
Sage-S2.1-Flash vs Gemini 3.8 Flash: Satu Punya Jurang Harga, yang Lain Tidak Punya Harga
- 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
Gemini 3.8 Flash saat ini berbiaya $0,75 per juta token masukan dan $3,75 per juta token keluaran. Pada 1 Januari 2027, biayanya akan menjadi $1,50 dan $7,50 — model yang sama, bobot yang sama, tagihan dua kali lipat, karena harga pengenalan model dari Google berakhir pada 31 Desember 2026. Sage-S2.1-Flash, yang diterbitkan secara diam-diam oleh Shanghai AI Laboratory pada 15 November 2026, tidak memiliki harga yang bisa digandakan. Model ini memiliki bobot berlisensi MIT sebesar 645 gigabyte, kartu model 21 byte, dan panduan penerapan yang mengasumsikan Anda memiliki delapan H200.
Letakkan kedua fakta itu berdampingan, dan niat pencarian di balik perbandingan ini menjadi jelas: orang sebenarnya tidak benar-benar bertanya model mana yang lebih pintar. Mereka bertanya apakah akan terus menyewa tier Flash milik Google atau apakah model ilmiah terbuka yang dapat mereka unduh sekarang menggantikan sebagian dari tagihan itu. Jawabannya bergantung pada tanggal, dan pada pembedaan yang dilewatkan oleh sebagian besar perbandingan — antara model yang murah per token dan model yang tokennya sama sekali tidak diukur.
Apa yang sebenarnya dijadwalkan untuk berubah
Dokumentasi Google sendiri untuk Gemini 3.8 Flash mencantumkan dua kartu tarif, dan hanya satu di antaranya yang berlaku:
• Pengantar, hingga 31 Desember 2026 — $0.75 per juta input, $3.75 per juta output, $0.075 input yang di-cache
• Standard, mulai 1 Januari 2027 — $1,50 per juta input, $7,50 per juta output
• Konteks — 1.000.000 token, dengan batas keluaran 64.000 token
• Berpikir — tiga tingkat, rendah, sedang (default), dan tinggi; setelan minimal yang lebih lama kini error
• Parameter yang dihapus — temperature, top_p, top_k, candidate_count, dan giliran model yang telah diisi sebelumnya tidak lagi diterima
Baris terakhir itulah yang memakan waktu engineering, bukan uang, dan mudah terlewat dalam diskusi harga. Pipeline yang dimigrasikan dari Gemini 3.6 Flash ke 3.8 Flash tidak dapat mempertahankan konfigurasi sampling-nya; model menolak knob tersebut. Prefill multi-turn juga hilang, digantikan oleh previous_interaction_id di sisi server. Apa pun yang Anda bangun di 3.8 Flash antara sekarang dan Januari adalah build yang akan Anda tuning ulang dua kali — sekali untuk perubahan API yang sudah Anda lakukan, sekali untuk perubahan rate yang belum.
Gemini 3.8 Flash juga, menurut deskripsi Google sendiri, adalah "model Flash generasi sebelumnya" — stabil, masih menjadi default di balik agen dan SDK Antigravity, dan menjadi target migrasi yang ditetapkan untuk permintaan gemini-2.5-pro mulai 1 Desember 2026. Ini adalah model andalan yang telah diketahui tidak akan dipensiunkan dalam waktu dekat, bukan eksperimen terdepan. Itu adalah keunggulan nyata, dan itu bukan sesuatu yang saat ini ditawarkan Sage-S2.1-Flash.

Dua produk berbeda yang menggunakan "Flash" dalam namanya
Kebetulan dalam penamaan itu memikul beban yang jauh melebihi porsinya, sehingga layak untuk dibongkar.
Gemini 3.8 Flash adalah model multimodal proprietary yang dihosting dan menjadi pekerja keras. Model ini menerima input teks, gambar, video, audio, dan file serta mengembalikan teks. Artificial Analysis memberinya skor 30,8 pada Intelligence Index pada upaya tinggi, berjalan sekitar 114 token output per detik dengan waktu ke token pertama 19,7 detik pada uji long-context-nya. Harganya dihitung per token, diukur pemakaiannya, dan tersedia melalui API Google sendiri serta saluran penjualan ulang cloud saat ini.
Sisi lain dari nama itu adalah artefak penelitian. Sage-S2.1-Flash memiliki 320 miliar parameter dengan 18 miliar yang aktif per token, diterbitkan sebagai 120 shard bfloat16 di bawah lisensi MIT oleh Shanghai AI Laboratory pada 15 November 2026 — 645 GB bobot, sebuah menara visi, dan konfigurasi yang mendeklarasikan batas 1,048,576 token di 45 lapisan. Tiga puluh empat dari lapisan tersebut menggunakan tipe attention linear; sebelas menggunakan sparse attention. Ini bukan layanan. Ini adalah unduhan dengan panduan deployment terlampir.
Kata "Flash" dalam kedua nama itu masing-masing berarti "tier kecil dalam lini yang dihosting" dan "varian cepat dari sebuah keluarga model riset". Keduanya tidak bersaing untuk item baris yang sama. Keduanya bersaing untuk hal yang sama, yakni pekerjaan, dan hanya kadang-kadang.
Satu-satunya tolok ukur yang namanya mereka pakai bersama
Di sini perbandingannya menjadi benar-benar menarik, lalu langsung mengecewakan dengan cara yang memberi pelajaran.
Tabel evaluasi InternLM untuk Sage-S2.1-Flash mencakup 35 tolok ukur dan delapan model pembanding: 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, dan Claude Opus 5.5. Gemini 3.8 Flash tidak termasuk di dalamnya. Tidak ada papan skor bersama untuk perbandingan ini, baik yang dibuat vendor maupun tidak.
Yang tumpang tindih hanyalah nama benchmark. InternLM melaporkan 87,9 untuk Sage-S2.1-Flash pada Terminal-Bench 2.1. Artificial Analysis melaporkan 87,6 untuk Gemini 3.8 Flash pada Terminal-Bench 2.1. Selisihnya tiga persepuluh, dan menggoda untuk menyebutnya seri — tetapi itu keliru. Kedua angka berasal dari harness yang berbeda, dengan scaffold, jumlah percobaan, dan konfigurasi alat yang berbeda, dan tidak ada lab yang menerbitkan pengaturan eksekusinya. Perbedaan 0,3 poin di antara dua harness privat bukanlah pengukuran apa pun. Itu adalah kebetulan yang menguntungkan bagi siapa pun yang ingin mengklaim paritas.
Segala hal lain yang sama-sama dimiliki keduanya harus dinalar, bukan dikurangkan. Artificial Analysis menempatkan Gemini 3.8 Flash pada 95,3 di GPQA Diamond, 85,6 di MMMU-Pro, 47,8 di Humanity's Last Exam, 56,6 di SciCode, dan GDPval sebesar 1.442. InternLM menempatkan Sage-S2.1-Flash pada 75,8 di BabyVision, 84,8 di OSWorld-G, 72,2 di OfficeQA Pro V2, 90,3 di MLE-bench Lite, dan 25,0 di Harvey LAB. Daftar-daftar itu hampir tidak beririsan, dan di bagian yang tidak beririsan, tidak ada yang bisa dibandingkan — hanya dua lab yang menggambarkan kekuatan berbeda dalam kosakata berbeda.

Dari mana bukti itu berasal, itulah perbedaan yang sebenarnya
Kesampingkan dulu angka-angkanya dan lihatlah asal-usulnya, karena itu menentukan seberapa besar bobot yang dapat diberikan pada semua hal di atas.
Gemini 3.8 Flash diukur oleh pihak ketiga pada harness publik. Angka Intelligence Index sebesar 30.8, angka kecepatan, serta skor GPQA dan MMMU-Pro semuanya berasal dari Artificial Analysis yang menjalankan prosedur yang sama seperti yang dijalankannya pada setiap model yang dicantumkannya. Anda boleh tidak setuju dengan harness itu; Anda tidak bisa menuduh Google yang menulisnya.
Sage-S2.1-Flash hanya diukur oleh penulisnya, dalam berkas berpemisah tab yang di-commit ke repositori GitHub yang dibuat pada 16 November, lalu dipublikasikan ke situs statis di internlm.github.io/Sage-S2.1-Flash. Tidak ada apa pun di repositori Hugging Face yang tertaut ke situs itu. Kartu model hanya berisi satu baris lisensi dan tidak ada yang lain — 21 bita, semuanya frontmatter YAML.
Tabel vendor memang memiliki satu penanda kredibilitas yang patut diakui: tabel itu memuat baris-baris tempat model tersebut kalah. Sage tertinggal 6,9 poin dari DeepSeek-V4.1-Flash-1017 pada DeepSWE, 5,5 poin pada NL2Repo-Bench, dan 7,5 poin pada APEX-Agents, serta tertinggal dari Qwen3.8-Max pada Terminal-Bench 2.1 dan SWE-bench Pro. Laboratorium yang menerbitkan kekalahannya sendiri adalah laboratorium yang bisa Anda baca. Namun tabel yang diterbitkan sendiri meskipun memuat kekalahan tetap merupakan tabel yang diterbitkan sendiri, dan belum ada pihak ketiga yang mereproduksi satu baris pun.
Empat pertanyaan yang sebenarnya ditanyakan orang
Sebagian besar kebingungan dalam perbandingan ini muncul karena menggabungkan beberapa keputusan yang terpisah menjadi satu. Jika dipisahkan, masing-masing punya jawaban yang jelas.
• Apakah Sage-S2.1-Flash dapat menggantikan Gemini 3.8 Flash untuk pekerjaan teks bervolume tinggi? Tidak, dan bukan karena kualitas. Gemini 3.8 Flash dengan $0,75 per juta token masukan lebih murah daripada biaya listrik dan amortisasi pada node yang dibutuhkan Sage, untuk beban kerja yang diukur dalam jutaan panggilan singkat. Ini alat yang salah untuk pekerjaan itu, berapa pun skor benchmark-nya.
• Apakah Sage unggul dalam konteks panjang, karena keduanya mengklaim satu juta token? Hanya setelah Januari. Saat ini Gemini 3.8 Flash mengenakan biaya $0,75 per juta token input di seluruh jendelanya, tanpa biaya tambahan untuk prompt panjang; hal yang sama berlaku pada $1,50 mulai 1 Januari. Sage sama sekali tidak memiliki harga per token, yang berarti pertanyaannya bukan "mana yang lebih murah per token" melainkan "mana yang lebih murah per bulan" — dan itu bergantung pada apakah node delapan-H200 sedang sibuk. Node yang menganggur di antara pekerjaan lebih mahal daripada hampir semua tarif token.
• Apakah batas keluaran menjadi masalah? Untuk Sage, hal ini tidak diketahui — tidak ada dokumen dalam rilis yang menyatakan panjang keluaran maksimum. Untuk Gemini 3.8 Flash, batasnya 64.000 token, yang cukup untuk sebagian besar langkah agentik dan tidak cukup untuk pembuatan bentuk panjang dalam satu panggilan. Jika beban kerja Anda menghasilkan 100K token dalam satu respons, Gemini 3.8 Flash didiskualifikasi berdasarkan spesifikasi, bukan skor.
• Mana yang benar-benar bisa saya hubungi pada hari Senin? Gemini 3.8 Flash. Sage-S2.1-Flash tidak memiliki endpoint terkelola yang bisa kami konfirmasi; tautan "Try the API" di situs rilis mengarah ke portal yang tidak menampilkan katalognya kepada klien non-JavaScript, dan tidak ada penyedia inferensi yang mencantumkan model tersebut di Hugging Face pada saat penulisan.

Di mana klaim ilmiah itu harus diuji
Klaim pembeda Sage-S2.1-Flash bukanlah "agen yang lebih baik", melainkan "lebih banyak jenis masukan ilmiah dalam satu model": grafik molekul, struktur kristal, sekuens protein dan struktur tiga dimensi, DNA dan RNA, spektra, spektrum massa, difraksi sinar-X, elektrokardiogram, elektroensefalogram, dan kurva cahaya. Daftar itu berasal dari materi rilis berbahasa Inggris InternLM, bukan dari kartu model, dan itu merupakan pernyataan desain, bukan hasil terukur.
Dokumentasi Gemini 3.8 Flash tidak membuat klaim yang setara. Model ini menerima video dan audio secara native — keunggulan cakupan yang nyata yang juga didukung konfigurasi Sage melalui tipe token video dan audio — tetapi Google tidak mendeskripsikannya sebagai dilatih pada spektra atau pola difraksi. Cara yang jujur untuk mengungkapkannya adalah bahwa pada format ilmiah, satu model memiliki spesialisasi yang terdokumentasi dan tanpa verifikasi independen, sedangkan model lainnya memiliki input multimodal yang luas dan skor pihak ketiga pada benchmark umum yang kebetulan mencakup benchmark ilmiah (SciCode 56,6, GPQA 95,3).
Jika spesialisasi itu penting bagi pekerjaan Anda, ujinya bukanlah papan peringkat. Ujinya adalah segenggam gambar, spektrum, atau citra krio milik Anda sendiri, yang dijalankan melalui keduanya lalu diperiksa oleh pakar domain. Sepuluh dokumen dan satu sore menentukan lebih dari tiga puluh lima baris vendor, dan itu adalah satu-satunya eksperimen dalam artikel ini yang menghasilkan hasil yang dapat Anda pertahankan secara internal.
Jebakan-jebakan servis, karena mereka menentukan akhir pekan.
Siapa pun yang mengunduh Sage-S2.1-Flash sebaiknya membaca panduan deployment-nya terlebih dahulu, karena satu alasan yang mudah diremehkan: setiap kegagalan yang didokumentasikannya terjadi secara senyap. Tokenizer akan salah membaca sintaks agentik, gambar akan terlampir ke hasil alat yang salah dalam panggilan paralel yang tidak berurutan, SGLang akan diam-diam mengganti template chat-nya sendiri, cache KV FP8 tidak akan berfungsi di Hopper, dan LMDeploy akan menolak tipe layer yang diganti namanya kecuali transformers dipatok di bawah 5.19. Tidak satu pun dari hal tersebut menghasilkan pesan error. Semuanya menghasilkan keluaran yang tampak masuk akal tentang input yang salah, yang merupakan mode kegagalan terburuk yang bisa dimiliki sebuah agen.
Daftar ekuivalen Google lebih pendek dan didukung lebih baik: tidak ada temperature, top_p, atau top_k; tidak ada giliran yang diisi terlebih dahulu; error Malformed_Function_Call dilacak ke teks pra-alat; call_id dan name wajib pada setiap FunctionResponse. Perbedaan antara kedua daftar bukanlah panjangnya. Perbedaannya adalah bahwa yang satu memiliki panduan migrasi dan jalur dukungan di belakangnya, sedangkan yang lain adalah peringatan dalam file markdown, yang ditulis oleh orang-orang yang menulis model, untuk segelintir pengguna pertama.
Menguji keduanya tanpa berkomitmen pada salah satunya
Satu detail praktis tentang tebing Januari: karena katalog pass-through mencerminkan harga daftar penyedia, bukan salinan hasil negosiasi, perubahan tarif berlaku pada hari vendor mengumumkannya. Gemini 3.8 Flash kini dapat dipanggil melalui OrcaRouter di google/gemini-3.8-flash — $0,75 masuk dan $3,75 keluar per juta, kartu pengantar, dengan jendela 1.048.576 token tetap utuh — dan ketika Google beralih ke $1,50 dan $7,50, katalog pun menampilkannya, tanpa negosiasi ulang. Sage-S2.1-Flash sama sekali tidak ada dalam katalog; itu bobot MIT yang akan Anda layani di perangkat Anda sendiri, dan tidak ada router yang mengubahnya.
Langkah yang berguna bagi tim yang mempertimbangkan ini bukanlah menyewa delapan H200 berdasarkan dugaan. Yang perlu dilakukan adalah menjalankan uji format ilmiah yang dijelaskan di atas terhadap model terkelola yang dapat Anda panggil dalam satu sore, dan memberi angka pada dampak sebenarnya kenaikan Januari terhadap tagihan Anda sebelum Anda merancang berdasarkan hal itu. Dua baris aritmetika cukup untuk sebagian besar tim: kalikan token input Gemini 3.8 Flash bulan lalu dengan $0,75 dan lagi dengan $1,50, lalu lakukan hal yang sama untuk output pada $3,75 dan $7,50. Jika selisihnya lebih kecil daripada satu jam-H200 per bulan, model terbuka bukanlah jawabannya dan sebanyak apa pun pembacaan benchmark tidak akan membuatnya menjadi jawaban. Jika selisihnya lebih besar, Anda sekarang tahu anggaran yang Anda miliki untuk eksperimen, yang merupakan titik awal jauh lebih baik daripada posisi di papan peringkat.
Perhitungan itulah yang juga menjadi alasan mengapa harga pass-through layak diperhatikan di sini. OrcaRouter mencantumkan harga daftar penyedia tanpa tambahan markup, sehingga perubahan pada 1 Januari akan muncul di katalog pada hari Google menerbitkannya, bukan pada saat kontrak diperbarui berikutnya. Perbandingan yang ditulis berdasarkan $0.75 hari ini akan salah dalam enam minggu; perbandingan yang ditulis berdasarkan katalog langsung setidaknya akan gagal secara mencolok.
Ketika perbandingan itu benar-benar aktif — harga Sage yang dipublikasikan, atau endpoint terhosting yang layak dirutekan — DSL peruteanlah yang membuatnya murah untuk ditindaklanjuti: satu kebijakan yang mengirim panggilan berformat ilmiah ke model khusus dan semua yang lain ke tier Flash yang murah, dengan failover otomatis sehingga endpoint eksperimental tidak pernah menjadi satu titik kegagalan. Itulah pendekatan yang sebenarnya dibutuhkan oleh pertarungan ini. Bukan migrasi, melainkan pemisahan.
Apa yang harus diputuskan, dan kapan
Sebelum 1 Januari 2027, jawaban pragmatisnya adalah Gemini 3.8 Flash untuk apa pun yang berhadapan dengan produksi dan diukur berdasarkan token, karena murah, terukur, dapat dipanggil, dan perubahan harganya merupakan tanggal yang sudah diketahui, bukan kejutan. Sage-S2.1-Flash layak dievaluasi hanya jika pekerjaan Anda melibatkan format masukan ilmiah yang disebutkannya — dan hanya jika Anda memiliki GPU atau kesabaran.
Setelah 1 Januari, perhitungannya bergeser tepat sebesar faktor dua di sisi Google, dan posisi model terbuka menjadi lebih kuat tanpa model terbuka itu melakukan apa pun. Itu layak direncanakan sekarang: jika tagihan konteks panjang Anda adalah alasan Anda membaca ini, hitung angkanya pada $1.50 dan $7.50 sebelum Anda mengikat arsitektur pada tarif yang berakhir dalam enam minggu.
Dan pastikan satu hal tetap jelas sepanjang uraian. {{1}}Sage-S2.1-Flash{{/1}} bukan Gemini yang lebih murah. Ini adalah model ilmiah terbuka berskala besar dengan spesialisasi yang terdokumentasi, tanpa harga dan tanpa skor independen, diterbitkan tanpa pengumuman oleh laboratorium yang belum menyatakan berapa biayanya. Alasan untuk memperhatikannya adalah bahwa model ini dapat dimiliki. Alasan untuk tidak mengadopsinya bulan ini adalah bahwa tidak seorang pun, termasuk para penulisnya, telah memberi tahu Anda apa yang dilakukannya di bawah harness yang dapat Anda periksa.
Dibandingkan dalam artikel ini2
Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari
