
Sage-S2.1-Flash vs Claude Haiku 5.5: Biaya per Token vs Biaya Jendela Konteks
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 90 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 97 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaBARUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 87 tok/s
- OrcaBARUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 133 tok/s
- OrcaBARUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 juta token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 juta token · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Kecerdasan
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Kecerdasan
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 juta token · 219 tok/s
Claude Haiku 5.5 dan Sage-S2.1-Flash sama-sama mengiklankan jendela konteks satu juta token, dan kira-kira di situlah kemiripannya berhenti. Claude Haiku 5.5, yang dirilis Anthropic pada 7 Oktober 2026, memiliki daftar harga resmi, skor papan peringkat independen, dan API terkelola. Sage-S2.1-Flash, yang diunggah secara diam-diam ke Hugging Face oleh Shanghai AI Laboratory pada 15 November 2026, memiliki bobot berlisensi MIT sebesar 645 gigabyte, kartu model berukuran 21 byte, dan tidak ada harga di mana pun di internet. Karena itu, membandingkan keduanya per juta token menjadi mustahil — bukan sulit, melainkan mustahil, karena salah satu sisi meteran kosong.
Perbandingan yang benar-benar berhasil adalah perbandingan yang berbeda, dan itulah yang dibahas halaman ini: berapa biaya yang dikenakan setiap model kepada Anda untuk konteks panjang. Pada sumbu itu, keduanya tidak berdekatan, dan jawabannya bukan yang disiratkan oleh harga yang tertera.
Dua masalah pengadaan dengan nama tolok ukur yang sama
Mulailah dari apa sebenarnya masing-masing pihak, karena penamaannya rawan menimbulkan kesalahan kategori. Claude Haiku 5.5 adalah model teks dan gambar proprietari di tier kecil Anthropic — model yang diposisikan vendor untuk "tugas bervolume tinggi dan sensitif terhadap latensi seperti klasifikasi, ekstraksi, dan perutean". Model ini melakukan pemikiran adaptif dengan parameter effort yang secara bawaan bernilai medium, mengembalikan hingga 128.000 token keluaran, dan tersedia melalui API sebagai claude-haiku-5-5 di platform Anthropic sendiri serta di empat kanal penjualan ulang cloud utama.
Sage-S2.1-Flash adalah model agen ilmiah berbobot terbuka: campuran ahli dengan 320 miliar parameter dan 18 miliar yang aktif per token, dibangun di atas arsitektur GLM-5.3-Flash, dikemas dalam bfloat16 sekitar 645 GB dalam 120 shard. Konfigurasinya menyatakan batas posisi 1,048,576 token, menara visi 24 lapis, serta jenis token gambar, video, audio, dan thinking yang eksplisit. Model ini berlisensi MIT dan dapat diunduh, dan per 16 November tidak ada penyedia inferensi yang melayaninya dan tidak ada harness independen yang menilainya.
Salah satunya adalah item baris. Yang lain adalah akhir pekan dan sebuah node GPU. Asimetri itulah inti dari seluruh perbandingan ini, dan semua yang ada di bawah ini adalah aritmetika yang mengalir darinya.

Jurang 100.000 token yang tak pernah dimasukkan ke judul berita
Anthropic menerbitkan penetapan harga Claude Haiku 5.5 dalam dua tingkat, bukan satu, dan tingkat kedua adalah tempat klaim konteks model itu sendiri menjadi mahal:
• Prompt hingga 100.000 token — $0,10 per juta input, $0,50 per juta output
• Prompt lebih dari 100.000 token — $0.50 per juta input, $2.50 per juta output
• Penulisan cache, lima menit — $0.125 dan $0.625 per juta, dengan pembagian yang sama
• Pembacaan cache — $0.01 per juta di bawah 100K, $0.05 di atasnya
• Batch API — diskon 50% untuk kedua sisi
Itu adalah langkah lima kali lipat, dan langkah itu berlaku tepat pada panjang prompt ketika model konteks panjang mulai layak untuk dibayar. Prompt 150.000 token dengan jawaban 5.000 token berbiaya 150.000 × $0,50/1M = $0,075 untuk input ditambah 5.000 × $2,50/1M = $0,0125 untuk output, atau $0,0875. Pada tarif di bawah 100K, panggilan yang sama akan berbiaya $0,015 dan $0,0025 — $0,0175. Jendela konteks lima kali lipat tidak berbiaya lima kali lipat dari panggilan 100K; diukur terhadap tarif yang Anda bayar sesaat sebelumnya, biayanya sekitar lima kali lebih tinggi untuk token yang sama dan sebelas kali lebih tinggi untuk panggilan khusus itu.
Ada pengali kedua yang bertumpuk di atasnya, dan ini mudah terlewat karena letaknya di dokumentasi, bukan di tabel harga: Claude Haiku 5.5 menggunakan tokenizer yang diperkenalkan bersama Claude 4.7, sehingga teks yang sama terhitung sekitar 30 persen lebih banyak token dibandingkan dengan Claude Haiku 4.5. Berapa pun anggaran Anda per dokumen, kalikan dengan 1,3 sebelum menerapkan tarif. Anthropic luar biasa eksplisit soal ini, yang merupakan nilai plusnya, tetapi dampaknya pada model biaya yang naif nyata: beban kerja yang dimigrasikan dari 4.5 ke 5.5 dengan estimasi token yang tidak berubah akan melampaui anggaran hampir sepertiga.
Tidak ada dari semua ini yang membuat Claude Haiku 5.5 mahal secara absolut. $0.10 per juta input adalah tarif termurah pada model mana pun yang berdekatan dengan frontier saat ini, dan papan peringkat independen setuju bahwa tingkat ini bukan mainan: Claude Haiku 5.5 mencetak 36.5 pada Artificial Analysis Intelligence Index dengan upaya maksimum, di atas 32.6 milik DeepSeek V4.1 Flash dan 30.8 milik Gemini 3.8 Flash. Intinya lebih sempit dan lebih berguna: pada model ini, panjang prompt adalah tuas harga, bukan pilihan model.
Berapa biaya konteks panjang saat Anda memiliki bobotnya
Sekarang lakukan perhitungan yang sama untuk Sage-S2.1-Flash. Tidak ada kartu tarif, jadi token gratis di margin — tetapi jendelanya tidak, karena Anda harus menyimpan bobot di suatu tempat. Panduan deployment InternLM sendiri menyebutkan konfigurasi referensi: delapan GPU H200, bfloat16, paralelisme tensor delapan.
Perhitungannya tidak glamor tetapi menentukan. 645 GB bobot di delapan kartu berarti sekitar 81 GB per kartu. H200 membawa 141 GB HBM, yang menyisakan sekitar 60 GB per kartu untuk KV cache, aktivasi, dan working set menara visi. Panduan tersebut secara eksplisit memberi tahu Anda untuk tidak menggunakan FP8 KV cache pada Hopper, jadi 60 GB itu digunakan pada bfloat16 — format cache per token paling mahal yang tersedia. Konteks sejuta token dapat dijangkau dalam batas itu, tetapi hanya karena perhatian hibrida model menjaga sebagian besar lapisan tetap linear: 34 dari 45 lapisan menggunakan tipe linear attention yang oleh konfigurasi disebut kda, dan hanya 11 yang menggunakan sparse attention dengan indeks top-2.048. Pada transformer 45 lapisan konvensional, KV cache sejuta token tidak akan muat sama sekali.
Jadi perbandingan biaya yang jujur bukanlah "gratis versus $0,10". Melainkan "delapan H200, yang ukurannya dan penyewaannya Anda tentukan sendiri, versus API berbasis meteran yang harganya naik lima kali lipat di atas 100K". Pada tingkat utilisasi berapa yang pertama mengalahkan yang kedua sepenuhnya bergantung pada tarif per jam Anda untuk GPU tersebut dan seberapa banyak mereka sibuk sepanjang hari — dan karena kami tidak memiliki harga Sage yang dipublikasikan maupun angka throughput independen untuknya, siapa pun yang menyebutkan titik impas kepada Anda sedang mengarangnya.

Kesenjangan bukti, dinyatakan secara lugas
Kedua model memiliki angka benchmark. Hanya satu kumpulan angka tersebut yang dapat diperiksa terhadap apa pun.
Claude Haiku 5.5 diukur oleh pihak ketiga. Artificial Analysis menempatkannya pada 36,5 di Intelligence Index pada upaya maksimum, dengan laporan 257 token per detik keluaran. Itu adalah angka yang diaudit dari harness yang menjalankan tes yang sama pada setiap model yang dicantumkannya, dan itulah yang membuatnya dapat digunakan untuk pengambilan keputusan.
Sage-S2.1-Flash hanya diukur oleh para penulisnya. Angka-angka InternLM berada dalam file berpemisah tab di repositori GitHub yang dibuat pada 16 November, diterbitkan ke situs statis di internlm.github.io/Sage-S2.1-Flash yang tidak ditautkan oleh kartu model Hugging Face. Tabel itu memiliki 35 baris dan membandingkan Sage dengan delapan model. Baris-baris kuatnya adalah yang bersifat ilmiah dan visi — BabyVision pada 75,8 berbanding Claude Opus 5 pada 63,1, OSWorld-G pada 84,8 berbanding DeepSeek-V4.1-Flash-1017 pada 61,4, OfficeQA Pro V2 pada 72,2, angka terbaik dalam tabelnya sendiri. Baris-baris pengodeannya biasa saja: SWE-bench Pro 60,6, DeepSWE 67,0, keduanya di belakang DeepSeek V4.1 Flash.
Claude Haiku 5.5 sama sekali tidak muncul di tabel itu. Gemini 3.8 Flash juga tidak. Jadi satu-satunya perbandingan yang sebenarnya dicari pembaca yang menelusuri pertarungan ini — model hosted murah versus model ilmiah yang dapat diunduh — tidak memiliki data vendor di kedua sisi, dan tidak memiliki data independen di salah satu sisi. Yang dapat kita katakan adalah bahwa baris-baris Sage yang dipublikasikan berada di wilayah kelas Opus pada benchmark ilmiah, sementara baris pengodeannya berada di bawah model yang berbiaya $0.30 per juta input, dan bahwa selisih dua puluh empat poin pada BabyVision entah merupakan kemampuan nyata atau benchmark yang dibaca secara berbeda untuk model ini. Tanpa harness, Anda tidak dapat memastikan yang mana.

Di mana masing-masing sebenarnya unggul
Singkirkan bagian-bagian yang tidak dapat dibandingkan, dan pemisahan yang bersih akan tersisa.
• Pekerjaan bervolume besar yang sensitif terhadap latensi — Claude Haiku 5.5, tanpa ragu. Klasifikasi, ekstraksi, perutean, dan panggilan subagen dengan tarif $0.10/$0.50 serta skor yang dipublikasikan sudah merupakan masalah yang tuntas. Sage-S2.1-Flash tidak bisa bersaing di sini: Anda harus menyewa delapan GPU untuk mengerjakan pekerjaan yang bisa dilakukan API berbayar per penggunaan hanya dengan beberapa sen.
• Prompt antara 100K dan 1M token — benar-benar diperdebatkan, dan ditentukan oleh tingkat pemanfaatan, bukan oleh keunggulan. Claude Haiku 5.5 menagih lima kali tarif dasarnya dalam rentang ini; Sage menagih Anda biaya teramortisasi perangkat keras yang sudah Anda sewa. Jika node Anda sibuk, Sage menang dalam hal biaya. Jika tidak, tidak.
• Input multimodal ilmiah — Sage-S2.1-Flash, berdasarkan klaimnya sendiri. Graf molekul, struktur kristal, sekuens protein, spektrum, spektrum massa, XRD, ECG, EEG, dan kurva cahaya adalah input yang menurut InternLM telah digunakan untuk melatihnya, dan ini satu-satunya dari kedua model yang dokumentasinya menyebutkannya. Anggaplah itu sebagai pernyataan desain, bukan hasil terukur.
• Apa pun yang memerlukan kontrak minggu ini — Claude Haiku 5.5. Yang satu memiliki harga, halaman status, dan komitmen pensiun tidak lebih awal dari 7 Oktober 2027. Yang lain memiliki kartu model kosong dan, pada saat penulisan, nol unduhan.
• Residensi data dan kepemilikan bobot — Sage-S2.1-Flash, tanpa syarat. Bobot MIT yang dapat Anda simpan, audit, dan fine-tune adalah kategori aset yang berbeda dari API, dan tidak ada perbedaan harga yang mengubahnya.
Satu detail teknis mendasar yang menentukan sebagian besar migrasi
Jika Anda memindahkan pipeline konteks panjang di antara keduanya, masalah yang menghambat bukanlah kualitas. Melainkan tokenisasi dan pemanggilan alat.
Claude Haiku 5.5 mengubah generasi tokenizer, yang berarti setiap prompt yang telah Anda sesuaikan untuk Claude Haiku 4.5 perlu diukur ulang, dan strategi chunking apa pun yang mengasumsikan anggaran token kini keliru sekitar 30 persen. Anthropic menyediakan panduan migrasi khusus untuk hal ini dan panduan tersebut layak dibaca sebelum Anda menyentuh file konfigurasi.
Sage-S2.1-Flash memiliki versi yang lebih tajam dari masalah yang sama, dan itulah satu hal dalam panduan deployment-nya yang layak dibaca sebelum apa pun. Tokenizer-nya harus dimuat dari repositori — tokenizer bawaan di vLLM, SGLang, atau LMDeploy akan mengodekan sintaks agentic seperti penanda tool-call sebagai token kontrol, bukan sebagai teks, dan model akan mengakhiri giliran lebih awal tanpa menampilkan error apa pun. Ada dua jebakan lain di balik itu: pemanggilan alat paralel yang tidak berurutan melampirkan gambar ke hasil yang salah di vLLM tanpa patch satu file, dan SGLang menimpa template chat kecuali file tersebut diberikan secara eksplisit. Untuk migrasi, konsekuensi praktisnya adalah pekerjaan penghitungan token menjadi dua kali lipat — sekali untuk tokenizer baru Anthropic, sekali untuk tokenizer kustom InternLM — dan tidak satu pun dapat diperkirakan dari yang lain.
Ketiga hal itu, dalam praktiknya, menjadi pembeda antara "Sage-S2.1-Flash adalah model yang saya evaluasi" dan "Sage-S2.1-Flash adalah model yang saya tinggalkan". Semuanya terdokumentasi, sesuatu yang tidak mampu dilakukan oleh sebagian besar rilis senyap.
Mencapai keputusan tanpa harga
Claude Haiku 5.5 tidak ada dalam katalog OrcaRouter saat ini; model itu tersedia di API milik Anthropic sendiri dan melalui saluran penjualan ulang cloud utama, dan kami tidak akan menyiratkan sebaliknya. Yang dirutekan adalah generasi sebelumnya — anthropic/claude-haiku-4.5 dengan harga $1,00 masuk dan $5,00 keluar per juta, harga daftar diteruskan tanpa markup — yang masih menjadi tolok ukur jujur untuk biaya tier kecil Anthropic sebelum tier 5.5 memotongnya sepuluh kali lipat. Menjalankan prompt nyata Anda melalui 4.5 memberi Anda jumlah token terukur pada keluarga tokenizer yang sama, dan jumlah token terukur adalah satu-satunya hal yang menyelesaikan pertanyaan tebing 100K di atas: apakah lalu lintas Anda berada di bawahnya, di atasnya, atau melintasinya akan menentukan seluruh perbandingan dengan cara yang tidak bisa dilakukan oleh baris benchmark mana pun.
Ketika vendor akhirnya menerbitkan harga untuk Sage-S2.1-Flash, atau harness independen memberi skornya, model pass-through menjadi penting: katalog yang mencerminkan harga daftar penyedia pada hari yang sama saat pemotongan harga berlaku adalah cara Anda menghindari negosiasi ulang perbandingan ini setiap kuartal.
Apa yang akan mengubah halaman ini
Satu angka saja akan melakukan sebagian besar pekerjaan: harga per token untuk Sage-S2.1-Flash. Dengan itu, tebing 100K di satu sisi dan node yang diamortisasi di sisi lain menjadi perhitungan titik impas yang sesungguhnya, bukan sekadar bentuk. Angka kedua akan hampir sama membantu — skor independen untuk Sage, idealnya pada harness yang sama yang menempatkan Claude Haiku 5.5 di 36.5, sehingga keduanya dapat dikurangkan alih-alih dinarasikan.
Sampai saat itu, posisi yang bisa dipertahankan adalah ini. Claude Haiku 5.5 adalah cara yang lebih murah untuk mengerjakan banyak sekali hal kecil, dan ia justru menjadi mahal tepat di titik di mana jendela konteksnya menjadi menarik. Sage-S2.1-Flash adalah cara yang lebih murah untuk memiliki model yang sangat besar, dan ia belum menjadi cara untuk membeli apa pun. Memilih di antara keduanya bukanlah soal selera tentang benchmark. Ini adalah pertanyaan tentang apakah beban kerja Anda diukur dalam token atau dalam node — dan jika Anda belum bisa menjawabnya, langkah berikutnya yang jujur adalah menghitung biaya lalu lintas Anda sendiri, bukan membaca perbandingan lain.
Dibandingkan dalam artikel ini1
Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari
