
Sage-S2.1-Flashが静かにリリース:645 GBの重み、21バイトのモデルカード、そして誰もリンクしなかったベンチマーク表
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100万トークンあたり · 90 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100万トークンあたり · 96 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNEWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100万トークンあたり · 87 tok/s
- OrcaNEWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100万トークンあたり · 133 tok/s
- OrcaNEWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 100万トークンあたり · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100万トークンあたり · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100万トークンあたり · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447知能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100万トークンあたり · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929知能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100万トークンあたり · 152 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733知能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740知能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 100万トークンあたり · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955知能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855知能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 100万トークンあたり · 219 tok/s
2026年11月15日02:34 UTC、Shanghai AI Laboratoryに属するアカウントが、internlm/Sage-S2.1-FlashというリポジトリをHugging Faceにアップロードした。そこには約645ギガバイト、合計120個のsafetensorsシャード、設定ファイル、チャットテンプレート、そして21バイトのREADMEが含まれていた。ブログ投稿はなかった。11月16日に取得した時点で、同ラボのホームページにこの名前の記載はなかった。我々が確認できた範囲ではプレスリリースはなく、Artificial AnalysisにSage-S2.1-Flashの項目もなかった。
その週末が終わるまでに実際に存在していたのは、読者が確認できる三つのものでした。重みそのもの、8台のH200でこれを提供しようとする人向けに書かれたデプロイガイド、そしてモデルリポジトリからは一切リンクされていないGitHub Pagesのマイクロサイトで公開されているベンチマーク表です。本稿はそれら三つの目録であり、ファイルが証明していることと、InternLMがまだ語っていないことの間に明確な線を引きます。

リポジトリをファイルごとに
証拠が異常なほど明快なのは、その量があまりに少ないからだ。11月16日のディレクトリ一覧には155個のファイルが表示される。そのうち120個は各約5.35 GBの重みシャードだ。残りはマルチモーダルモデルの構成物である。tokenizer.json(20メガバイト)、10.5 KBのchat_template.jinja、5.9 KBのconfig.json、temperature 1.0とtop_p 0.95を設定した生成設定、deployment_guide.md、そして2つのディレクトリ——一方にはvLLMパッチが入り、もう一方にはコンパニオン知覚モデル用のプロジェクターが入っている。
READMEはじっくり考える価値がある。21バイトであり、そのすべてがYAMLフロントマターだ:
• 水平罫線、その後に license: mit と書かれた1行、さらに別の水平罫線。
それがモデルカードの全体です。説明も、ベンチマーク表も、使用例スニペットも、引用ブロックも、論文へのリンクもありません。Hugging Face はそれを、タイトルと MIT バッジ、そして空の本文だけのページとして表示します。リポジトリにはいいねが 1 件あり、執筆時点でダウンロード数はゼロです。これはこの規模のモデルにとって、品質についてのシグナルというよりも、ディスク容量を負担できる人がどれほど少ないかについてのシグナルです。
ファイル一覧から得られる小さな詳細が2つあり、どんな発表よりもリリース時期をよく特定できるので、記録しておく価値がある。FP8量子化された同系統の internlm/Sage-S2.1-Flash-FP8 は、bfloat16リポジトリよりおよそ35時間前の11月13日15:04 UTCに作成された。そして bf16 リポジトリの最後のコミットは、11月16日03:01 UTCの「Upload folder using huggingface_hub」というだけのメッセージで、初回アップロード時と同じものだった。これを生み出したワークフローが何であれ、入念に準備されたローンチではなかった。
ラボが実際に作成した唯一の文書
deployment_guide.md は InternLM がリポジトリ内に同梱した唯一の文章であり、そこにある最も情報量の多いファイルです。その冒頭の一文が仕様のすべてです:
{{1}}Sage-S2.1-Flashリリースは{{/1}}、{{2}}bfloat16の重み形式(約645 GB)で保存された{{/2}}{{3}}320B-A18BのマルチモーダルMoEモデルです{{/3}}。
3つの数値があり、Hub自身のメタデータがそのうち2つを裏付けている。モデルページのパラメータ数は3210億と表示されており、その10億の差は、ほぼ間違いなく不一致ではなく丸めの慣例によるものだ。ストレージの数値は、internlmのリポジトリメタデータの642.8 GBと照合して一致する。「A18B」—トークンあたり180億のアクティブパラメータ—はInternLM独自の用語であり、設定から独立して導き出せるものではないため、ベンダーによる数値として扱うこと。
config.json が残りを補完しており、それは本当に興味深い文書です。モデルには45層があり、そのうち従来のスパースアテンションを使うのは11層だけです。残りの34層は、config が kda と呼ぶ線形アテンション層タイプを使用しており、linear_attn_config 内の層ごとのリストで指定されています。ルーティングは288個のエキスパートで、1個の共有エキスパートとトークンごとに選択される8個のエキスパートがあり、ルーティングのスケーリング係数は2.5です。位置の上限は1,048,576トークンです。ビジョンタワーがあり、深さ24、448ピクセル画像、パッチサイズ14で、トークン語彙には明示的な image、video、image-start、image-end、video-start、video-end トークンが含まれています。

最も重要なアーキテクチャの系譜
デプロイガイドには、リリース全体の見方を変える一文がある。そこには、Sage-S2.1-Flashが「GLM-5.3-Flashアーキテクチャを使用している」と記されており、読者に対して、Z.ai公式のGLM-5.3-Flashのレシピに従ってvLLMとSGLangをインストールしチューニングする際、一方のリポジトリ名をもう一方に置き換えるよう指示している。
それは設定で確認できる。アーキテクチャクラスは Glm5NextForConditionalGeneration で、モデルタイプは glm5_next だ。つまり、Shanghai AI Laboratory のモデルが Z.ai のアーキテクチャの上に公開されており、同ラボはそれを隠さず率直に述べている。GLM-5.3-Flash 自体、3200億パラメータ、180億アクティブのマルチモーダル MoE で、100万トークンのコンテキストと128Kの出力上限を持つ。つまりパラメータの形も偶然ではないということだ。
これを導入するかどうか判断する人にとって、その一文は今回のリリースで最も価値のある情報だ。それは、サービングの話が新しいものではないことを意味する。レシピやカーネル作業、既知の故障モードは、8月から公開されているモデルについてすでに文書化されているものだということでもある。また、InternLMが追加したパッチは、自社モデルがベースからどこで分岐しているかを正確に説明しているため、注意深く読む価値があることも意味する。
このリリースを安易に配信すると壊れる3つのケース
デプロイガイドは、注意深く読むと、罠の一覧になっている。その一つひとつはエラーではなくサイレント障害であり、それこそが危険な種類のものだ。
• --trust-remote-code を付けないと、警告なしにツール呼び出しが壊れます。 エージェントのトレースには、<|user|> や <tool_call> のような文字列が通常のテキストとして含まれています。リポジトリはこれらをテキストとして扱う独自のトークナイズコードを同梱していますが、このフラグがないと、エンジンは標準のトークナイザーを読み込んでこれらを制御トークンとしてエンコードするため、モデルが途中で停止したり、ツール呼び出しが破損したりする可能性があります。しかも何もログに出力されません。
• vLLMには1ファイルのパッチが必要です。さもないと、画像が誤ったツール結果に添付されます。並列ツール呼び出しが発行時と異なる順序で返ると、チャットテンプレートは呼び出し順で結果をレンダリングする一方、vLLMはメッセージ順で画像を収集します。各画像は気付かれないまま誤った結果に紐づき、モデルは誤った画像について回答します。修正はvllm/renderers/hf.pyを置き換えます。上流の修正はvllm-project/vllm#67108として進行中です。
• SGLangは、ファイルを渡さない限り、リポジトリのチャットテンプレートを使用しません。 SGLangはこのアーキテクチャ向けに独自の組み込みテンプレートをデフォルトでインストールするため、リポジトリのトークナイザーは完全にバイパスされます。chat_template.jinjaをダウンロードし、--chat-templateで指定する必要があります。
. Need output only translated text. No preamble. Need ensure no markers added. Translate accurately. Japanese. Need consider "same document" "two more constraints". "FP8 KV cache is not supported on Hopper GPUs, so on H100s and H200s you keep the BF16 cache." -> Hopper GPUではFP8 KVキャッシュがサポートされていないため、H100およびH200ではBF16キャッシュを使い続けます。 "And LMDeploy needs transformers between 5.17 and 5.19, because 5.19 renames the layer type deepseek_sparse_attention to indexed_attention and LMDeploy rejects the new name." -> また、LMDeployにはtransformers 5.17~5.19が必要です。5.19ではレイヤータイプ deepseek_sparse_attention が indexed_attention に名前変更され、LMDeployは新しい名前を受け付けないためです。 Need "between 5.17 and 5.19" could inclusive? "5.17から5.19の間" maybe. "The guide also flags an open vLLM issue — vllm-project/vllm#64326 — where a literal </think> in non-streaming responses can truncate reasoning or swallow a tool call; streaming is unaffected." -> このガイドは、未解決のvLLM issue — vllm-project/vllm#64326 — も指摘しています。これは、非ストリーミング応答内のリテラルな </think> によって推論が切り詰められたり、ツール呼び出しが飲み込まれたりする可能性があるというものです。ストリーミングには影響しません。 Need "open issue" maybe "オープンなvLLM issue". "swallow a tool call" maybe "ツール呼び出しを飲み込む". "literal </think>" preserve. "non-streaming responses" "非ストリーミング応答". "reasoning" "推論". Good. Need no markers. Output only translated text. Ensure brand names: FP8, Hopper, H100s/H200s maybe H100/H200, BF16, LMDeploy, transformers, deepseek_sparse_attention, indexed_attention, vLLM, vllm-project/vllm#64326, </think>. "issue" maybe keep? We can translate "問題" but issue is GitHub issue; "vLLMの未解決issue" natural. "flags an open vLLM issue" -> "vLLMの未解決issueも指摘しています". Good. Need maybe "同じドキュメントにはさらに2つの制約があります。" Good. Need output only.同じドキュメントには、さらに2つの制約があります。Hopper GPUではFP8 KVキャッシュがサポートされていないため、H100およびH200ではBF16キャッシュを使い続けます。また、LMDeployにはtransformers 5.17~5.19が必要です。5.19ではレイヤータイプdeepseek_sparse_attentionがindexed_attentionに名前変更され、LMDeployは新しい名前を受け付けるためです。このガイドは、未解決のvLLM issue — vllm-project/vllm#64326 — も指摘しています。これは、非ストリーミング応答内のリテラルな</think>によって推論が切り詰められたり、ツール呼び出しが飲み込まれたりする可能性があるというものです。ストリーミングには影響しません。
これはどれも、モデルがダメだと言っているわけではない。言っているのは、このリリースが、書いた本人たち以外はまだ誰も動かしたことがないという段階にあり、そして彼ら自身がそう言っている、ということだ。
リポジトリにないベンチマークテーブル
InternLMは評価数値を公開していた——Terminal-Bench 2.1、DeepSWE、SWE-bench Pro、APEX-Agents、GDPval、OfficeQA Pro V2、Harvey LAB、OSWorld-Verified、BrowseComp、BabyVision、さらに24項目にわたり、合計35個の数値だ。それらはモデルカードにはない。モデルカードが空だからだ。それらは別のGitHubリポジトリInternLM/Sage-S2.1-Flashにあり、11月16日03:34 UTCに作成され、「Sage 2.1 FlashのバイリンガルWebサイトとアプリケーションデモ」と説明されており、internlm.github.io/Sage-S2.1-Flashに静的サイトを構築する。ベンチマークデータは、モデルが3D Slicer、Blender、Fijiを操作するデモ動画とともに、タブ区切りファイルとJSONファイルとしてそこにコミットされている。
そのサイトの英語コピーは「本日、私たちは最先端の科学向けマルチモーダルエージェントモデル、Sage 2.1 Flashを発表します」で始まっています。つまり、発表は確かに存在します — ただしそれは、Hugging Faceリポジトリ内のどこからもリンクされていないGitHub Pagesのホスト上にあり、重みがすでにダウンロード可能になった後に作成されたものです。ベンダー自身の位置づけを知りたいなら、その段落がそれです。1つのモデルで10種類を超える科学的入力、すなわち分子グラフ、結晶構造、タンパク質配列と3D構造、DNAとRNA、スペクトル、質量スペクトル、X線回折、心電図、脳波、光度曲線を含みます。
評価表は Sage 2.1 Flash を8つのモデル(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、Claude Opus 5.5)と比較している。そこに載っている数値はすべてベンダー報告によるものだ。公開されたハーネスも実行ログもタスク別の内訳もなく、第三者による再現も一切ない。この表は測定結果ではなく、ラボによる意図表明として読むべきだ。
ベンダー表が異常に強い箇所と、異常に弱い箇所
2つのパターンが際立っており、どちらも見出しのスコアよりも情報量が多い。
第一に、科学と視覚の行は、その差が異常に大きいところだ。BabyVisionではSageが75.8を示すのに対し、GLM-5.3-Flashは51.3、DeepSeek-V4.1-Flash-1017は58.0、Claude Opus 5は63.1だ。OSWorld-Gでは84.8に対しDeepSeekは61.4だ。OfficeQA Pro V2では72.2を示し、同表内で最高で、Claude Opus 5の67.2を上回る。あるモデルがある行で24ポイント差をつけて勝つとき、その能力が実際に高いのか、それともこのモデルだけベンチマークの読み方が他と異なるのかのどちらかであり、ハーネスが公開されていないため、どちらなのかは判別できない。
第二に、コーディング系の行は今回のリリースで最も分の悪い文書だ。Terminal-Bench 2.1の87.9は強いが首位ではない。Qwen3.8-Maxは89.6、Claude Opus 5は90.2だ。SWE-bench Proの60.6は、DeepSeek-V4.1-Flash-1017の64.7とQwen3.8-Maxの65.3に後れを取る。DeepSWEの67.0はDeepSeekの73.9に7ポイント近く劣る。エージェント性を売り文句にするモデルにとって、これは著者自身が公表を選んだ表であり、それには意義がある。
この表に含まれていない点も同様に注目に値する。Claude Haiku 5.5とGemini 3.8 Flashはどちらも載っておらず、多くの人が最も知りたいであろう2つの比較は、どちらの方向であってもベンダーのデータからはまったく行えない。

確認されていることと、確認されていないこと
週末の証拠を二つの山に仕分けることが、読者がそれを使ってできる最も有益なことだ。
• {{1}}ファイル{{/1}}で確認済み — 重みは存在し、MIT の下でダウンロード可能。120 シャード、約 645 GB、bfloat16。{{2}}45 層で、線形注意とスパース注意の分割は 34/11。288 のルーティング済みエキスパート、top-8。位置上限は 1,048,576 トークン。ビジョンタワーと画像/動画トークン。2 日前に公開された FP8 の兄弟モデル。{{/2}}
• ベンダー自身のガイドで確認済み — 総パラメータ数320B、アクティブ18B、GLM-5.3-Flashアーキテクチャ、参照デプロイとして8×H200、文書化された5つのサービング上の罠。
• ベンダー報告、未再現 — BabyVisionの24ポイント差やOfficeQA Pro V2での72.2を含む、すべてのベンチマークスコア。
• 未確認 — 費用はいくらか。価格はどこにもありません。Hub にも、ガイドにも、マイクロサイトにも。「APIを試す」ボタンは discovery.intern-ai.org.cn を指していますが、JavaScript を使わないフェッチにはほぼ空のシェルが返されました。外部からは、そこでモデルを呼び出せるのか、どの識別子で呼び出せるのか、どの料金なのかを確認できませんでした。
• また、これがそもそも通常この語が意味するような「ローンチ」なのかどうかも未確認だ。発表も、この名前の論文も、パートナーによるアクセスもなく、スクリプトで生成できたであろうモデルカードがあるだけだ。
本番経路を賭けずに、それをどう見るか
ほとんどのチームにとって実用的な問いは「これは自分が運用しているものより優れているか」ではなく「1時間をかける価値があるか」だ。bfloat16で645 GBともなれば、ラップトップにダウンロードする代物ではない。正直なところ、入口は8×H200ノードを借り、デプロイガイドとともに午後を費やし、誰もハーネスを公開していないモデルを動かしているという事実を受け入れることだ。
何よりも先に、より安価な実験は、アーキテクチャの記述を近道として読むことだ。InternLM は自社のガイドで、このモデルは GLM-5.3-Flash アーキテクチャに基づいており、Z.ai のサービングレシピに従うべきで、リポジトリ名を一方から他方に置き換えるだけでよいと述べている。つまり、ベースアーキテクチャは——同じ 320B/18B の構成、同じハイブリッドなスパース・線形アテンション、同じ 100 万トークンの上限——今日、ホスト型 API 経由でテストできる。まず見つけなければならない 8 基の GPU を使う必要はない。ベースモデルがあなたの科学文書ですでに期待どおりに動作するなら、派生モデルはダウンロードする価値のある改良版だ。そうでなければ、週末を節約できたことになる。
OrcaRouterがここで真価を発揮するのは、「試してみたい」と「実際に提供できる」の間のギャップにおいてです。自動フェイルオーバーを使えば、実験的なエンドポイントをポリシーの背後に置きつつ、それを唯一の経路にせずに済みます。新しいモデルが不正な形式のツール呼び出しを返した場合——フラグやパッチを省略すればそうなることを、デプロイガイドが具体的に示しています——リクエストはすでに信頼しているモデルへフォールスルーし、トレースも保持されます。これは、一度きりの評価スクリプトよりも優れた証拠収集の方法です。実際のトラフィック上で証拠を集められるからです。
何がそれを決着させるのか
有用度の低い順に並べた3つの出来事。モデルカードがあれば、ラボがそのモデルを何のために使うと考えているかが分かり、おそらく現在GitHub Pagesのホスト上に取り残されているのと同じ表も載っているだろう。独立系リーダーボードへの掲載があれば、共通のハーネスからベンダーのマージンを差し引くことができる。そして価格——どんな価格でも、どこであっても——があれば、Sage-S2.1-Flashはダウンロードから意思決定へと変わる。
そのうちの一つが登場するまでは、正確な説明はファイルが裏付けている記述だ。大規模でMITライセンスの、科学的にチューニングされたマルチモーダルMoEであり、公開アーキテクチャ上に構築され、何の説明もなく公開され、作者自身が今なおサービングスタックにパッチを当てている。それは何でもないことではない。まだ製品でもなく、その違いは、それを運用しなければならない人々にとって最も重要だ。
