「Sage-S2.1-Flash vs Qwen 3.8 Flash」の比較用ヒーロータイトルカード。サブタイトルは「片方には価格表がある。もう片方には645 GBの重みと空のモデルカードがある」。3枚のカードには「合計321B / アクティブ18B」「645 GB BF16 / 提供に8x H200」「入力 /bin/bash.15、出力 /bin/bash.47(100万トークンあたり)」と表示され、フッターには、Sage-S2.1-Flashの数値はHugging Faceリポジトリに由来し、Qwen 3.8 Flashのリスト価格は2026年11月16日時点のQwenCloudによるものである旨が記載されている。OrcaRouterのロゴは右下隅に合成されている。
Guides & Insights

Sage-S2.1-Flash 対 Qwen 3.8 Flash:H200 8台と15セントの勝負

著者

Gideon Frost

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

のモデルカードはSage-S2.1-Flash21バイトの長さだ。ライセンスヘッダーで始まり、license: mit と記して、そこで終わっている。導入文も、ベンチマーク表も、コンテキスト長も、想定用途も、連絡先もない。リポジトリ自体は空ではない——bfloat16 の重みが120シャード、合計約645 GB、さらに設定ファイル、チャットテンプレート、デプロイガイド、5つの小規模な科学用アダプターフォルダーが入っている——が、読者が通常、気にするべきかどうかを判断するために使う情報はすべて省かれている。重みが公開されたのは2026年11月15日で、16日まで改訂が行われた。上海AIラボのモデル組織であるInternLMは何も発表していない。ブログ記事も、論文も、このモデルファミリーの公式サイト上の投稿もない。執筆時点で、このリポジトリは今月のダウンロード数が0、いいねが1件、そしてこれを提供している推論プロバイダーもない。

Qwen 3.8 Flashは正反対の種類の存在だ。A​libabaは2026年8月26日からQwenCloudを通じて、入力100万トークンあたり0.15ドル、出力100万トークンあたり0.47ドルで販売し、レート制限とツール一覧を公開し、Qwen3.8-Flash-Nextという名称でオープンウェイトを出荷し、そのカードに12行のベンチマーク表を載せている。ベンダー自身の定価で、OrcaRouter上にqwen/qwen3.8-flashとして稼働中だ。次の30秒以内にリクエストを送ることができる。

つまりこれは、買える2つのモデルの比較ではない。公表された価格がある安価なホステッドモデルと、価格もスコアも発表もない3210億パラメータのオープンウェイト混合エキスパートとの比較だ。そして正直な問いは、どちらが優れているかではない。それはまだ誰にも答えられないからだ。問いは、未測定のほうのためにH200を8台立ち上げることが、測定済みのほうに100万トークンあたり15セント払うよりも良い資金の使い方なのか、そしてその答えがそもそもイエスになるチームがどれだけあるのか、ということだ。

Sage-S2.1-Flashリポジトリが実際に証明していること

まず事実から。空のカードが示唆するより事実のほうが豊富なのだから。重みインデックスのパラメータ数は321,323,031,390で、デプロイメントガイドではこれを「320B-A18B」に丸めている——総計3,200億、トークンあたり180億がアクティブ。テキスト設定は45層を備え、そのうち34層がゲート付きデルタネット種の線形アテンション層、11層がD​eepSeek系のスパースアテンション層であり、288個のルーテッドエキスパートを持ち、トークンごとにそのうち8個と共有エキスパート1個が発火し、隠れ次元は4,096、語彙は154,880トークンである。最大位置埋め込みは1,048,576に設定されている。

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.

ライセンスはMITで、リポジトリには許容利用に関する付帯条項がない。これは立ち止まって考える価値がある。許容的なライセンスの下にあり、ダウンロードにゲートがない321BのマルチモーダルMoEは、それを取り巻く沈黙が示すよりも希少な存在だ。

系譜は確認可能で、やや意外だ。アーキテクチャ文字列は glm5_next、クラスは Glm5NextForConditionalGeneration で、デプロイガイドは、このモデルが GLM-5.3-Flash アーキテクチャを使用しており、従うべきフレームワークのレシピはモデルパスを差し替えた公式の GLM-5.3-Flash のものだと明言している。より古く大規模な Sage-S2.1 — 753B パラメータ、アーキテクチャ glm_moe_dsa、744B GLM-5.2 バックボーン上に構築されていると記述する「Atria Dawn」モデルカードを今も備える — は、まったく別世代のバックボーンだ。Flash は蒸留された S2.1 ではない。それは、同じファミリー名をまとった、別のラボによるより新しいアーキテクチャ上に構築された、新しくより小型のモデルだ。

そのファミリー名自体が移り変わる標的だ。旧 internlm/Atria-Dawn リポジトリは現在 internlm/Sage-S2.1 にリダイレクトされ、リダイレクト先のカードはすべての見出しで今も「Atria Dawn」と表示している——改名はドキュメントが追随しないまま行われた。今年前半に Atria Dawn の報道を読み、今「Sage」を探している人なら、それらが同じリポジトリの二つの名前であり、Flash がその新しくよりスリムな兄弟であることを理解すべきだ。

科学用アダプターは、そもそもベンダーの発表では説明されなかったであろうリポジトリの一部分だ。projectors/sage-s2.1-flash/ の下には五つの小さなフォルダー — cif/jarvis、dna/splice、ecg/phu01、eeg/neu06、protein-seq/mpbind — があり、それぞれに設定ファイルと、科学特徴ストリームをバックボーンの4,096次元空間にマッピングする4〜28メガバイトのプロジェクターが入っている。結晶構造はCHGNet 0.3.0エンコーダーを通り、原子ごとに64次元の状態を一つ持つ。タンパク質配列はESM2-t33-650Mを通り、残基ごとに最終層の状態を一つ持つ。DNAアダプターは三つの特徴量に対するタスク適応型DNABERT2の読み出しであり、ECGとEEGのアダプターも同様に小さくタスク固有である。五つすべての重みの総コストは90 MB未満で、言語モデルの645 GBに対してである。

これらの設定ファイルは、モデルカードが伏せていた由来も漏らしている。それらにはバックボーンのチェックポイントディレクトリ、学習実行の日付スタンプ、そして sage-s2.1-flash-hf111-bf16-norm-261113 と記されたフィンガープリント — 2026年11月13日、重みが登場する2日前 — が明記されている。ここで系譜が確立されるのは、プレスリリースからではなく、パッケージングが削除し忘れた設定フィールドからなのだ。

Qwen 3.8 Flash が公開するものと、公開しないもの

対照的なのは、Qwenが正直でSageがそうではない、ということではない。一方のベンダーは自社製品を文書化しており、もう一方はまだそこまで手が回っていない、ということだ。AlibabaによるQwen 3.8 Flashのカードには、1,000,000トークンのコンテキスト、最大入力991,000トークン、最大出力131,072トークン、推論バジェット262,144トークンが明記されている。テキスト、画像、動画にわたるマルチモーダル入力とテキスト出力、関数呼び出し、構造化JSON出力、プレフィックス補完、コンテキストキャッシュ、バッチ処理、ファインチューニングに対応し、さらにOpenAIとAnthropicの両方のリクエストプロトコルにも対応している。だからこそ、Claude CodeとCodexにそのまま組み込めるのだ。

その背後にあるオープンウェイトの成果物は、2026年8月24日に公開されたQwen3.8-Flash-Nextです。125Bパラメータのうち60億が活性化され、さらに51Bのn-gram埋め込みテーブルと4Bのマルチトークン予測ヘッドを備えています。48層は、3つのgated-delta-netブロックと1つのスパースアテンションブロックの12回の繰り返しとして構成され、512個のエキスパートを備え、トークンごとにルーティングされる10個と共有される1個がアクティブになります。ネイティブコンテキストは262,144トークンで、100万トークンまで拡張可能です。Alibabaは、ホスト版のQwen 3.8 Flashを、このアーキテクチャに本番向け機能を加えたものと説明しています。デフォルトの1Mウィンドウと組み込みツールが追加点です。重みはMITではなく、Qwenコミュニティライセンスの下にあります。

そのカードのベンチマーク表はベンダー申告のものであり、独立に再現されたものではない。そのラベルを付けた上で読むべきだ:DeepSWE 1.1は58.7、SWE-bench Proは62.5、SWE-bench Multilingualは81.0、NL2Repo-Benchは48.1、CoWorkBenchは73.9、JobBenchは55.7、Toolathlon Verifiedは73.5、IFBenchは81.3、GPQA Diamondは91.7、HLEは35.9、LiveCodeBench v6は91.9、そしてAgents' Last Examはpass@1で24.3、スコアは51.2だ。これらの数値は、397Bの前世代モデルとClaudeモデルを含む比較セットにおいて、Alibabaが自分の宿題を自分で採点しているにすぎない。それでも、Sage-S2.1-Flashが提供するもの——すなわち皆無——よりははるかに多い。

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.

購入を決める際に実際に重視される観点で、その2つを並べて比較してください:

• 総パラメータ数 — Sage-S2.1-Flash は321B(トークンあたり18Bがアクティブ)、これに対し Qwen 3.8 Flash は125B+51Bのn-gramテーブル(うち6Bがアクティブ)

• コンテキスト — 設定済みは1,048,576トークン、公開値は1,000,000トークンで、Q​wen側では最大入力991,000、最大出力131,072

• 入力価格 — Sage-S2.1-Flash にはありません。それを提供するものがないためです。一方、100万トークンあたり $0.15 です

• 出力価格 — なし 対 100万トークンあたり0.47ドル、キャッシュ読み取りは当社の掲載で100万トークンあたり0.0184ドル

• ライセンス — MIT、制限なし、Q​wenコミュニティライセンスとの比較

• 公開された評価 — ベンチマークはゼロ、一方ベンダーの表は12行、未再現

• サービング時の重み — 120 シャードにわたり 645 GB の bfloat16、または FP8 の兄弟モデルでは 328 GB、ホスト型エンドポイントと比較して

実は資本支出の問いである価格比較

Sage-S2.1-Flashには$0.15と比較できるトークン単価が存在しません。というのも、このモデルにはどこにもホスト型エンドポイントがないからです。あるのは提供要件です。デプロイガイド自身のリファレンス構成によれば、bfloat16チェックポイント用にH200を8台必要とします。したがって比較はセント対セントではなく、レンタル対トークンであり、その答えは誰も公表していない単一の数値に帰着します。

代表的な値として、H200の1 GPU時間あたり$3を置く——これは見積もりではなく仮定であり、この数字はクラウドや契約条件によって変わる。8台なら1時間$24、1日$576、1件のリクエストも処理する前に月およそ$17,500になる。Alibabaの料金では、$576で入力トークン38.4億個または出力トークン12.3億個を買える。したがって損益分岐の問いは、あなたのトラフィックが別の形でQwen 3.8 Flashに1日$576超——毎日、持続的に、およそ38億入力トークン分に相当——を費やすことになるかどうかだ。

その比較が有効なのは、Sage-S2.1-Flash が H200 を 8 台使った場合に毎秒何トークンを生成するかを知っている場合だけです。誰も測定しておらず、リポジトリにも記載がありません。アクティブパラメータ数から大まかな直感は得られます — 18B アクティブ対 6B アクティブなら、Sage モデルは生成トークンあたり約 3 倍の計算コストがかかると示唆されます — しかし直感はスループットの数値ではありません。それがなければ、上記の損益分岐点の計算は両辺に未知数を含むことになります。FP8 版の同系モデルは常駐ウェイトを 645 GB から 328 GB に削減し、必要なハードウェアは変わりますが、結果がどれだけ速く動作するかは教えてくれません。

ほとんどのチームにとって、その未知の部分こそが議論の的そのものだ。スループットを測定できないモデルはコストを見積もれないモデルであり、コストを見積もれないモデルは本番運用の候補にはなり得ない——それは研究対象でしかない。これはリリースに対する批判ではない。予告なしの公開とは、まさにそういうものなのだ。

証拠の非対称性を率直に言えば

2つのモデル、証拠の失敗様式も2つ。Qwen 3.8 Flashにはベンダー報告のベンチマークと82日間の第三者利用がある。つまり数値は未監査だが、挙動は少なくとも観察可能だ。実際に動かしている人々がいて、報告し、公の場でその限界に突き当たっている。Sage-S2.1-Flashにはどちらもない。その645 GBの重みは、リークやスクリーンショットよりも本物のモデルであることの強い証拠だ——これは出荷済みの成果物であり、噂ではない——だが、重みは存在の証拠であって、品質の証拠ではない。

今日依然として知り得ない具体的な点は次のとおりだ。Sage-S2.1-Flash が何に対してどのようなスコアを出すのか、どれほど速くデコードするのか、その 1M 位置埋め込みが長い長さでも持ちこたえるのか、それとも多くの長文脈拡張がそうであるように劣化するのか、その構成における視覚タワーが本番水準まで学習されているのか、それともバックボーンから引き継がれただけなのか、科学用プロジェクターが自身の学習分布以外の何かで評価されているのか、そして InternLM がホスト版について、もし課金するなら何を課金するつもりなのか。リポジトリはこれらのどれにも答えていない。そうでないと言う人は、バックボーンの評判から外挿しているのであり、それは妥当な事前分布ではあっても測定値ではない。

モデルが実際に何のためのものなのか

プロジェクターこそがその手がかりだ。誰も汎用チャットモデルに5つの科学モダリティアダプターを後付けでボルト留めしたりはしない。フォルダ構造、タスクごとのプロンプトテンプレート、エンコーダの選択は、結晶構造、スプライス部位、心臓波形、脳波形、タンパク質配列を、それらのテキスト記述としてではなく、第一級の入力として読み取るために構築されたモデルを物語っている。結晶構造は512原子を上限として原子状態でトークン化され、タンパク質配列は残基ごとの状態を持ち、オプションの科学的読み出しヘッドを備える。DNAアダプターは単一オブジェクトに対する確率読み出しである。

Qwen 3.8 Flash はこうしたことは行いません。画像、動画、テキストを読み取り、視覚ベンチマーク — CharXiv、MathVision、ERQA、LVBench、OSWorld 2.0 — で公表されている数値を伴ってそれを実現しています。しかし、PNG としてレンダリングされた結晶格子は結晶格子そのものではありません。ワークロードが構造生物学、材料スクリーニング、生理信号解析であれば、率直に言って、これら2つのモデルは同じ仕事を争っておらず、Qwen との比較は代替品ではなく価格の基準点です。ワークロードがテキストとコードであれば、プロジェクターは無関係であり、Sage-S2.1-Flash はカードを持たない 321B のチャットモデルです。

マルチモーダルの問題については注意が一つあります。設定が過剰解釈を招くからです。リポジトリには、隠れサイズ1,024、入力448ピクセル、パッチ14ピクセルの24層ビジョンタワー、画像と動画の開始・終了トークン、そして画像・動画・音声スロットを備えたチャットテンプレートが含まれています。しかし、テンプレートはGLM-5.3ファミリーのテンプレートであり、音声スロットに対応する音声設定はなく、デプロイガイドのメディア固有の指示は、ツール結果内で画像が届く場合に関するものだけです。このタワーは存在するが文書化されていないものとして扱ってください。重みはテキスト以上の入力を受け取れるように構築されていますが、このリリースが何を入力として想定しているかは明示されていません。

ゼロではない摩擦

Sage-S2.1-Flashのセルフホスティングは、vLLMにリポジトリを指定するだけでは済みません。デプロイガイドには3つの要件があり、そのうち2番目のものが厄介なのです。

• --trust-remote-code はすべてのエンジンで必須です。リポジトリは独自のトークナイザーとプロセッサを同梱しており、このフラグがないと、エンジンは何の警告もなく標準のトークナイザーを読み込み、<tool_call> のような文字列をテキストではなく制御トークンとしてエンコードしてしまい、推論とツール呼び出しを黙って壊します。

• vLLM 0.33.0 では、vllm/renderers/hf.py に提供されたパッチを適用する必要があります。並列ツールの結果が呼び出し順とは異なる順序で返ってきた場合、テンプレートはそれらを呼び出し順でレンダリングする一方、vLLM はそれらの画像をメッセージ順で収集するため、各画像が誤った結果に気付かれないうちに紐付けられてしまいます。上流の修正はまだドラフトのプルリクエストです。

• LMDeploy には transformers 5.17 以上 5.19 未満が必要です。5.19 ではレイヤータイプ名が変更され、エンジンがそれを受け付けないためです。SGLang には 0.5.20 以降に加えて、リポジトリのチャットテンプレートを明示的に渡す必要があります。そうしないと SGLang はそのアーキテクチャ用の独自の組み込みテンプレートをインストールしてしまうためです

そうしたものはどれも、登場からまだ一日しか経っていないモデルに対する文書化された回避策であり、ガイドもフレームワークがなお流動的であることを率直に認めている。不合理な点は一つもないが、そのすべてはエンジニアリングの時間であり、Qwen 3.8 Flash はそれを要求しない。ホスト版ではベース URL と API キーだけで済むからだ。

1つの鍵、大きく異なる2つのコミットメントレベル

Qwen 3.8 Flash は OrcaRouter 上で qwen/qwen3.8-flash として、A​libaba の定価で提供されています マークアップなしでそのまま適用 — 入力トークン100万あたり$0.15、出力トークン100万あたり$0.47、キャッシュ読み取り100万あたり$0.0184、コンテキスト長1,000,000トークン、出力上限131,072トークンです。QwenCloud の自社ページでは暗黙的キャッシュ版について$0.016と記載されています。パススルー方式では、A​libaba が変更した内容が次回の契約更新時ではなく当日に反映されます。Sage-S2.1-Flash はカタログになく、提供するものもないため、ここではそこへのルートはなく、そうでないふりをする理由もありません。

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.

この状況でルーティング層が本当に役立つのは、評価を安く、しかも可逆なままに保つことだ。Sageの実験は、ハードウェアが手元にあるなら自分の環境で実行し、Qwen 3.8 Flashを本番のルートとして維持し、フェイルオーバーチェーンを新しい経路の後ろに置いておく——そうすれば、カードが空のモデルが、実際のトラフィックを処理する初日に単一障害点になることは決してない。同じ考え方は、より難しい問いにも当てはまる——モデル融合、つまり複数のモデルが1つのプロンプトに答えて審判がそれらを調停するパネル方式は、321Bの科学向けMoEがそのレンタル料に見合うかどうかを最も安く見極める方法だ。移行するのではなく、両方に尋ねて、答えを読めばいい。

誰がどれを選ぶべきか

今四半期にテキストやコードをリリースするなら、Qwen 3.8 Flash が擁護できる答えであり、Sage-S2.1-Flash はまったく答えになっていない。Qwenモデルは、同程度の能力レベルにあるほぼ何よりもトークンあたりのコストが低く、計画に使えるほど十分に文書化され、配備できるほど明確にライセンスされ、公開の場で観察できる。そのベンチマークはAlibaba自身によるもので、主張として扱うべきだが、主張+他者の82日間の経験は、沈黙+誰の経験もない3日間に勝る。

構造生物学、タンパク質設計、材料、または生理信号に取り組んでいるなら、計算は逆転する。Sage-S2.1-Flash リポジトリの5つのプロジェクタは、Qwen 3.8 Flash もほとんどのオープンモデルもどんな価格でも提供しない能力であり、ライセンスは MIT で、ハードウェア要件——H200 を8台、FP8 チェックポイントを使えばそれ以下——は研究グループがすでに負担している種類のコストだ。正しい動きは、それをダウンロードし、リポジトリが同梱する CPU 側のプロジェクタチェックを実行し、それが教えてくれない2つのこと、つまり自分のハードウェアでのデコードスループットと、自分のホールドアウトセットでの精度を測定することだ。それは1週間の作業であり、このモデルが好奇心ではなく判断材料になる唯一の方法だ。

3つ目のケースは最大のものです。単に興味があるだけなら、正しい姿勢はモデルカードを待つことです。InternLMがモデルカードを公開したとき、重要な数値はこのリポジトリでは提供できないものになるでしょう——スループット、長いコンテキストでの劣化、ビジョンタワーが稼働しているか、そしてプロジェクターが訓練分布外でどのようなスコアを出すかです。それまでは、Sage-S2.1-Flashは仕様が未読の実在する成果物であり、最も有用な点は、重みが存在し、ゲートがかかっておらず、MITであることです——つまり、誰かが実際に測定したとき、その仕事を確認するのに許可は必要ありません。

この記事で比較したモデル2

この記事から検出 · ベンチマーク:Artificial Analysis · 毎日更新