Ultramarine 1 Flash: Paper Instruments, 작업당 $0.13에 납품 가능한 모델을 출시하다

Paper Instruments는 Ultramarine 1 Flash를 2026년 10월 14일에 발표했으며, 이 회사가 앞세우는 숫자는 벤치마크 점수가 아니다. 그것은 가격이다: PI Knowledge Work—이 회사의 금융, 법률, 컨설팅, 운영 업무를 아우르는 내부 제품군—에서 작업 하나를 완료하는 데 $0.13. 같은 작업을 완료하는 데 $8.19가 드는 모델—최대 추론의 Claude Fable 5—은 그곳에서 57.8점을 기록한다. Ultramarine 1 Flash는 59.3점을 기록한다. 벤더가 설명하는 방식대로 그 두 수치를 읽으면, 대략 63분의 1의 비용으로 프런티어 시스템을 능가하는 모델이 나온다. 더 주의 깊게 읽으면 더 좁고 더 흥미로운 것이 보인다: 특정한 종류의 출력을 위해 만들어졌고, 자체 기본 모델이 청구하는 요율로 가격이 매겨졌으며, 그렇게 말하는 벤치마크를 그것을 판매하는 회사가 작성한 모델이다.

베이스 모델은 먼저 언급할 가치가 있습니다. 가격의 대부분을 설명해 주기 때문입니다. Ultramarine 1 Flash는 GLM-5.3 Flash를 사후 학습한 모델입니다. Z.ai의 총 320B / 활성 18B 네이티브 멀티모달 모델로, 처음부터 구축된 것이 아니라 대규모 강화 학습을 통해 개선되었습니다. API 요금은 입력 토큰 100만 개당 $0.15, 캐시된 입력 $0.03, 출력 $0.50이며, 이는 GLM-5.3 Flash와 동일합니다. 즉, 공급업체 자체 가격 블록에 있는 "GLM-5.3 Flash와 동일"이라는 문구가 의미하는 바입니다.

무엇이 출시되었고, 무엇이 아직 약속인가

출시 당일에는 두 가지가 사실이며, 그 둘 사이의 간극이 바로 많은 보도가 뭉개버릴 이야기다.

Ultramarine API가 출시되었습니다. 오늘 바로 작업을 보내고 위에 안내된 요율을 지불할 수 있습니다. 랜딩 페이지에서는 "Ultramarine API →"라는 단순한 문구 아래에 이 API로 연결되는 링크를 제공합니다.

가중치는 공개된 것이 아니다. 같은 페이지에는 "모델 가중치 곧 공개"라고 적혀 있고, 기술 보고서는 GLM-5.3 Flash를 "강력한 오픈 베이스 모델"이라고 설명한다. 이는 베이스에 대한 진술이지 파생 모델에 대한 진술이 아니다. Ultramarine 1 Flash는 현시점에서 오픈 가중치를 공개하겠다는 의도를 지닌 폐쇄형 호스팅 엔드포인트다. 그것이 진정으로 개방형이 될지 여부는 이에 관한 가장 큰 단일 미해결 질문이며, 많은 간접 요약들이 확인이 아니라 가정으로 이미 답해 버린 바로 그 질문이다.

출시일에 실제로 공개된 것은 스캐폴딩이다. 모델이 훈련되고 평가되는 환경인 Feather 에이전트 하네스가 저장소로 공개되었다. paper-docx, paper-pptx, paper-xlsx도 마찬가지다. 이들은 Paper Instruments가 표준 Python Office 라이브러리를 포크한 것으로, 모델이 Excel 통합 문서, PowerPoint 프레젠테이션, Word 문서를 작성하는 데 사용한다. 이러한 포크가 존재하는 이유는, 회사 자체 설명에 따르면, python-docx 및 이와 유사한 라이브러리를 구동하는 에이전트가 "API 격차에 부딪히고, 원시 OOXML로 떨어지며, 조용한 손상과 회귀를 생성하기" 때문이다.

자신이 지는 두 개를 포함한 여섯 개의 벤치마크

Paper Instruments는 여섯 개 스위트에서 평가되었습니다. Ultramarine 1 Flash는 그중 네 개에서 앞서고 두 개에서는 앞서지 못하는데, 이는 평균보다 더 유용한 요약입니다.

• JobBench — Ultramarine 1 Flash가 62.9점으로, Gemini 3.8 Flash의 60.6점과 DeepSeek V4.1 Flash의 60.4점을 앞섰으며, Claude Fable 5는 57.4점, GPT-5.6 Sol은 45.4점을 기록했습니다.

• PI Knowledge Work, 내부 제품군 — 59.3점으로, 57.8점의 Claude Fable 5와 55.1점의 GPT-5.6 Sol을 앞섰다.

• FrontierFinance — 53.3으로, 50.7의 GLM-5.3 Flash와 50.0의 Gemini 3.8 Flash를 앞섰습니다.

• AutomationBench — 2위. DeepSeek V4.1 Flash가 Ultramarine의 50.2를 상대로 51.3으로 앞섰습니다.

• DiligenceBench — 3위. Gemini 3.8 Flash가 53.1로 선두이고, Claude Fable 5가 52.9로 2위, Ultramarine 1 Flash는 50.6입니다.

• APEX-Agents 1.1 — 3위. Gemini 3.8 Flash가 64.3, Claude Fable 5가 63.6으로 둘 다 이를 넘어섰습니다; Ultramarine 1 Flash는 57.0으로, GPT-5.6 Sol의 51.5와 DeepSeek V4.1 Flash의 39.5보다 여전히 크게 앞서 있습니다.

패배의 패턴은 일관되며 이름 붙일 만하다: Ultramarine 1 Flash는 산출물이 문서일 때 가장 강하고, 작업이 시스템 전반을 도는 라이브 에이전트 루프일 때 가장 약하다. DiligenceBench는 주식 리서치 에이전트 평가이고, APEX-Agents는 에이전트형 스위트다. AutomationBench는 자동화다. 자체 퍼블리셔가 오피스 산출물을 중심으로 구축한 두 벤치마크가 바로 이 모델이 가장 큰 격차로 이기는 두 벤치마크다.

왜 점수가 저렇게 보이나요?

거의 모든 전문 업무는 파서로 검증할 수 없다. 실사 메모는 컴파일되지 않고 이사회 자료에는 단위 테스트가 없으므로, 그것이 옳은지 알려주는 정규식은 존재하지 않는다. 바로 그 문제를 Paper Instruments가 공략하려고 나섰고, 그 답은 그대로 인용할 수 있는 한 문장이다: "우리는 에이전틱 지식 노동 전반에 걸쳐 검증 불가능한 작업 합성을 확장한다."

메커니즘은 커리큘럼이다. 네 도메인—금융, 법률, 컨설팅, 운영—은 19개 실무 영역과 88개의 별개 환경 유형으로 확장되는데, 각 환경 유형은 산출물 형식, 출처 충돌, 이해관계자, 거래 단계라는 축의 분류 체계를 샘플링한다. 이 회사는 명목 구성 공간을 실무 영역당 10⁷에서 10¹⁰ 사이의 조합으로 본다. 이는 규모 주장인 동시에 모드 붕괴 방어이기도 하다. 각 환경은 실제 작업 공간이다: SEC EDGAR 공시, 애널리스트 보고서, 합성 계약서로 구축된 파일 시스템에 더해, MCP, HTTP, CLI를 통해 접근하는 라이브 시스템 오브 레코드—ERP, CRM, WMS, MES, GRC—가 있다.

채점은 여기서 특이해진다. 각 과제에는 루브릭이 함께 제공되며, 각 기준은 하나의 정답을 요구하기보다 수용 가능한 답변들에 경계를 긋도록 작성된다. 보고서에 실린 자체 예시는 세 개의 정답 중 두 개를 거부하는 과적합 기준과 세 개의 오답을 받아들이는 모호한 기준을 대비한 뒤, 경계에 부합하도록 다시 쓴 버전을 보여 준다. 산출물은 파싱되어 루브릭 채점기에 전달된다. 이는 회사의 오픈소스 패키지이며, 판정 모델로 GPT-5.6 Terra를 사용한다. 학습은 131,072토큰 컨텍스트에서 250턴 에이전트 상한과 윈도우의 85%에서의 압축으로 진행되었다.

그 설계는 결과와 유의점 모두의 근원이다. 이렇게 저렴한 모델이 문서 작업에서 프런티어 시스템에 근접한 점수를 낼 수 있는 이유가 바로 그것이다: 작업 분포가 문서 작업을 닮도록 만들어졌다. 또한 그 수치들에 라벨을 붙여야 하는 이유이기도 하다. 이것들은 벤더 자체의 벤치마크이며, 벤더가 직접 작성한 과제에 대해 벤더 자체의 심사자가 채점한 것이다. Paper Reports는 PI Knowledge Work가 Anthelion Analysis Intelligence Index와 r = 0.81의 상관관계를 보인다고 보고한다. 이는 만만치 않은 수치이자 부분적인 답이다 — 그러나 벤더 측 울타리 안의 상관관계는 여전히 벤더 측 울타리 안에 있다. 아직 제3자가 Ultramarine 1 Flash에 대한 평가를 공개하지 않았고, 이 모델은 나온 지 하루밖에 되지 않았다.

차트에서 성립하지 않는 주장

이번 출시에서 가장 변호할 만한 점은 가장 적게 인용된 점이기도 하다: 이 모델은 여섯 개 벤치마크 전반에서 베이스 모델보다 출력 토큰을 6.5% 더 적게 생성한다. 추론을 포함해 3,050만 대 3,270만이다. 작업당 청구서로 보면, 이는 더 저렴한 모델과, 실행 비용도 더 저렴한 더 저렴한 모델 사이의 차이이며, 리더보드가 아니라 청구서에 나타나는 종류의 엔지니어링이다.

그다지 성립하지 않는 주장은 비용-품질 프런티어다. PI Knowledge Work에서 최대 추론을 사용한 GPT-6 Luna는 과제당 $0.11로 58.3점을 기록한다. Ultramarine 1 Flash의 최고 기록은 $0.13로 59.3점이다. 1점과 2센트라는 차이는 충분히 좁아서, “가장 매력적인 가격대에서 비용-품질 프런티어에 자리한다”는 말은 사실이라기보다 포지셔닝 문구다. 칭찬할 만하게도, 업체 자체 차트는 헤드라인 항목 너머까지 읽는 사람이라면 누구나 이 점을 확인할 수 있게 표기하고 있다. 2센트 더 저렴하면서 1점 뒤처지는 모델은 대량 작업에서 진정한 대안이다. 그리고 이번 발표의 정직한 표현은 Ultramarine 1 Flash가 프런티어에 홀로 서 있다기보다 작은 군집의 선두에 있다는 것이다.

그렇게 부르고 싶다면, 어디에 해당하는지

Ultramarine 1 Flash는 범용 모델이 아니며 그런 척도 하지 않습니다. 텍스트를 입력하면 Excel 통합 문서, PowerPoint 프레젠테이션 또는 Word 문서가 출력되며, 그 과정에서 비즈니스 시스템 내부에서 작동할 수 있습니다. 워크로드가 문서라면, 이것은 이제 그것을 만들어 내는 가장 저렴하면서도 믿을 만한 방법 중 하나입니다.

Ultramarine 1 Flash는 우리 카탈로그에 없습니다. 이 모델의 포스트트레이닝 기반이 된 모델은 GLM-5.3 Flash입니다. GLM-5.3 Flash는 OrcaRouter에서 백만 토큰당 입력 $0.15, 출력 $0.50에 제공됩니다. 토큰당 추가되는 것은 없습니다. 요율은 제공업체의 정가가 그대로 전달되는 방식이라, Z.ai가 숫자를 바꾸면 제공되는 숫자도 같은 날 함께 바뀝니다. 이 점은 이번과 같은 릴리스에서 평소보다 더 중요합니다. 왜냐하면 Ultramarine 1 Flash의 전체 논거가 기본 모델의 요율표를 기준으로 한 산술이기 때문입니다. 한편, 이 모델이 비교 대상으로 삼는 모델 중 네 개 — GPT-5.6 Sol, DeepSeek V4.1 Flash, Gemini 3.8 Flash, Kimi K3 — 는 같은 엔드포인트에서 접근할 수 있습니다. 즉, 공급업체의 비교를 그들의 문서가 아니라 자신의 문서에서 시험해 볼 수 있습니다.

무엇이 평가를 바꾸게 할까요

세 가지입니다. 중요한 순서대로요.

Paper Instruments의 누구도 작성하지 않은 스위트에 대한 독립적 평가 하나. 벤더는 제3자 지수와의 상관관계를 공개함으로써 이 일을 자초했다. 다음 단계는 다른 누군가가 그 점수를 공개하는 것이다.

가중치. "출시 예정"은 자리 표시자이고, 그것이 해소되기 전까지 "오픈 모델"은 이번 릴리스가 뒷받침하지 않는 의도에 대한 설명일 뿐입니다. 가중치가 공개된다면, 문서 작업에 맞춰 튜닝된 18B 활성 모델을 직접 실행할 수 있게 되고, $0.13이라는 수치는 이 기능을 구매하는 유일한 방법이 아니게 됩니다.

그것이 구조상 이기지 못하는 벤치마크다. 그것이 앞서는 네 개의 스위트는 그것이 훈련받은 작업에 강하다는 것을 말해 준다. 그것이 뒤처지는 두 개는 범용 에이전트가 여전히 전문 에이전트를 능가하는 지점을 알려 준다. 법률 또는 금융 에이전트 파이프라인을 계획하는 사람이라면 그 두 행과 $0.13 행을 함께 읽고, 그중 어느 행이 자신의 워크로드를 설명하는지 결정해야 한다.

이런 종류의 비교는 실패 모드가 드러나는 지점이기도 합니다. 이 등급의 모델들 뒤에 있는, 문서로 기록된 AI 사고와 에이전트 실패 사례는 OrcaRouter AI Incident Archive에 모여 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급, 이의 제기 여부 플래그가 함께 딸려 있습니다.