיש לו — מישהו כבר נתקל בה ותיעד אותה.
Sage-S2.1-Flash מגיע עם מדריך פריסה שהוא, אם קוראים אותו היטב, רשימה של כשלים שקטים. השמיטו את --trust-remote-code והטוקנייזר המובנה מקודד מחרוזות סוכניות כמו <|user|> ו-<tool_call> כאסימוני בקרה — המודל עוצר מוקדם או משבש קריאת כלי, ושום דבר לא נרשם ביומן. הריצו אותו ב-vLLM בלי תיקון הקובץ הבודד ב-vllm_patch/ ותוצאות כלים מקבילות שחוזרות שלא לפי הסדר יצמידו תמונות לתוצאה הלא נכונה, כך שהמודל עונה על התמונה הלא נכונה; התיקון במעלה הזרם ממתין כ-vllm-project/vllm#67108. הריצו אותו ב-SGLang בלי להעביר את chat_template.jinja במפורש והמנוע יתקין תבנית משלו עבור הארכיטקטורה. ב-Hopper, מטמון KV מסוג FP8 אינו נתמך. LMDeploy דורש את transformers מוצמד בין 5.17 ל-5.19, מפני ש-5.19 שינה את שם סוג שכבה.
כל זה מתועד, ולזכות המעבדה ייאמר — זה יותר ממה שרוב השחרורים השקטים מצליחים לעשות. אבל זו גם טביעת האצבע של מודל שרק מחבריו עצמם הם עדיין האנשים היחידים שהפעילו אותו.
הדבר השימושי היחיד שהשולחן המשותף מכריע
לאור כל האמור לעיל, הנה ההחלטה שהראיות למעשה תומכות בה.
• אם העבודה שלך היא קוד, כלי סוכנים או שירות כללי של הקשר ארוך — DeepSeek V4.1 Flash. הוא מנצח ברוב השורות האלה בטבלה של המתחרה עצמו, הוא עולה 0.15 דולר למיליון טוקני קלט בשעות שפל, ויש לו ציון עצמאי שאפשר להשוות אליו. אין כאן טיעון רציני לטובת Sage.
• אם העבודה שלך עוסקת באיורים מדעיים, ספקטרומים, גרפים, מסמכים מקצועיים סרוקים או תוכנה מבוססת GUI — Sage-S2.1-Flash שווה את סוף השבוע. הפער של 23 נקודות ב-OSWorld-G והפער של 13 נקודות ב-Harvey LAB הם מסוג ההבדלים שמשנים אם משימה ניתנת לאוטומציה בכלל, ואף מודל אחר בטבלה של InternLM לא מתקרב בשורות האלה.
• אם עליך להחליט היום — DeepSeek V4.1 Flash, מפני שזהו היחיד מבין השניים שאפשר לקרוא לו ללא חלון תחזוקה.
DeepSeek V4.1 Flash מנותב ב-OrcaRouter כdeepseek/deepseek-v4.1-flash בתעריף של $0.15 לקלט ו-$0.60 לפלט למיליון טוקנים — מחיר המחירון של DeepSeek עצמה בשעות השפל, המועבר הלאה ללא תוספת — עם חלון הקשר של 1,048,576 טוקנים, לצד תמונת המצב 1017 באותו תעריף. Sage-S2.1-Flash אינו בקטלוג שלנו; מדובר במשקולות פתוחות שתארחו בעצמכם, ואין בכוונתנו לרמוז אחרת.
מה שנתב נותן לך כאן הוא צר יותר מהגירה ושימושי יותר מבנצ'מרק. הפיצול שמתואר במאמר הזה — עבודה סוכנית וקידוד כלליים למודל אחד, ועבודה מדעית ועבודה עתירת GUI למודל האחר — הוא בדיוק הצורה שמדיניות ניתוב מבטאת: נקודת קצה אחת, כלל ששולח בקשות שנושאות תמונות ומסמכים במסלול הייעודי, ומעבר אוטומטי לגיבוי שמונע מהידרדרות בצד הספק להפיל את כל המסלול. שני המזהים של DeepSeek יושבים על אותו מפתח, כך שניסוי ה-snapshot 1017 מול המקור עולה שינוי במחרוזת מודל ולא חוזה שני. הרכיב שאי אפשר לנתב — Sage-S2.1-Flash — הוא הרכיב שתצטרך להקים בעצמך, וזו הטענה הברורה ביותר בעד יצירת אב טיפוס מול מה שנמצא בקטלוג קודם.
מה יהפוך את הדף הזה לשווה לשכתוב
שני דברים. מחיר עבור Sage-S2.1-Flash, שיהפוך את סעיף העלויות מצורה לחשבון. וציון עצמאי, ideally on the same harness — no, Hebrew: "וציון עצמאי, רצוי על אותו מערך בדיקות שהציב את DeepSeek V4.1 Flash על 32.6 — כי השאלה המעניינת אינה האם Sage מנצח את DeepSeek בממוצע. כל האמור לעיל מרמז שלא. השאלה המעניינת היא האם היתרון של 23 נקודות של Sage ב-OSWorld-G שורד מערך בדיקות שלא נכתב על ידי המעבדה שפרסמה אותו, והאם הגירעון של 6.9 נקודות ב-DeepSWE אמיתי כפי ששורות הקידוד בטבלה שלו עצמו מרמזות." Wait I accidentally included English "ideally on the same harness — no". Need final clean. Only Hebrew. Final.שני דברים. מחיר עבור Sage-S2.1-Flash, שיהפוך את סעיף העלויות מצורה לחשבון. וציון עצמאי, רצוי על אותו מערך בדיקות שהציב את DeepSeek V4.1 Flash על 32.6 — כי השאלה המעניינת אינה האם Sage מנצח את DeepSeek בממוצע. כל האמור לעיל מרמז שלא. השאלה המעניינת היא האם היתרון של 23 נקודות של Sage ב-OSWorld-G שורד מערך בדיקות שלא נכתב על ידי המעבדה שפרסמה אותו, והאם הגירעון של 6.9 נקודות ב-DeepSWE אמיתי כפי ששורות הקידוד בטבלה שלו עצמו מרמזות.
עד שמישהו יריץ מחדש את השורות האלה, לוח התוצאות המשותף הוא הראיה הזמינה הטובה ביותר, והוא נבנה בידי אחד משני המתחרים. קראו אותו כפי שהייתם קוראים כל השוואה שפרסם אותה אחד הצדדים בעצמו, שבמקרה כוללת גם את הפסדיה: אמין יותר מטבלה שאין בה הפסדים, ועדיין לא אותו דבר כמו מדידה.
השוואות במאמר הזה1
זוהה מתוך המאמר הזה · בנצ'מרקים: Artificial Analysis · מתעדכן יומית
