Ultramarine 1 Flash vs Claude Haiku 4.5: Due numeri di costo per attività che non misurano la stessa cosa

In questo confronto, entrambi i modelli pubblicano un costo per attività, e la tentazione è mettere i numeri uno accanto all'altro e sottrarre. Paper Instruments afferma che Ultramarine 1 Flash completa un lavoro per 0,13 $. Artificial Analysis misura Claude Haiku 4.5, nella sua configurazione di ragionamento, a 0,28 $ per ogni attività completata dell'Intelligence Index. Uno costa meno della metà dell'altro, e se questo fosse il quadro completo la decisione richiederebbe dieci secondi. Non è il quadro completo, perché quelle due cifre provengono da suite diverse che chiedono al modello di fare cose diverse, e capire quale suite assomiglia al tuo lavoro è l'intero confronto. Le tariffe stesse sono ancora più distanti: 0,15 $ per milione di token in input e 0,50 $ in output per il modello di Paper Instruments contro 1,00 $ e 5,00 $ per quello di Anthropic — un divario di 6,7 volte sull'input e di 10 volte sull'output.

C'è una seconda asimmetria. Claude Haiku 4.5 ha un punteggio pubblicato da un laboratorio che non è il suo creatore. Ultramarine 1 Flash ha un punteggio pubblicato dall'azienda che l'ha addestrato, su una suite costruita da quell'azienda. Entrambi i fatti qui contano più di qualunque singolo numero di benchmark, e nessuno dei due compare in un confronto fianco a fianco.

Le due schede tariffarie, e la riga che non è la stessa su entrambe

I valori di Ultramarine sono i prezzi API pubblicati di Paper Instruments e le sue valutazioni pubblicate. Il prezzo di Claude Haiku 4.5 è il listino di Anthropic; i suoi valori di valutazione sono misurazioni di Artificial Analysis, etichettate come tali.

• Input — Ultramarine 1 Flash 0,15 $ per milione di token contro Claude Haiku 4.5 1,00 $. Il modello di A​nthropic costa 6,7 volte di più in ingresso.

• Input in cache — 0,03 $ contro 0,10 $ per milione, uno sconto del 90% sul fronte A​nthropic contro uno sconto dell'80% sul fronte Paper Instruments. Il divario assoluto resta ampio, quello proporzionale si riduce.

• Output — 0,50 $ vs 5,00 $ per milione. 10x, e questa è la voce in cui la differenza si fa davvero sentire, perché il lavoro sui documenti genera una grande quantità di output.

• Contesto — 131.072 token nella configurazione di addestramento specificata dal report tecnico rispetto a 200.000 sulla scheda tariffaria di Haiku. Anthropic ne detiene circa 1,5 volte tanto.

• Output massimo — non pubblicato da Paper Instruments rispetto ai 64.000 token di Claude Haiku 4.5. Una cella vuota nell'elenco.

• Input — Claude Haiku 4.5 accetta caricamenti di testo, immagini e file. Ultramarine 1 Flash è incentrato sul lavoro su testo e documenti; la sua base, GLM-5.3 Flash, è nativamente multimodale, ma Paper Instruments non pubblica un elenco delle modalità per il derivato.

Costo misurato per attività completata — $0,13 su PI Knowledge Work per Ultramarine 1 Flash contro $0,28 sull'Intelligence Index per Claude Haiku 4.5 (reasoning). I numeri che la gente si getterà in faccia. La prossima sezione spiega perché non sono la stessa unità.

Che cosa copre effettivamente ogni punteggio

Il record pubblicato di Claude Haiku 4.5 si presenta in due configurazioni, ed è bene tenerle separate, perché un risultato di ricerca di solito ti mostrerà quella sbagliata. Artificial Analysis elenca la configurazione senza reasoning con un Intelligence Index di 15 e 87,3 token di output al secondo. La configurazione con reasoning — quella a cui è associata una cifra di costo per attività, nonché quella usata in tutto questo articolo — misura un Intelligence Index di 17, 90,0 token di output al secondo, 1,00 $ in input e 5,00 $ in output per milione, uno sconto del 90% sulla cache, 0,28 $ per attività Index completata e 78 milioni di token di output di verbosità. La sua finestra di contesto è di 200.000 token con un knowledge cutoff di luglio 2025, e accetta testo e immagini.

L'Intelligence Index è costruito a partire da valutazioni di matematica, programmazione, ragionamento e agentiche. Nessuno dei test che lo compongono chiede a un modello di produrre una presentazione per il consiglio di amministrazione, un memo di due diligence o un modello Excel con una previsione dinamica al suo interno, perché questi artefatti non hanno un'unica risposta corretta e un benchmark che li valutasse avrebbe bisogno di una rubrica per ogni compito.

Che è esattamente ciò che Paper Instruments ha costruito, ed è esattamente il motivo per cui il confronto non può essere una sottrazione. PI Knowledge Work è una suite di deliverable pronti per il cliente in finanza, diritto, consulenza e operations, valutati attività per attività, da un modello di valutazione basato su rubriche, rispetto a rubriche appositamente redatte. Ultramarine 1 Flash ottiene lì 59,3 a 0,13 $ per attività. Un punteggio di 59,3 su una rubrica per deliverable documentali e un punteggio di 17 su un indice di matematica e programmazione non sono grandezze confrontabili. Non lo è nemmeno il dato di costo, perché un'attività su una suite può essere un ordine di grandezza più lunga di un'attività sull'altra.

Ciò che l'abbinamento supporta è più ristretto, ma comunque utile. Claude Haiku 4.5 è stato misurato da qualcuno che non vi ha alcun interesse, su test che nessuno in Anthropic ha progettato. Ultramarine 1 Flash no. Non è una critica ai numeri di Paper Instruments — l'azienda divulga il proprio metodo con un dettaglio inusuale — ma è una differenza nel tipo di evidenze offerte, e un acquirente che mette la scelta davanti a un comitato per il rischio ci sbatte subito contro.

Dove Claude Haiku 4.5 vince senza discussione

Tre luoghi, e nessuno di essi riguarda l'essere più intelligenti.

L'input multimodale è il più chiaro. Un contratto scansionato, uno screenshot di un foglio di calcolo corrotto, una fotografia di una lavagna — tutto questo entra in Claude Haiku 4.5 attraverso un'interfaccia che lo supporta, invariata, da un anno. Ultramarine 1 Flash si basa su un modello di base che legge immagini e video, ma il fornitore non pubblica alcun elenco di modalità per il suo derivato, e nessun esempio nel rapporto tecnico verte su un'immagine che il modello deve guardare. Se i tuoi documenti arrivano scansionati, questo decide la questione da solo.

La maturità operativa è il secondo. Un modello con un anno di traffico di produzione alle spalle ha visto le sue modalità di guasto scoperte e documentate da persone che non erano pagate per trovarle. Un modello pubblicato il 14 ottobre 2026 no, e la prima settimana di qualsiasi nuovo endpoint è quella in cui si scopre come si comporta sotto carico.

La verifica indipendente è la terza, ed è quella che produce un effetto cumulativo. Ogni mese in più di vita di Haiku 4.5 è un altro mese in cui qualcuno l'ha fatto girare sul proprio lavoro e ha annotato cosa è successo.

Dove il divario si riduce a quasi nulla — e perché l'aritmetica è fuorviante

Il 10x di copertina sull'output è reale, e su un lavoro lungo con documenti produce esattamente la fattura che ti aspetteresti. Ciò che il titolo nasconde è che l'economia per singola attività dei due modelli può convergere, perché un'attività su PI Knowledge Work non equivale alla stessa quantità di lavoro di un'attività sull'Intelligence Index — e perché, nella pratica, il modello Anthropic è uno largamente basato sulla cache.

C'è un numero controintuitivo sul lato Paper Instruments che vale la pena leggere per bene. Sui suoi sei benchmark, Ultramarine 1 Flash genera il 6,5% in meno di token di output rispetto al modello GLM-5.3 Flash da cui è post-addestrato — 30,5 milioni contro 32,7 milioni, ragionamento incluso — pur ottenendo punteggi migliori su tutti e sei. Un'efficienza in token che migliora non è la direzione consueta per una sessione di post-addestramento, e su una tariffa per milione di token è un secondo sconto che si somma al primo. È l'unico confronto sulla pagina di Paper Instruments in cui entrambe le parti sono misurate con lo stesso metodo sulla stessa suite, il che lo rende il numero più affidabile del rilascio.

Di contro, Claude Haiku 4.5 è il modello più economico in un confronto che nessuno pubblicizza: a $0,28 per attività Index completata, il suo prezzo è pensato per una suite le cui attività sono più brevi e meno agentiche di un memo di due diligence. Metti davanti a ciascuno un vero deliverable legale o finanziario e la cifra di $0,13 non ha mai misurato la stessa unità di lavoro di quella di $0,28.

Entrambi i modelli sono su una sola chiave tramite OrcaRouter, se volete risolvere la questione empiricamente invece che leggendo. Claude Haiku 4.5 viene erogato a 1,00 $ e 5,00 $ per milione di token con nulla di aggiunto per token — il prezzo di listino del fornitore passato tal quale, quindi una variazione delle tariffe del fornitore è attiva dalla nostra parte lo stesso giorno, il che, per un modello il cui prezzo si è già mosso in passato, non è una proprietà banale. Far passare gli stessi venti documenti su entrambi e leggere le fatture costa meno della riunione su quale scegliere, e produce un numero invece di una discussione.

La decisione, espressa come un bivio

Se l'input è un documento che qualcuno ha scansionato o uno screenshot, la risposta è Claude Haiku 4.5 e non c'è altro da discutere.

Se l'input è testo e l'output è un deliverable finito — un modello, una presentazione, un memo — e il volume è abbastanza alto da far sì che 0,15 $ contro 1,00 $ sull'input cambi la fisionomia del progetto, Ultramarine 1 Flash merita un progetto pilota sul tuo stesso lavoro. Ha un giorno di vita. Il dato di 0,13 $ è dichiarato dal fornitore su una suite costruita dal fornitore, e non esiste ancora alcuna valutazione indipendente. Ma il listino prezzi è reale, il confronto sull'efficienza dei token è misurato nell'unico modo in cui può essere misurato onestamente, e i guadagni rispetto al suo stesso modello base sui quattro benchmark in cui è in testa sono coerenti, non selezionati ad arte.

Se il tuo carico di lavoro include entrambi, la mossa utile non è scegliere. Una regola di routing può mantenere il percorso dei documenti scansionati sul modello Anthropic e inviare il percorso da testo a deliverable a quello dei due che supera la tua soglia di qualità su un campione — e se quello più recente va in tilt, la richiesta passa a quello più vecchio senza modifiche al codice e senza un secondo contratto da firmare.

Ciò che risolverebbe la questione aperta è una singola valutazione indipendente di Ultramarine 1 Flash su una suite che il suo produttore non ha scritto. Finché non esisterà, la posizione onesta è che Claude Haiku 4.5 è il modello di cui puoi prevedere il comportamento e Ultramarine 1 Flash è il modello del cui prezzo vorresti poter usufruire. Nulla di ciò che è stato pubblicato oggi dice che non puoi. Nulla di ciò che è stato pubblicato oggi, tranne la pagina del fornitore stesso, dice che puoi.

Confronti come questo sono anche il punto in cui emergono le modalità di fallimento: gli incidenti AI documentati e i fallimenti degli agenti relativi ai modelli di questa classe sono raccolti in l'Archivio degli Incidenti AI di OrcaRouter, dove ogni voce riporta le proprie fonti, il livello di gravità, il grado di affidabilità e l'indicatore di contestazione.