Una card di titolo generata che riporta "Sage-S2.1-Flash vs DeepSeek V4.1 Flash" sopra il sottotitolo "Due MoE a pesi aperti, un tabellone del fornitore", con due chip sotto che riportano "18B attivi" e "16B attivi". Sfondo bianco, accenti con gradiente blu e ciano, icone a linea piatta. Il logo OrcaRouter è inserito in compositing nell'angolo in basso a destra.
Guides & Insights

Sage-S2.1-Flash vs DeepSeek V4.1 Flash: l'unico confronto con un tabellone condiviso

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

C'è esattamente un solo posto su Internet in cui Sage-S2.1-Flash e DeepSeek V4.1 Flash sono stati valutati l'uno contro l'altro, e non è un posto neutrale. InternLM, il laboratorio che ha pubblicato Sage-S2.1-Flash il 15 novembre 2026, ha inserito DeepSeek-V4.1-Flash-1017 nella propria tabella comparativa: 35 benchmark, otto modelli rivali, un file separato da tabulazioni in un repository GitHub a cui la scheda del modello su Hugging Face non rimanda. Quindi i due modelli condividono una classifica, e uno dei due l'ha costruita.

Cosa che non si può dire di nessuno degli altri due confronti di questa serie, dove non esiste affatto una tabella condivisa. Questo rende anche questa la più utile delle tre pagine, perché una tabella comune — persino quella di un fornitore — ti consente di porre domande a cui una coppia di post di blog separati non può rispondere. Quanto segue è ciò che dice la tabella condivisa, quali sono le due architetture che vi stanno alla base e quanto di essa dovresti essere disposto a credere.

L'asimmetria che incornicia tutto

Metti le due release una accanto all'altra come artefatti prima di metterle una accanto all'altra come modelli.

DeepSeek V4.1 Flash è arrivato il 10 settembre 2026 con una model card completa, un report tecnico in PDF intitolato "Pushing the Limits of KV Cache Compression", una licenza MIT, un'API documentata con tariffe off-peak e peak pubblicate e uno snapshot aggiornato — 1017 — il 17 ottobre. Il suo repository Hugging Face è stato scaricato 1,69 milioni di volte e ha 4.978 like. Artificial Analysis lo valuta in modo indipendente a 32,6 sull'Intelligence Index alla massima intensità.

Sage-S2.1-Flash è arrivato il 15 novembre 2026 con 120 shard in bfloat16, una model card di 21 byte il cui intero contenuto è una dichiarazione di licenza, una guida al deployment e nessun prezzo pubblicato da nessuna parte. Ha un like e zero download. Nessun harness indipendente lo ha toccato.

Entrambi sono miscele di esperti con pesi aperti e licenza MIT, con una finestra di contesto da un milione di token e input immagini nativo. Sulla carta sono pari. Nei fatti non sono affatto vicini.

A generated two-column comparison scoreboard titled 'Sage-S2.1-Flash vs DeepSeek V4.1 Flash - the scoreboard'. The Sage-S2.1-Flash column reads: Parameters: 320B, 18B active; Layers: 45, 34 linear; Price: none published; Context: 1,048,576 tokens; Independent score: none; Downloadable: MIT weights. The DeepSeek V4.1 Flash column reads: Parameters: 552B, 16B active; Layers: 40, encoder-decoder; Price: $0.15 / $0.60 off-peak; Context: 1,000,000 tokens; Independent score: AA Index 32.6; Downloadable: open weights. Footer: 'Sage rows from InternLM; DeepSeek price from DeepSeek; DeepSeek score per Artificial Analysis.' The OrcaRouter logo is composited in the bottom-right corner.

Cosa contiene effettivamente la tabella condivisa

Il file di benchmark di InternLM elenca 31 righe che riportano un valore di DeepSeek-V4.1-Flash-1017. Leggerlo è un'esperienza diversa dalla lettura di un post di lancio, perché le righe in cui Sage perde sono ancora lì. Un estratto rappresentativo, con Sage per primo in ogni riga:

• Terminal-Bench 2.1 — 87.9 vs 87.6, un pareggio di tre decimi

• DeepSWE — 67,0 vs 73,9, un deficit di 6,9 punti

• SWE-bench Pro — 60,6 contro 64,7, un deficit di 4,1 punti

• NL2Repo-Bench — 57,2 vs 62,7, un deficit di 5,5 punti

• APEX-Agents — 61,7 contro 69,2, un deficit di 7,5 punti

• WideSearch — 81,5 vs 86,3

• BrowseComp — 91,2 contro 93,8

• CyberGym — 84,3 contro 88,8

• τ³-bench Banking — 45,4 vs 47,4

• OSWorld v2.1 — 69,3 vs 70,1

• AutomationBench — 56,7 vs 57,8

Lo schema in quella lista è scomodo per il modello più recente: sul lavoro generale con agenti e di coding, DeepSeek V4.1 Flash vince la maggioranza delle righe, spesso con margini che non sono rumore. Un modello pubblicato due mesi prima, da un laboratorio con un report tecnico pubblico, batte il rilascio silenzioso sui benchmark che il rilascio silenzioso stesso ha scelto di pubblicare.

Poi la tabella si inverte. Le righe in cui Sage è in testa sono quelle scientifiche e documentali, e i margini sono di un ordine completamente diverso:

• Harvey LAB — 25,0 vs 11,7, più del doppio

• OfficeQA Pro V2 — 72,2 vs 69,7

• BabyVision — 75,8 vs 58,0, un divario di 17,8 punti

• OSWorld-G — 84,8 contro 61,4, un divario di 23,4 punti

• MLE-bench Lite — 90,3 vs 89,2

• Workspace-Bench-Lite — 67,1 vs 66,8

• GDPval — 78,0 contro 77,6

• SpreadsheetBench 2 — 37,1 vs 35,8

Due pattern, e puntano in direzioni opposte. Nell'ingegneria del software e nel lavoro di agenti guidati da strumenti in un ambiente generale, DeepSeek V4.1 Flash è il modello più forte e i numeri stessi di InternLM lo dicono. Nella percezione scientifica, nel lavoro professionale ad alto contenuto documentale e nel controllo grafico del desktop, Sage-S2.1-Flash non è marginalmente avanti ma in una fascia diversa.

Perché le architetture dovrebbero produrre esattamente quella suddivisione

I due modelli risolvono problemi diversi, e le loro configurazioni lo dimostrano prima ancora che lo faccia qualsiasi benchmark.

DeepSeek V4.1 Flash è un backbone da 552 miliardi di parametri con 16 miliardi attivi per token, costruito su quella che DeepSeek chiama architettura Causal Encoder-Decoder: 40 strati suddivisi equamente in un encoder causale da 20 strati e un decoder da 20 strati. L'impostazione del rapporto tecnico è la compressione della KV cache: l'affermazione principale del modello riguarda l'efficienza di serving a un milione di token, non la percezione. Elabora le immagini in modo nativo, ma l'enfasi pubblicata è sull'economia del serving a contesto lungo.

Sage-S2.1-Flash è un modello da 320 miliardi di parametri con 18 miliardi attivi per token e, secondo la sua guida al deployment, 45 livelli. La configurazione li divide nettamente: 34 livelli usano un tipo di attenzione lineare che il file chiama kda, e solo 11 usano attenzione sparsa con un indice top-k da 2.048 token. C'è una torre visiva a 24 livelli con input a 448 pixel, e il vocabolario dei token include token espliciti per immagine, video, audio, inizio e fine. Il testo di rilascio in inglese di InternLM — ospitato su internlm.github.io/Sage-S2.1-Flash, creato il 16 novembre, non referenziato dalla model card — descrive l'addestramento su grafi molecolari, strutture cristalline, sequenze proteiche e strutture 3D, DNA e RNA, spettri, spettri di massa, diffrazione a raggi X, elettrocardiogrammi, elettroencefalogrammi e curve di luce.

Leggi quell'elenco confrontandolo con le righe in cui vince Sage e il quadro smette di sembrare fortuna da benchmark. Harvey LAB è lavoro legale su documenti. OfficeQA Pro è risposta a domande su documenti finanziari. BabyVision è percezione visiva. OSWorld-G è controllo grafico del desktop: cliccare un'interfaccia utente, non chiamare un'API. Sono esattamente i costrutti in cui ci si aspetterebbe che fosse bravo un modello addestrato su figure scientifiche, spettri, grafici e interfacce software, e sono proprio i punti in cui ci si aspetterebbe che rimanga indietro un modello addestrato per un serving generale efficiente in termini di KV-cache.

Il punto vale in entrambe le direzioni. Sage perde le righe di coding perché non è principalmente un modello di coding; DeepSeek perde le righe di visione perché non è principalmente un modello di percezione. Nessuno dei due risultati è uno scandalo. L'errore sarebbe leggere l'una o l'altra colonna come un verdetto generale.

Screenshot of the OrcaRouter model page for deepseek/deepseek-v4.1-flash. It shows a 1M-token context window, text and image input, vision, tools, JSON and reasoning tags, a release date of 2026-10-17, and the price row $0.15 input and $0.60 output per million tokens with a 1.20 s time to first token. The page states the model carries a context window of 1,048,576 tokens, can generate up to 384,000 tokens in a response, and is billed at $0.15 per 1M input and $0.60 per 1M output tokens.

Lo spread dei prezzi, che non è vicino

DeepSeek V4.1 Flash ha una tariffa pubblicata, ed è una delle tariffe più basse tra i modelli di questa dimensione:

Fuori orario di punta, cache miss — $0.15 per milione di input, $0.60 per milione di output

Picco, cache miss — $0,30 per milione di input, $1,20 per milione di output

• Cache hit — $0.003 per milione fuori punta, $0.006 in punta

• Ore di punta — 01:00–04:00 e 06:00–10:00 UTC, dal lunedì al venerdì, esclusi i giorni festivi pubblici cinesi

• Contesto — 1.000.000 di token, con fino a 384.000 token di output

Sage-S2.1-Flash non ha una tariffa pubblicata. Non c'è alcun prezzo sulla scheda del modello, nessuno nella guida al deployment e nessuno nel microsito di lancio; il link "Prova l'API" del sito rimanda a un portale che non renderebbe il proprio catalogo a un client non JavaScript. Ciò che Sage ha invece è un requisito hardware: il deployment di riferimento della guida prevede otto GPU H200 in bfloat16, circa 645 GB di pesi sull'intero nodo.

Questo rende il confronto dei costi una questione di forma, non un semplice numero. DeepSeek V4.1 Flash costa $0,15 per milione di token di input fuori dalle ore di punta, il che significa che un prompt da un milione di token costa quindici centesimi. Eseguire Sage-S2.1-Flash su un milione di token costa quanto ti costano otto H200 per il tempo effettivo impiegato dalla chiamata, e nessuno ha pubblicato un dato di throughput per questo. Se possiedi già il nodo, il costo marginale della chiamata è quasi zero e, al confronto, DeepSeek sembra costoso. Se non lo possiedi, DeepSeek vince con un margine così ampio che il confronto con Sage non vale la pena farlo finché non esiste un prezzo per il servizio ospitato.

Quello che la tabella condivisa non può dirti

Un aspetto di un confronto redatto da un fornitore merita di essere dichiarato chiaramente, perché influisce su come leggere ogni riga sopra: l’harness non è documentato. InternLM ha pubblicato i numeri, non la configurazione di esecuzione. Non viene dichiarato quanti tentativi per attività siano stati fatti, quale scaffolding sia stato usato, quali parametri di campionamento siano stati impiegati, se fossero disponibili strumenti o quale fosse il budget di ragionamento per entrambi i modelli. Il 32,6 di DeepSeek sull’Artificial Analysis Intelligence Index proviene da un harness pubblico che applica la stessa procedura a ogni modello nel suo indice; il 73,9 di InternLM per DeepSeek su DeepSWE proviene da uno privato.

Ciò non rende la tabella inutile. La rende indicativa. Le righe di coding e le righe di vision sono entrambe abbastanza ampie, e sufficientemente coerenti al loro interno, che le scelte di scaffolding probabilmente non le generano. Il pareggio di tre decimi su Terminal-Bench 2.1, d'altro canto, rientra ampiamente nell'intervallo che qualsiasi variazione dell'harness potrebbe produrre — considera una differenza di 0,3 punti come un pareggio e non si perde nulla.

Vale anche la pena notare che InternLM ha pubblicato un dato per DeepSeek su DeepSWE (73.9) che è alto rispetto alle altre righe di coding nella sua stessa tabella, dove DeepSeek si colloca a 64.7 su SWE-bench Pro. Quell'incoerenza interna è il tipo di cosa che un harness pubblicato risolverebbe in un pomeriggio e uno privato non potrebbe risolvere affatto.

Screenshot of the Hugging Face model page for internlm/Sage-S2.1-Flash. The header shows the safetensors and glm5_next tags, an MIT licence, a model size of 321B params and a bfloat16 tensor type. The sidebar notes that the README exists but its content is empty, that the model is not deployed by any Inference Provider, and it lists the collection including internlm/Sage-S2.1-Flash. Download counts are not shown.

Distribuzione: un pomeriggio contro un documento

Se scegli su basi operative anziché su righe di benchmark, il divario è più ampio di quanto suggeriscano i punteggi, e va nella stessa direzione del divario di evidenze.

DeepSeek V4.1 Flash viene rilasciato con un report tecnico, un'architettura transformers standard, una variante fp8 e tag di distribuzione per Azure e SageMaker sulla sua model card. È in circolazione da due mesi, ha 1,69 milioni di download e ogni peculiarità di serving che presenta è già stata incontrata e documentata da qualcuno.

Sage-S2.1-Flash viene fornito con una guida al deployment che, letta con attenzione, è un elenco di fallimenti silenziosi. Se si omette --trust-remote-code, il tokenizer standard codifica stringhe agentiche come <|user|> e <tool_call> come token di controllo: il modello si arresta in anticipo o corrompe una chiamata a tool, e non viene registrato nulla. Servilo su vLLM senza la patch a un singolo file in vllm_patch/ e i risultati paralleli dei tool che arrivano fuori ordine associano le immagini al risultato sbagliato, così il modello risponde riguardo all'immagine sbagliata; la correzione upstream è in sospeso come vllm-project/vllm#67108. Servilo su SGLang senza passare esplicitamente chat_template.jinja e il motore installa il proprio template per l'architettura. Su Hopper, la KV cache FP8 non è supportata. LMDeploy richiede che transformers sia fissato tra 5.17 e 5.19, perché la 5.19 ha rinominato un tipo di layer.

Tutto questo è documentato, il che va a merito del laboratorio — è più di quanto riesca a fare la maggior parte delle release silenziose. Ma è anche l’impronta di un modello che i suoi stessi autori sono ancora gli unici ad aver messo in servizio.

L'unica cosa utile che la tabella condivisa risolve

Considerato tutto quanto sopra, ecco la decisione che le prove supportano effettivamente.

• Se il tuo lavoro è codice, tooling per agenti o serving generale a contesto lungo — DeepSeek V4.1 Flash. Vince la maggior parte di quelle righe nella tabella del concorrente stesso, costa $0,15 per milione di token di input fuori punta e ha un punteggio indipendente con cui confrontarsi. Qui non c'è alcun argomento serio a favore di Sage.

• Se il tuo lavoro riguarda figure scientifiche, spettri, grafici, documenti professionali scansionati o software basato su GUI — Sage-S2.1-Flash vale il weekend. Il divario di 23 punti su OSWorld-G e quello di 13 punti su Harvey LAB sono il tipo di differenza che cambia se un'attività sia automatizzabile o meno, e nessun altro modello nella tabella di InternLM si avvicina su quelle righe.

• Se devi decidere oggi — DeepSeek V4.1 Flash, perché è l'unico dei due che puoi chiamare senza una finestra di manutenzione.

DeepSeek V4.1 Flash è instradato su OrcaRouter come deepseek/deepseek-v4.1-flash a 0,15 $ in ingresso e 0,60 $ in uscita per milione di token — la tariffa di DeepSeek stesso, ovvero il prezzo di listino off-peak riportato senza alcun ricarico — con una finestra di contesto di 1.048.576 token, insieme allo snapshot 1017 alla stessa tariffa. Sage-S2.1-Flash non è nel nostro catalogo; sono pesi aperti che serviresti tu stesso, e non abbiamo intenzione di insinuare il contrario.

Quello che un router ti offre qui è più ristretto di una migrazione e più utile di un benchmark. La suddivisione descritta in questo articolo — il lavoro generale di agenti e di programmazione affidato a un modello, il lavoro scientifico e a forte uso di GUI affidato all'altro — è esattamente la forma che esprime una politica di routing: un unico endpoint, una regola che instrada le richieste contenenti immagini e documenti sul percorso specializzato e un failover automatico che impedisce a un degrado lato provider di abbattere l'intero percorso. Entrambi gli identificatori DeepSeek risiedono sulla stessa chiave, quindi provare lo snapshot 1017 rispetto all'originale costa un cambio di stringa del modello anziché un secondo contratto. Il pezzo che non puoi instradare — Sage-S2.1-Flash — è il pezzo che dovresti mettere in piedi da te, il che è l'argomento più chiaro a favore della prototipazione su ciò che è già nel catalogo.

Cosa renderebbe questa pagina meritevole di essere riscritta?

Due cose. Un prezzo per Sage-S2.1-Flash, che trasformerebbe la sezione dei costi da una forma in aritmetica. E un punteggio indipendente, idealmente sullo stesso harness che ha collocato DeepSeek V4.1 Flash a 32,6 — perché la domanda interessante non è se Sage batta DeepSeek in media. Tutto quanto sopra suggerisce di no. La domanda interessante è se il vantaggio di 23 punti di Sage su OSWorld-G sopravviva a un harness che non è stato scritto dal laboratorio che lo ha pubblicato, e se il deficit di 6,9 punti su DeepSWE sia reale come lasciano intendere le righe relative al coding nella sua stessa tabella.

Finché qualcuno non rieseguirà quelle righe, il tabellone condiviso è la migliore prova disponibile ed è stato costruito da uno dei due concorrenti. Leggilo come leggeresti qualsiasi confronto autopubblicato che includa anche le proprie sconfitte: più affidabile di una tabella senza sconfitte, e comunque non la stessa cosa di una misurazione.

Confrontati in questo articolo1

Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno