Ultramarine 1 Flash 対 DeepSeek V4 Flash：トークン単価が安いからといって、タスクが安いわけではない

Ultramarine 1 Flashは、100万入力トークンあたり0.15ドル、出力は0.50ドルです。D​eepSeek V4 Flashは、Artificial Analysis の記録では0.44ドルと1.32ドル、または当社のカタログが提供するルーティング料金では0.22ドルと0.66ドルで掲載されています。2つの料金表を並べてみると、Paper Instruments のモデルが明らかなお買い得に見えます——定価では、入力が3分の1、出力が2.5分の1です。しかし、その見方の問題は、100万トークンあたりの料金は請求額の半分にすぎず、省かれている半分こそ、これら2つのモデルが最も大きく異なる部分だということです。D​eepSeek V4 Flash は Intelligence Index を完了するために2億4,000万出力トークンを生成します。同比較クラスの中央値モデルは1億4,000万を生成します。Artificial Analysis の表現を借りれば、非常に冗長です——その軸では、価格クラス40モデル中36位です。

Ultramarine 1 Flash は、自らについて正反対の主張をしている。Paper Instruments が評価した全6つのベンチマークで、ポストトレーニングの基となった GLM-5.3 Flash モデルよりもトークン生成量が6.5%少なかった一方で、そのすべてでより高いスコアを記録した。一方のモデルはトークンあたりでは安く、タスクあたりでは高くつく。もう一方は、価格を変えずにタスクあたりのコストを下げることにわざわざ努めた。行う価値のある比較は、2つの入力料金の間ではなく、それら2つのアプローチの間にある。

2つのモデル、同じ価格帯に至る2つの異なる道

彼らは反対の方向から予算帯域に到達したが、その違いがその後に続くことの大半を説明する。

DeepSeek V4 Flashは、ゼロから構築されたMixture-of-Expertsモデルである。総パラメータ数は2840億、アクティブは130億で、2026年4月24日にMITライセンスのもとで公開され、重みはHugging Faceで公開された。同じアーキテクチャ上でゼロから再ポストトレーニングされた0731リビジョンが、現在この日付付き識別子が指すものである。1,048,576トークンのコンテキストウィンドウを備え、最大384,000の出力トークンを扱い、テキストを入力として受け取ってテキストを出力し、DeepSeek自身が公表した数値では、エージェント関連の強力なベンチマークを示している — Terminal-Bench 2.1で82.7、Cybergymで76.7、Toolathlon Verifiedで70.3。

Ultramarine 1 Flashは派生モデルです。Paper Instrumentsは、GLM-5.3 Flash——Z.aiの総パラメータ320B、アクティブ18Bのマルチモーダルモデル——を基に、金融・法務・コンサルティング・オペレーション業務の合成カリキュラムを通じて大規模な強化学習を行いました。APIは2026年10月14日に公開され、価格は100万トークンあたり$0.15／キャッシュ利用時$0.03／$0.50で、GLM-5.3 Flashと同じ料金体系です。重みは公開されませんでした。ベンダー自身のページには「モデルの重みは近日公開予定」と記されています。

つまり、この組み合わせを正直に位置づけるなら、ダウンロード可能な、ゼロから構築されたMoEと、他者のオープンベースモデルに非公開のポストトレーニングを施したものとの対決であり、一方は本番投入から6か月、もう一方はまだ1日しか経っていない。

どちらの側のマーケティングも前面に掲げない冗長度の数値

Artificial Analysisは、モデルがIntelligence Indexを完了するために消費する出力トークン数を測定し、それを冗長性ランキングとして報告している。D​eepSeek V4 Flashは2億4000万の出力トークンを使用し、クラス中央値は1億4000万だった — 標準より71%多く、クラス内40モデル中36位である。この数値こそ、同モデルが示すタスクあたり0.22ドルを慎重に受け止めるべき理由だ。また特筆すべきは、これが競合の大半が達成するよりも優れたタスクあたりコストの数値であるという点で、モデルの生の速さがどれほどそれを補っているかを物語っている。毎秒173.7出力トークンで、クラス内74モデル中8番目に速く、量が多くともトークンは素早く出てくるのだ。

Ultramarine 1 Flash の冗長性は Artificial Analysis によって公表されていない。Artificial Analysis がこのモデルを評価していないからだ。代わりに Paper Instruments が公表しているのは、自社のベースとの比較である。6つのベンチマークスイート全体で、推論を含めて、3,050万トークン対 GLM-5.3 Flash の3,270万トークン。これは比較の双方が共有する測定値であり——同じスイート、同じハーネス、同じ条件——、このリリースで最も信頼できる数値であり、トークン効率の主張がそれ自身以外のものに対して検証されている唯一の数値でもある。

これらを合わせて考えると、計算の様相が変わる。D​eepSeek V4 Flashの利点は、どこでもほぼ実行できる、高速で高性能、よく測定されたモデルであることだ。その欠点は大量に書くことで、固定の出力レートではそれが請求書に表れる。Ultramarine 1 Flashの利点は、その由来元のモデルよりも書く量が少ないことだ――ただし、それはそのモデルと比較した場合に限られ、しかも自らのメーカーが作成したテストスイートにおいてのみである。

6つのベンチマークが実際に示すもの

Paper Instrumentsは、自社モデルと複数の競合他社に対して6つのスイートを実行した。D​eepSeek V4.1 Flashはそれらに登場するが、この見出しのモデルであるオリジナルのD​eepSeek V4 Flashは登場しない。

• JobBench — Ultramarine 1 Flash 62.9、DeepSeek V4.1 Flash 60.4。Paper Instrumentsモデルが2.5ポイントリードしている。

• PI Knowledge Work — Ultramarine 1 Flash 59.3、DeepSeek V4.1 Flash 47.9。11.4ポイントの差で、このセット内で最大です。

• FrontierFinance — 53.3 対 46.0。

• AutomationBench — D​eepSeekが勝利する唯一のスイート：V4.1 Flashが51.3でUltramarineの50.2を上回る。

• DiligenceBench — 50.6 対 50.3。実質的に同等で、どちらも Gemini 3.8 Flash と Claude Fable 5 に後れを取っています。

• APEX-Agents 1.1 — 57.0 対 39.5、表全体で最大の差。

ここでは注意点が積み重なっており、それらすべてについて明示しておく価値がある。これらはベンダーのベンチマークだ。DeepSeekの数値は、同じファミリーの別の、より新しいモデルに関するもので、Paper Instrumentsが名前を挙げて特定している。しかも、そのいずれも会社外の誰にも検証されていない。この表が実際に確立しているのは、限定的だが確かなことだ。文書納品型の作業では、事後学習された専門モデルが効率的な汎用MoEに対して大きな優位を保ち、自動化されたエージェントタスクではその差がほとんど消える。あなたの仕事がメモやモデルなら、その分岐は一方の方向を指す。多段階のエージェントループなら、そうではない。

これらのいずれかをダウンロードできます。

これはどんなベンチマークにも捉えられない違いであり、調達の商談を左右する可能性が最も高いものである。

DeepSeek V4 FlashはMITライセンスで、重みはHugging Faceで公開されています。ダウンロードして自分のハードウェアで実行し、ファインチューニングし、製品に組み込んで出荷でき、トークンを第三者に送ることは一切ありません。顧客の秘密保持義務を負う法律事務所や銀行にとって、それは「あれば便利」なものではなく、しばしば要件のすべてです。そして、この比較のホスト型API側からはDeepSeekのモデルが完全に選択肢から外れ、代わりに自社のマシン上に置かれることになります。

Ultramarine 1 Flash は現時点ではそれができない。「モデルの重みは近日公開」は意図表明であり、ライセンスではない。Paper Instruments が実際にオープンに公開したのは、モデルを取り巻く足場だ。すなわち、そのモデルの訓練と評価がその中で行われた Feather エージェントハーネスと、エージェントに Office ファイル形式への安全なインターフェースを与える paper-docx、paper-pptx、paper-xlsx のフォークである。これらは本当に有用であり、同時にそのモデルの広告でもある。なぜなら、汎用エージェントが標準ライブラリで生成するものよりも、その出力を壊れにくくするために存在するからだ。

つまり、ライセンスの条件が比較の構図を組み替える。自分で重みを動かさなければならないなら、比較する余地はない。DeepSeek V4 Flash が答えであり、Ultramarine 1 Flash は約束にすぎない。API を呼び出せるなら、両者は本当に競合しており、決め手となる証拠は自分の文書におけるタスクごとのコストだ。

ルーティングされた価格が着地する場所

OrcaRouterでは、DeepSeek V4 Flashは100万トークンあたり入力$0.22、出力$0.66で提供されています — プロバイダーの定価をそのまま適用しており、トークンあたりの上乗せは一切ありません、そのため、Artificial Analysisの記録上では$0.44/$1.32のペアより下に位置します。このペアは別のプロバイダーの料金表を追跡しているものです。このパススルー方式には、予算を立てているなら知っておく価値のある第2の影響があります。プロバイダーが料金を変更すると、提供レートも同日に連動して動き、お客様側で設定変更は不要です。

そのルーティングレートに対して、Ultramarine 1 Flashの$0.15/$0.50は、入力で約1.5倍、出力で約1.3倍安い——これはリスト価格の比較が示唆するよりもはるかに差が小さく、大規模な共有プレフィックスを持つドキュメントワークロードにDeepSeekの97%のキャッシュ割引が適用されると、さらに差は小さくなる。Ultramarine 1 Flashのキャッシュレートは100万あたり$0.03で、これも強力な割引だが、この時点では両者は十分に近く、算術だけではどちらも勝者とは言えない。

そうなると、判断は本来あるべき場所、つまりあなた自身の作業に残ります。実際の成果物をまとめて両方に送り、請求書を比較し、出力を読んでください。Ultramarine 1 Flash は当社のカタログにないため、そのテストは片側ではベンダー自身のエンドポイントに対して実行されます。そのポストトレーニングの基になったモデル、GLM-5.3 Flash は、ここでは $0.15/$0.50 で提供されています — まったく同じ料金表です — これにより、上にポストトレーニングを加える前にベースモデルが何を生み出すかについて、妥当な代理指標が得られます。

勝者のいない立場

この2つは実際には代替品ではなく、どちらかを勝者に仕立てようとすると、有益な発見が覆い隠されてしまう。D​eepSeek V4 Flash は、ダウンロード可能で、独立に測定され、異常に高速な MoE であり、必要以上に長く書く。Ultramarine 1 Flash は、オープンなベースモデルに対するクローズドで未測定のポストトレーニングであり、より少なく書くように設計され、他に誰も実行していないベンチマークスイートで売り込まれている。

この記事の切り捨てられる版なら、安いトークン単価の勝ちだと言うだろう。擁護できる版は、調達を決めるのはライセンスであり、請求額を決めるのは冗長性の数字であり、どちらのモデルもあなたの文書でテストされていない、と言う。その3つのうち2つは、今週中に決着をつけられる。3つ目は、Paper Instruments が独自の数字を公表するか、来ると言っている重みを実際に出荷するまで、決着できない。

このような比較は、失敗モードが表面化する場でもあります。このクラスのモデルの背後にある、記録されたAIインシデントやエージェント障害は、OrcaRouter AIインシデントアーカイブ に集められており、各エントリーには独自の情報源、重大度、信頼度グレード、異議ありフラグが付されています。