
Sage-S2.1-Flash vs Claude Haiku 5.5: De kosten van een token versus de kosten van een contextvenster
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 90 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 97 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNIEUWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 87 tok/s
- OrcaNIEUWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 133 tok/s
- OrcaNIEUWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 mln tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 mln tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligentie
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligentie
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 mln tokens · 219 tok/s
Claude Haiku 5.5 en Sage-S2.1-Flash adverteren beide met een contextvenster van één miljoen tokens, en daar houdt de gelijkenis ongeveer op. Claude Haiku 5.5, op 7 oktober 2026 uitgebracht door Anthropic, heeft een gepubliceerde prijslijst, een onafhankelijke leaderboardscore en een gehoste API. Sage-S2.1-Flash, op 15 november 2026 stilzwijgend op Hugging Face geüpload door het Shanghai AI Laboratory, heeft 645 gigabyte aan MIT-gelicenseerde gewichten, een modelkaart van 21 byte en nergens op internet een prijs. Ze per miljoen tokens vergelijken is daarom onmogelijk — niet moeilijk, onmogelijk, want één kant van de meter is blanco.
De vergelijking die wél werkt, is een andere, en het is degene waar deze pagina over gaat: wat elk model je rekent voor lange context. Op dat vlak liggen de twee niet dicht bij elkaar, en het antwoord is niet wat de stickerprijzen suggereren.
Twee inkoopproblemen die dezelfde benchmarknaam dragen
Begin met wat elke kant feitelijk is, want de naamgeving lokt een categoriefout uit. Claude Haiku 5.5 is een propriëtair tekst- en beeldmodel in de kleine categorie van Anthropic — het model dat de leverancier positioneert voor "taken met een hoog volume en gevoeligheid voor latentie, zoals classificatie, extractie en routering". Het doet adaptief denken met een effort-parameter die standaard op medium staat, retourneert maximaal 128.000 outputtokens en is via de API beschikbaar als claude-haiku-5-5 op het eigen platform van Anthropic en via de vier grote cloudwederverkoopkanalen.
Sage-S2.1-Flash is een open-weights wetenschappelijk agentmodel: een mixture of experts met 320 miljard parameters en 18 miljard actieve per token, gebouwd op de GLM-5.3-Flash-architectuur, verpakt in bfloat16 op ongeveer 645 GB verdeeld over 120 shards. De configuratie specificeert een positionele bovengrens van 1.048.576 tokens, een vision-tower van 24 lagen en expliciete tokentypen voor beeld, video, audio en thinking. Het is MIT-gelicenseerd en downloadbaar, en per 16 november bood geen enkele inference-aanbieder het aan en had geen enkele onafhankelijke harness het gescoord.
Een van deze is een regelitem. De andere is een weekend en een GPU-node. Die asymmetrie is de hele vergelijking, en alles hieronder is de rekensom die daaruit volgt.

De 100.000-tokencliff die niemand in de kop zet
Anthropic publiceert de prijsstelling van Claude Haiku 5.5 in twee tarieven in plaats van één, en bij het tweede tarief wordt de eigen contextbewering van het model duur:
• Prompts tot 100.000 tokens — $0,10 per miljoen invoer, $0,50 per miljoen uitvoer
• Prompts van meer dan 100.000 tokens — $0,50 per miljoen input, $2,50 per miljoen output
• Cache-schrijven, vijf minuten — $0,125 en $0,625 per miljoen, met dezelfde verdeling
• Cache-lezen — $0,01 per miljoen onder 100K, $0,05 daarboven
• Batch API — 50% korting aan beide zijden
Dat is een vijfvoudige stap, en die wordt precies geactiveerd bij de promptlengte waarop een long-contextmodel het betalen waard begint te worden. Een prompt van 150.000 tokens met een antwoord van 5.000 tokens kost 150.000 × $0,50/1M = $0,075 voor invoer plus 5.000 × $2,50/1M = $0,0125 voor uitvoer, ofwel $0,0875. Tegen het tarief voor minder dan 100K zou dezelfde aanroep $0,015 en $0,0025 hebben gekost — $0,0175. Het vijf keer zo grote contextvenster kost niet vijf keer zoveel als een aanroep van 100K; afgemeten tegen het tarief dat je een moment eerder betaalde, kost het voor dezelfde tokens ongeveer vijf keer zoveel en voor die specifieke aanroep elf keer zoveel.
Er is een tweede multiplier die er bovenop komt, en die is gemakkelijk over het hoofd te zien omdat hij in de documentatie staat en niet in de prijstabel: Claude Haiku 5.5 gebruikt de tokenizer die met Claude 4.7 is geïntroduceerd, dus dezelfde tekst telt als ongeveer 30 procent meer tokens dan op Claude Haiku 4.5. Wat je ook per document begroot, vermenigvuldig het met 1,3 voordat je het tarief toepast. Anthropic is hier ongebruikelijk expliciet over, wat hen siert, maar het effect op een naïef kostenmodel is reëel: een workload die van 4.5 naar 5.5 wordt gemigreerd met een ongewijzigde tokenschatting, zal het budget met bijna een derde overschrijden.
Niets hiervan maakt Claude Haiku 5.5 duur in absolute zin. $0,10 per miljoen input is het goedkoopste tarief van alle huidige modellen die aan de frontier grenzen, en de onafhankelijke ranglijst bevestigt dat dit niveau geen speelgoed is: Claude Haiku 5.5 scoort 36,5 op de Artificial Analysis Intelligence Index bij maximale inspanning, boven de 32,6 van DeepSeek V4.1 Flash en de 30,8 van Gemini 3.8 Flash. Het punt is specifieker en nuttiger: bij dit model is promptlengte de prijshefboom, niet de modelkeuze.
Wat lange context kost wanneer je de gewichten bezit
Maak nu dezelfde berekening voor Sage-S2.1-Flash. Er is geen tariefkaart, dus het token is aan de marge gratis — maar het venster niet, omdat je de gewichten ergens moet onderbrengen. InternLM's eigen deploymentgids noemt de referentieconfiguratie: acht H200-GPU's, bfloat16, tensorparallelisme van acht.
De rekensom is weinig glamoureus en beslissend. 645 GB aan gewichten over acht kaarten is ongeveer 81 GB per kaart. Een H200 heeft 141 GB HBM, waardoor er ongeveer 60 GB per kaart overblijft voor KV-cache, activaties en de werkset van de visiontower. De gids zegt expliciet dat je geen FP8 KV-cache op Hopper moet gebruiken, dus die 60 GB wordt in bfloat16 verbruikt — het duurste cacheformaat per token dat beschikbaar is. Een context van een miljoen tokens is binnen dat budget haalbaar, maar alleen omdat de hybride attention van het model de meeste lagen lineair houdt: 34 van de 45 lagen gebruiken het linear-attentiontype dat de configuratie kda noemt, en slechts 11 gebruiken sparse attention met een top-2.048-index. Op een conventionele transformer met 45 lagen zou een KV-cache voor een miljoen tokens helemaal niet passen.
De eerlijke kostenvergelijking is dus niet "gratis versus $0,10". Het is "acht H200's, door jou gedimensioneerd en gehuurd, versus een gemeterde API waarvan de prijs boven 100K vijf keer zo hoog wordt". Bij welke benuttingsgraad de eerste de tweede verslaat, hangt volledig af van je uurtarief voor die GPU's en hoeveel van de dag ze bezet zijn — en aangezien we geen gepubliceerde Sage-prijs en geen onafhankelijk doorvoercijfer ervoor hebben, verzint iedereen die je een break-evenpunt noemt er een.

De bewijskloof, simpel gezegd
Beide modellen hebben benchmarkcijfers. Slechts één set daarvan kan ergens tegen worden gecontroleerd.
Claude Haiku 5.5 wordt door een derde partij gemeten. Artificial Analysis plaatst het op 36,5 op de Intelligence Index bij maximale inspanning, met een gerapporteerde 257 tokens per seconde aan output. Dat is een geaudit getal van een harness die dezelfde tests uitvoert op elk model dat erin wordt vermeld, en dat is wat het bruikbaar maakt voor een beslissing.
Sage-S2.1-Flash wordt uitsluitend door de auteurs gemeten. De cijfers van InternLM staan in een tabgescheiden bestand in een GitHub-repository die op 16 november is aangemaakt, gepubliceerd op een statische site op internlm.github.io/Sage-S2.1-Flash waarnaar de Hugging Face-modelkaart niet linkt. De tabel heeft 35 rijen en vergelijkt Sage met acht modellen. De rijen waarop het sterk scoort, zijn de wetenschappelijke en vision-rijen — BabyVision met 75,8 tegenover Claude Opus 5 met 63,1, OSWorld-G met 84,8 tegenover DeepSeek-V4.1-Flash-1017 met 61,4, OfficeQA Pro V2 met 72,2, het beste cijfer in zijn eigen tabel. De coding-rijen zijn weinig opzienbarend: SWE-bench Pro 60,6, DeepSWE 67,0, beide achter DeepSeek V4.1 Flash.
Claude Haiku 5.5 staat helemaal niet in die tabel. Gemini 3.8 Flash ook niet. Dus de enige vergelijking die een lezer die naar deze confrontatie zoekt echt wil — het goedkope gehoste model tegenover het downloadbare wetenschappelijke model — heeft aan beide zijden geen leveranciersgegevens, en aan één zijde geen onafhankelijke gegevens. Wat we wel kunnen zeggen, is dat de gepubliceerde rijen van Sage op wetenschappelijke benchmarks in de Opus-klasse vallen, terwijl de coderingsrijen onder een model liggen dat $0,30 per miljoen input kost, en dat een marge van vierentwintig punten op BabyVision ofwel een echte capaciteit is, ofwel een benchmark die voor dit model anders wordt geïnterpreteerd. Zonder een harness kun je niet zeggen welke van de twee.

Waar elk van hen daadwerkelijk wint
Verwijder de delen die niet vergeleken kunnen worden, en er blijft een schone splitsing over.
• Grootschalig, latentiegevoelig werk — Claude Haiku 5.5, zonder twijfel. Classificatie, extractie, routing en subagent-aanroepen voor $0,10/$0,50 met een gepubliceerde score is een opgelost probleem. Sage-S2.1-Flash kan hier niet tegenop: je zou acht GPU's huren om werk te doen dat een API met verbruiksmeter voor een paar centen doet.
• Prompts tussen 100K en 1M tokens — echt omstreden, en beslist door benutting in plaats van verdienste. Claude Haiku 5.5 rekent in deze band vijf keer zijn basistarief; Sage rekent je de afgeschreven kosten van hardware die je al hebt gehuurd. Als je node bezet is, wint Sage op kosten. Zo niet, dan niet.
• Wetenschappelijke multimodale invoer — Sage-S2.1-Flash, op grond van zijn eigen beweringen. Moleculaire grafen, kristalstructuren, eiwitsequenties, spectra, massaspectra, XRD, ECG, EEG en lichtcurves zijn de invoer waarvan InternLM zegt dat het erop is getraind, en het is de enige van de twee waarvan de documentatie ze bij naam noemt. Beschouw dat als een ontwerpverklaring, geen gemeten resultaat.
• Alles wat deze week een contract nodig heeft — Claude Haiku 5.5. De ene heeft een prijs, een statuspagina en een uitfaseringsverbintenis van niet eerder dan 7 oktober 2027. De andere heeft een lege modelkaart en, op het moment van schrijven, nul downloads.
• Dataresidentie en eigendom van gewichten — Sage-S2.1-Flash, onvoorwaardelijk. MIT-gewichten die je zelf kunt bewaren, auditen en fine-tunen zijn een andere categorie bezit dan een API, en geen enkel prijsverschil verandert dat.
Het ene technische detail dat de meeste migraties bepaalt
Als je een pipeline voor lange contexten tussen deze twee verplaatst, is het blokkerende probleem niet de kwaliteit. Dat zijn tokenisatie en tool-aanroepen.
Claude Haiku 5.5 heeft de tokenizergeneratie gewijzigd, wat betekent dat elke prompt die je op Claude Haiku 4.5 hebt afgestemd opnieuw moet worden gemeten, en dat elke chunkingstrategie die uitging van een tokenbudget nu ongeveer 30 procent onjuist is. Anthropic levert precies hiervoor een migratiehandleiding mee, en het is de moeite waard die te lezen voordat je een configuratiebestand aanraakt.
Sage-S2.1-Flash heeft een scherpere versie van hetzelfde probleem, en het is het enige item in de implementatiehandleiding dat je vóór al het andere moet lezen. De tokenizer moet uit de repository worden geladen — de standaardtokenizer in vLLM, SGLang of LMDeploy codeert agentische syntaxis zoals tool-call-markeringen als controletokens in plaats van als tekst, en het model beëindigt een beurt vroegtijdig zonder dat er een foutmelding verschijnt. Achter dat probleem schuilen nog twee valkuilen: een parallelle tool-aanroep buiten volgorde koppelt afbeeldingen aan het verkeerde resultaat op vLLM zonder een patch van één bestand, en SGLang overschrijft het chatsjabloon tenzij het bestand expliciet wordt meegegeven. Voor een migratie betekent dit praktisch dat het token-telwerk verdubbeld wordt — één keer voor de nieuwe tokenizer van Anthropic, één keer voor de aangepaste tokenizer van InternLM — en geen van beide kan uit het andere worden geschat.
Die drie punten zijn in de praktijk het verschil tussen 'Sage-S2.1-Flash is een model dat ik heb geëvalueerd' en 'Sage-S2.1-Flash is een model dat ik heb opgegeven'. Ze zijn allemaal gedocumenteerd, wat meer is dan de meeste stille releases voor elkaar krijgen.
Tot een beslissing komen zonder prijs
Claude Haiku 5.5 staat vandaag niet in de OrcaRouter-catalogus; het is te vinden op de eigen API van Anthropic en via de grote cloudwederverkoopkanalen, en we gaan niet suggereren dat het anders is. Wat wordt gerouteerd, is de vorige generatie — anthropic/claude-haiku-4.5 voor $1,00 in en $5,00 uit per miljoen, lijstprijs doorgegeven zonder opslag — wat nog steeds de eerlijke benchmark is voor wat de kleine tier van Anthropic kost voordat de 5.5-tier die met een factor tien verlaagde. Als je je echte prompts door 4.5 laat draaien, krijg je gemeten tokenaantallen op dezelfde tokenizer-familie, en gemeten tokenaantallen zijn het enige dat de 100K-klifvraag hierboven beslecht: of je verkeer eronder, erboven of er deels onder en deels boven zit, bepaalt de hele vergelijking op een manier die geen enkele benchmarkrij kan.
Wanneer de leverancier uiteindelijk een prijs voor Sage-S2.1-Flash publiceert, of een onafhankelijke harness het beoordeelt, is het doorgeefmodel van belang: een catalogus die de lijstprijs van de aanbieder weerspiegelt op dezelfde dag dat een prijsverlaging ingaat, is hoe je voorkomt dat je deze vergelijking elk kwartaal opnieuw moet onderhandelen.
Wat zou deze pagina veranderen
Eén getal zou het meeste werk doen: een prijs per token voor Sage-S2.1-Flash. Daarmee worden de 100K-klif aan de ene kant en de geamortiseerde node aan de andere kant een echte break-evenberekening in plaats van een vorm. Een tweede zou bijna evenveel helpen — een onafhankelijke score voor Sage, idealiter op dezelfde harness die Claude Haiku 5.5 op 36.5 zette, zodat de twee van elkaar kunnen worden afgetrokken in plaats van beschreven.
Tot dan is dit het verdedigbare standpunt. Claude Haiku 5.5 is de goedkopere manier om een zeer groot aantal kleine dingen te doen, en het wordt precies duur op het punt waarop zijn contextvenster interessant wordt. Sage-S2.1-Flash is de goedkopere manier om een zeer groot model te bezitten, en het is nog geen manier om iets te kopen. De keuze tussen beide is geen smaakkwestie als het om benchmarks gaat. Het gaat erom of je workload in tokens of in nodes wordt gemeten — en als je dat nog niet kunt beantwoorden, is de eerlijke volgende stap de prijs van je eigen verkeer bepalen, niet nog een vergelijking lezen.
Vergeleken in dit artikel1
Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt
