Kartu judul hero untuk perbandingan 'Sage-S2.1-Flash vs Qwen 3.8 Flash', dengan subjudul 'Yang satu punya daftar harga. Yang lain punya 645 GB bobot dan kartu model kosong', tiga kartu bertuliskan '321B total / 18B aktif', '645 GB BF16 / 8x H200 untuk serving' dan '/bin/bash.15 masuk / /bin/bash.47 keluar per 1 juta token', serta footer yang mencatat bahwa angka Sage-S2.1-Flash berasal dari repositori Hugging Face-nya dan harga daftar Qwen 3.8 Flash dari QwenCloud pada 16 November 2026; logo OrcaRouter dikompositkan di sudut kanan bawah.
Guides & Insights

Sage-S2.1-Flash vs Qwen 3.8 Flash: Delapan H200 Melawan Lima Belas Sen

Penulis

Gideon Frost

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Kartu model untuk Sage-S2.1-Flash panjangnya dua puluh satu byte. Isinya diawali dengan tajuk lisensi, tertulis license: mit, lalu berhenti. Tidak ada pendahuluan, tidak ada tabel benchmark, tidak ada panjang konteks, tidak ada keterangan tujuan penggunaan, tidak ada alamat kontak. Repositorinya sendiri tidak kosong — 120 shard bobot bfloat16, sekitar 645 GB, ditambah berkas konfigurasi, templat obrolan, panduan penerapan, dan lima folder adaptor ilmiah kecil — tetapi semua yang biasanya dipakai pembaca untuk memutuskan apakah ini layak diperhatikan telah dihilangkan. Bobotnya diunggah pada 15 November 2026 dan direvisi hingga tanggal 16. InternLM, organisasi model milik Shanghai AI Laboratory, tidak mengumumkan apa pun: tidak ada pos blog, tidak ada makalah, tidak ada unggahan di situs resmi keluarga model tersebut. Pada saat penulisan ini, repo tersebut menunjukkan nol unduhan untuk bulan ini, satu suka, dan tidak ada penyedia inferensi yang melayaninya.

Qwen 3.8 Flash adalah jenis objek yang berlawanan. Alibaba telah menjualnya melalui QwenCloud sejak 26 Agustus 2026 dengan harga $0,15 per juta token input dan $0,47 per juta output, menerbitkan batas laju dan daftar alatnya, merilis bobot terbuka dengan nama Qwen3.8-Flash-Next, dan menempatkan tabel tolok ukur dua belas baris pada kartu itu. Ini sudah aktif di OrcaRouter sebagai qwen/qwen3.8-flash dengan harga daftar resmi vendor. Anda dapat mengirimkan permintaan kepadanya dalam tiga puluh detik berikutnya.

Jadi ini bukan perbandingan antara dua model yang bisa Anda beli. Ini adalah perbandingan antara model hosted murah dengan harga yang dipublikasikan dan campuran pakar open-weights berparameter 321 miliar tanpa harga, tanpa skor, dan tanpa pengumuman — dan pertanyaan jujurnya bukanlah mana yang lebih baik, karena belum ada yang bisa menjawabnya. Pertanyaannya adalah apakah menyiapkan delapan H200 untuk model yang belum terukur merupakan penggunaan uang yang lebih baik daripada membayar lima belas sen per juta token untuk model yang sudah terukur, dan bagi berapa banyak tim jawabannya pernah ya.

Apa yang sebenarnya dibuktikan oleh repositori Sage-S2.1-Flash

Fakta lebih dulu, karena jumlahnya lebih melimpah daripada yang disiratkan oleh kartu kosong. Jumlah parameter dalam indeks bobot adalah 321,323,031,390, dan panduan deployment membulatkannya menjadi "320B-A18B" — total 320 miliar, 18 miliar aktif per token. Konfigurasi teks memuat 45 lapisan, yang 34 di antaranya adalah lapisan perhatian linear dari jenis delta-net bergerbang dan 11 adalah lapisan perhatian sparse dalam lineage D​eepSeek, dengan 288 expert yang dirutekan, delapan di antaranya plus satu expert bersama diaktifkan per token, ukuran tersembunyi 4,096, dan kosakata 154,880 token. Embedding posisi maksimum ditetapkan ke 1,048,576.

A two-column comparison scoreboard titled 'Sage-S2.1-Flash vs Qwen 3.8 Flash — the scoreboard': the left column Sage-S2.1-Flash reads Parameters '321B total, 18B active', Context '1,048,576 configured', Input price 'no hosted endpoint', Output price 'no hosted endpoint', Licence 'MIT, ungated', Published benchmarks 'none'; the right column Qwen 3.8 Flash reads Parameters '125B plus 51B n-gram, 6B active', Context '1,000,000 tokens', Input price '$0.15 per 1M', Output price '$0.47 per 1M', Licence 'Qwen community licence', Published benchmarks '12 rows, unreproduced'; the footer reads 'Sage-S2.1-Flash figures read from its repository; Qwen 3.8 Flash per Alibaba, vendor-reported.'; the OrcaRouter logo is composited in the bottom-right corner.

Lisensinya MIT, tanpa adendum penggunaan yang dapat diterima di repositori. Itu patut direnungkan: MoE multimodal 321B di bawah lisensi permisif, tanpa pembatasan pada unduhan, adalah objek yang lebih langka daripada yang disiratkan oleh keheningan di sekitarnya.

Silsilahnya dapat diperiksa dan sedikit mengejutkan. String arsitekturnya adalah glm5_next, kelasnya adalah Glm5NextForConditionalGeneration, dan panduan penerapannya menyatakan secara terang-terangan bahwa model tersebut menggunakan arsitektur GLM-5.3-Flash dan bahwa resep kerangka kerja yang harus diikuti adalah resep resmi GLM-5.3-Flash, dengan jalur model ditukar. Sage-S2.1 yang lebih lama dan lebih besar — 753B parameter, arsitektur glm_moe_dsa, masih membawa kartu model "Atria Dawn" yang mendeskripsikannya sebagai dibangun di atas tulang punggung 744B GLM-5.2 — adalah generasi tulang punggung yang sama sekali berbeda. Flash bukanlah S2.1 yang disuling. Flash adalah model baru yang lebih kecil, dibangun di atas arsitektur yang lebih baru dari lab yang berbeda, dengan mengenakan nama keluarga yang sama.

Nama keluarga itu sendiri adalah sasaran yang bergerak. Repositori lama internlm/Atria-Dawn kini dialihkan ke internlm/Sage-S2.1, dan kartu pada tujuan pengalihan masih bertuliskan "Atria Dawn" di setiap judul — penggantian nama itu terjadi tanpa dokumentasinya ikut menyesuaikan. Siapa pun yang membaca liputan Atria Dawn di awal tahun dan sekarang mencari "Sage" harus memahami bahwa keduanya adalah repositori yang sama dengan dua nama, dan bahwa Flash adalah saudaranya yang baru dan lebih ramping.

Adaptor ilmiah adalah bagian dari repositori yang tidak akan dijelaskan oleh pengumuman vendor mana pun. Di bawah projectors/sage-s2.1-flash/ terdapat lima folder kecil — cif/jarvis, dna/splice, ecg/phu01, eeg/neu06, protein-seq/mpbind — masing-masing berisi file konfigurasi dan proyektor berukuran empat hingga dua puluh delapan megabita yang memetakan aliran fitur ilmiah ke ruang backbone selebar 4.096. Struktur kristal melewati encoder CHGNet 0.3.0, satu keadaan 64-dimensi per atom. Urutan protein melewati ESM2-t33-650M, satu keadaan lapisan terakhir per residu. Adaptor DNA adalah readout DNABERT2 yang diadaptasi untuk tugas atas tiga fitur; adaptor ECG dan EEG juga kecil dan spesifik tugas. Total biaya bobot untuk kelima adaptor: di bawah 90 MB, dibandingkan 645 GB untuk model bahasa.

File konfigurasi itu juga membocorkan asal-usul yang disembunyikan oleh kartu model. File-file tersebut menyebutkan direktori checkpoint backbone, stempel tanggal pelatihan, dan sidik jari yang terbaca sage-s2.1-flash-hf111-bf16-norm-261113 — 13 November 2026, dua hari sebelum bobot muncul. Begitulah garis keturunannya ditetapkan di sini: bukan dari siaran pers, melainkan dari sebuah bidang konfigurasi yang lupa dihapus saat pengemasan.

Apa yang Qwen 3.8 Flash terbitkan, dan apa yang tidak

Kontrasnya bukanlah bahwa Q​wen jujur dan Sage tidak. Kontrasnya adalah bahwa salah satu vendor mendokumentasikan produknya dan yang lain belum sempat melakukannya. Kartu A​libaba untuk Qwen 3.8 Flash mencantumkan konteks 1.000.000 token dengan input maksimum 991.000 token, output maksimum 131.072 token, dan anggaran penalaran 262.144 token; input multimodal untuk teks, gambar, dan video dengan output teks; function calling, output JSON terstruktur, penyelesaian prefiks, caching konteks, pemrosesan batch, dan fine-tuning; serta protokol permintaan O​penAI dan A​nthropic, yang membuatnya dapat langsung dipakai di Claude Code dan Codex tanpa perubahan.

Artefak open-weights di baliknya adalah Qwen3.8-Flash-Next, yang diterbitkan pada 24 Agustus 2026: 125B parameter dengan 6 miliar yang diaktifkan, ditambah tabel embedding n-gram 51B dan head prediksi multi-token 4B, 48 lapisan yang disusun sebagai dua belas pengulangan dari tiga blok gated-delta-net dan satu blok sparse-attention, 512 pakar dengan sepuluh routed plus satu shared yang aktif per token, dan 262.144 token konteks asli yang dapat diperluas hingga satu juta. A​libaba menggambarkan Qwen 3.8 Flash yang dihosting sebagai arsitektur tersebut ditambah fitur produksi — jendela 1M bawaan dan alat bawaan adalah tambahannya. Bobotnya berada di bawah lisensi komunitas Q​wen, bukan MIT.

Tabel benchmark pada kartu itu dilaporkan oleh vendor dan belum direproduksi secara independen. Bacalah dengan label itu tetap melekat: DeepSWE 1.1 sebesar 58.7, SWE-bench Pro sebesar 62.5, SWE-bench Multilingual sebesar 81.0, NL2Repo-Bench sebesar 48.1, CoWorkBench sebesar 73.9, JobBench sebesar 55.7, Toolathlon Verified sebesar 73.5, IFBench sebesar 81.3, GPQA Diamond sebesar 91.7, HLE sebesar 35.9, LiveCodeBench v6 sebesar 91.9, dan Agents' Last Exam sebesar 24.3 pass@1 dengan skor 51.2. Angka-angka itu adalah Alibaba menilai pekerjaan rumahnya sendiri di seluruh kumpulan perbandingan yang mencakup pendahulu 397B dan model Claude. Angka-angka itu tetap jauh lebih banyak daripada yang ditawarkan Sage-S2.1-Flash, yang sama sekali tidak ada.

A screenshot of the Hugging Face repository page for internlm/Sage-S2.1-Flash, captured in English on 16 November 2026, showing the YAML frontmatter line 'license: mit', the Safetensors format tag with the repository's parameter count, and the file listing that includes the chat template, on a repository whose model card has no description, no benchmark table and no intended-use statement.

Bandingkan keduanya secara berdampingan pada dimensi yang benar-benar menjadi dasar keputusan pembelian:

• Total parameter — Sage-S2.1-Flash 321B, dengan 18B aktif per token, dibandingkan Qwen 3.8 Flash 125B ditambah tabel n-gram 51B, dengan 6B aktif

• Konteks — 1.048.576 token dikonfigurasi versus 1.000.000 yang dipublikasikan, dengan input maksimum 991.000 dan output maksimum 131.072 di sisi Q​wen

• Harga input — Sage-S2.1-Flash tidak memilikinya, karena tidak ada yang melayaninya, versus $0,15 per juta token

• Harga output — tidak ada versus $0.47 per juta, dengan pembacaan cache sebesar $0.0184 per juta pada listing kami

• Lisensi — MIT, tanpa pembatasan, versus lisensi komunitas Q​wen

• Evaluasi yang dipublikasikan — nol benchmark dibandingkan tabel vendor dua belas baris, tidak direproduksi

• Bobot serving — 645 GB bfloat16 di 120 shard, atau 328 GB pada varian FP8, dibandingkan dengan endpoint yang dihosting

Perbandingan harga yang sebenarnya merupakan soal belanja modal

Tidak ada harga per token untuk Sage-S2.1-Flash yang bisa dibandingkan dengan $0.15, karena model ini tidak memiliki endpoint yang dihosting di mana pun. Yang dimilikinya adalah persyaratan penyajian: delapan H200 untuk checkpoint bfloat16, menurut konfigurasi referensi dalam panduan deployment itu sendiri. Jadi, perbandingannya bukan sen melawan sen, melainkan biaya sewa melawan token, dan itu bermuara pada satu angka yang belum pernah dipublikasikan oleh siapa pun.

Ambil contoh representatif $3 per GPU-jam untuk H200 — sebuah asumsi, bukan penawaran harga, dan angkanya berubah menurut cloud dan komitmen. Delapan unit berarti $24 per jam, $576 per hari, sekitar $17.500 per bulan sebelum Anda melayani satu permintaan pun. Dengan tarif Alibaba, $576 membeli 3,84 miliar token input atau 1,23 miliar token output. Jadi pertanyaan titik impasnya adalah apakah lalu lintas Anda, jika tidak menggunakan ini, akan menghabiskan lebih dari $576 per hari untuk Qwen 3.8 Flash — kira-kira setara 3,8 miliar token input, setiap hari, secara berkelanjutan.

Perbandingan itu hanya valid jika Anda mengetahui berapa token per detik yang dihasilkan Sage-S2.1-Flash pada delapan H200. Belum ada yang mengukurnya dan repositori tidak menyebutkannya. Jumlah parameter aktif memberi Anda intuisi kasar — 18B aktif dibandingkan 6B aktif menunjukkan bahwa model Sage membutuhkan sekitar tiga kali lebih banyak komputasi per token yang dihasilkan — tetapi intuisi bukanlah angka throughput, dan tanpanya, aritmetika titik impas di atas memiliki variabel yang tidak diketahui di kedua sisi. Varian FP8 memangkas bobot residen dari 645 GB menjadi 328 GB, yang mengubah perangkat keras yang Anda butuhkan; itu tidak memberi tahu Anda seberapa cepat hasilnya berjalan.

Bagi sebagian besar tim, ketidaktahuan itu adalah inti dari seluruh argumen. Model yang tidak bisa Anda benchmark untuk throughput adalah model yang biayanya tidak bisa Anda hitung, dan model yang biayanya tidak bisa dihitung bukanlah kandidat untuk jalur produksi — itu adalah objek riset. Itu bukan kritik terhadap rilis ini; justru itulah gunanya peluncuran tanpa pengumuman.

Asimetri bukti, dinyatakan secara gamblang

Dua model, dua mode kegagalan bukti. Qwen 3.8 Flash memiliki tolok ukur yang dilaporkan vendor dan delapan puluh dua hari penggunaan pihak ketiga, yang berarti angkanya tidak diaudit tetapi perilakunya setidaknya dapat diamati: ada orang yang menjalankannya, melaporkannya, dan menabrak batasannya secara publik. Sage-S2.1-Flash tidak memiliki keduanya. Bobotnya yang 645 GB lebih merupakan bukti adanya model sungguhan daripada kebocoran atau tangkapan layar — ini artefak yang sudah dirilis, bukan rumor — tetapi bobot adalah bukti keberadaan, bukan kualitas.

Hal-hal spesifik yang masih tidak dapat diketahui saat ini: berapa skor Sage-S2.1-Flash pada apa pun; seberapa cepat ia mendekode; apakah embedding posisi 1M-nya bertahan pada panjang ekstrem atau terdegradasi seperti kebanyakan ekstensi konteks panjang; apakah menara visi dalam konfigurasinya dilatih sesuai standar produksi atau diwarisi dari backbone; apakah proyektor ilmiahnya dievaluasi pada sesuatu di luar distribusi pelatihan mereka sendiri; dan berapa biaya yang ingin dibebankan InternLM, jika ada, untuk versi yang dihosting. Repositori tidak menjawab satu pun dari hal-hal ini. Siapa pun yang mengatakan sebaliknya sedang mengekstrapolasi dari reputasi backbone, yang merupakan prior yang wajar dan bukan pengukuran.

Untuk apa model itu sebenarnya

Proyektor adalah petunjuknya. Tidak ada yang memasang lima adaptor modalitas ilmiah ke model chat umum sebagai tambahan belakangan; struktur folder, templat prompt per tugas, dan pilihan encoder menggambarkan model yang dibangun untuk membaca kristal, situs splice, rekaman jantung, rekaman otak, dan sekuens protein sebagai input kelas satu, bukan sebagai deskripsi teks dari hal-hal tersebut. Struktur kristal ditokenisasi sebagai keadaan atom dengan batas maksimum 512 atom; sekuens protein membawa keadaan per residu dengan kepala pembacaan ilmiah opsional; adaptor DNA adalah pembacaan probabilitas atas satu objek.

Qwen 3.8 Flash tidak melakukan ini. Ia membaca gambar, video, dan teks, dan melakukannya dengan angka yang dipublikasikan pada tolok ukur visual — CharXiv, MathVision, ERQA, LVBench, OSWorld 2.0 — tetapi kisi kristal yang dirender sebagai PNG bukanlah kisi kristal. Jika beban kerja Anda adalah biologi struktural, penapisan material, atau analisis sinyal fisiologis, pembacaan yang jujur adalah bahwa kedua model ini tidak bersaing untuk pekerjaan yang sama dan perbandingan Qwen merupakan jangkar harga, bukan substitusi. Jika beban kerja Anda adalah teks dan kode, proyektor tidak relevan dan Sage-S2.1-Flash adalah model chat 321B tanpa kartu.

Satu peringatan tentang pertanyaan multimodal, karena konfigurasi tersebut mengundang penafsiran berlebihan. Repositori ini memuat menara visi 24 lapis pada ukuran tersembunyi 1.024 dengan input 448 piksel dan patch 14 piksel, token awal dan akhir gambar serta video, dan templat obrolan dengan slot gambar, video, dan audio. Namun templat tersebut adalah templat keluarga GLM-5.3, slot audio tidak memiliki konfigurasi audio yang sesuai, dan satu-satunya instruksi khusus media di panduan penerapan adalah tentang gambar yang datang di dalam hasil alat. Anggap menara ini ada dan tidak terdokumentasi: bobotnya dibuat untuk menerima lebih dari sekadar teks, dan apa yang dimaksudkan rilis ini untuk Anda masukkan ke dalamnya tidak dinyatakan.

Gesekan, yang tidak nol

Self-hosting Sage-S2.1-Flash bukan sekadar mengarahkan vLLM ke sebuah repositori. Tiga persyaratan berasal dari panduan deployment, dan persyaratan kedua adalah yang merepotkan.

• --trust-remote-code wajib di setiap engine — repositori menyertakan tokenizer dan prosesornya sendiri, dan tanpa flag tersebut engine diam-diam memuat tokenizer bawaan yang mengodekan string seperti <tool_call> sebagai token kontrol alih-alih teks, sehingga merusak penalaran dan pemanggilan alat tanpa peringatan

• vLLM 0.33.0 memerlukan patch yang disediakan untuk vllm/renderers/hf.py, karena ketika hasil tool paralel kembali tidak sesuai urutan pemanggilan, template merendernya dalam urutan pemanggilan sementara vLLM mengumpulkan gambar-gambar tersebut dalam urutan pesan, sehingga diam-diam melampirkan setiap gambar ke hasil yang salah; perbaikan di upstream masih berupa draf pull request

• LMDeploy memerlukan transformers antara 5.17 dan 5.19, karena 5.19 mengganti nama tipe lapisan yang tidak akan diterima oleh mesin tersebut; SGLang memerlukan 0.5.20 atau lebih baru plus templat chat milik repositori yang diteruskan secara eksplisit, karena jika tidak, SGLang akan memasang templat bawaannya sendiri untuk arsitektur tersebut

Semua itu merupakan solusi sementara yang terdokumentasi untuk model yang baru berumur sehari, dan panduan tersebut secara terbuka mengakui bahwa framework-framework itu masih terus berkembang. Tidak ada yang tidak masuk akal; semuanya adalah waktu engineering yang tidak diminta oleh Qwen 3.8 Flash, karena di sisi hosted, itu hanyalah base URL dan API key.

Satu kunci, dua tingkat komitmen yang sangat berbeda

Qwen 3.8 Flash tersedia di OrcaRouter sebagai qwen/qwen3.8-flash dengan harga daftar A​libaba diteruskan tanpa markup — $0,15 per juta token masukan, $0,47 per juta token keluaran, $0,0184 per juta untuk pembacaan dari cache, konteks 1.000.000 token, dan batas keluaran 131.072 token. Halaman QwenCloud sendiri mencantumkan $0,016 untuk varian cache implisit; aturan penerusan berarti apa pun yang diubah A​libaba, Anda mendapatkannya pada hari yang sama, bukan pada pembaruan kontrak berikutnya. Sage-S2.1-Flash tidak ada dalam katalog dan tidak ada yang menyajikannya, jadi tidak ada rute ke sana di sini dan tidak ada alasan untuk berpura-pura sebaliknya.

A screenshot of the OrcaRouter model page for qwen/qwen3.8-flash, captured in English on 16 November 2026, showing the model name and model id, the per-million-token input and output pricing, the context window and maximum output limits, and the API access details for the model.

Yang membuat lapisan perutean benar-benar berguna dalam situasi ini adalah menjaga evaluasi tetap murah dan dapat dibalik. Jalankan eksperimen Sage pada perangkat keras Anda sendiri jika Anda memilikinya, pertahankan Qwen 3.8 Flash sebagai rute produksi, dan biarkan rantai failover berada di belakang jalur baru sehingga model dengan kartu kosong tidak pernah menjadi titik kegagalan tunggal pada hari pertama ia menangani trafik nyata. Gagasan yang sama berlaku untuk pertanyaan yang lebih sulit — fusi model, di mana sebuah panel menjawab satu prompt dengan beberapa model dan seorang juri mendamaikannya, adalah cara termurah untuk mengetahui apakah MoE ilmiah 321B sepadan dengan biaya sewanya: Anda tidak bermigrasi, Anda bertanya kepada keduanya, dan Anda membaca jawabannya.

Siapa yang harus memilih yang mana

Jika Anda merilis teks atau kode kuartal ini, Qwen 3.8 Flash adalah jawaban yang bisa dipertahankan dan Sage-S2.1-Flash sama sekali bukan jawaban. Model Qwen lebih murah per token daripada hampir semua hal di tingkat kemampuannya, didokumentasikan cukup baik untuk dijadikan dasar perencanaan, dilisensikan cukup jelas untuk diterapkan, dan dapat diamati secara publik. Tolok ukurnya adalah milik Alibaba sendiri dan harus diperlakukan sebagai klaim, tetapi klaim ditambah delapan puluh dua hari pengalaman orang lain mengalahkan kesenyapan ditambah tiga hari tanpa pengalaman siapa pun.

Jika Anda bekerja di bidang biologi struktural, desain protein, material, atau sinyal fisiologis, kalkulasinya berbalik. Lima proyektor dalam repositori Sage-S2.1-Flash adalah kemampuan yang tidak ditawarkan Qwen 3.8 Flash maupun sebagian besar model terbuka pada harga berapa pun, lisensinya MIT, dan kebutuhan perangkat kerasnya — delapan H200s, atau lebih sedikit dengan checkpoint FP8 — adalah jenis biaya yang sudah ditanggung kelompok riset. Langkah yang tepat adalah mengunduhnya, menjalankan pemeriksaan proyektor sisi CPU yang disertakan repositori, dan mengukur dua hal yang tidak diberitahukannya: throughput dekode pada perangkat keras Anda, dan akurasi pada set held-out Anda sendiri. Itu pekerjaan seminggu dan satu-satunya cara model ini menjadi keputusan, bukan sekadar keingintahuan.

Kasus ketiga adalah yang terbesar. Jika Anda sekadar penasaran, sikap yang tepat adalah menunggu kartu model. Ketika InternLM menerbitkannya, angka yang penting adalah angka yang tidak dapat disediakan repositori ini — throughput, degradasi konteks panjang, apakah menara visi aktif, dan skor proyektor di luar distribusi pelatihan mereka. Sampai saat itu, Sage-S2.1-Flash adalah artefak nyata dengan spesifikasi yang belum dibaca, dan hal paling berguna tentangnya adalah bahwa bobotnya ada, tidak dibatasi, dan berlisensi MIT — yang berarti ketika seseorang mengukurnya, Anda tidak perlu izin untuk memeriksa pekerjaan mereka.

Dibandingkan dalam artikel ini2

Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari