
Sage-S2.1-Flash vs DeepSeek V4.1 Flash: de enige confrontatie met een gedeeld scorebord
- 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
Er is precies één plek op het internet waar Sage-S2.1-Flash en DeepSeek V4.1 Flash tegenover elkaar zijn beoordeeld, en die is niet neutraal. InternLM, het lab dat Sage-S2.1-Flash op 15 november 2026 publiceerde, zette DeepSeek-V4.1-Flash-1017 in zijn eigen vergelijkingstabel — 35 benchmarks, acht concurrerende modellen, een tabgescheiden bestand in een GitHub-repository waarnaar de Hugging Face-modelkaart niet linkt. De twee modellen delen dus een scorebord, en een van hen heeft het gebouwd.
Dat kun je van geen van de andere twee vergelijkingen in deze reeks zeggen, want daar bestaat helemaal geen gedeelde tabel. Daardoor is dit ook de nuttigste van de drie pagina's, want een gemeenschappelijke tabel — zelfs een van de leverancier zelf — laat je vragen stellen die een paar afzonderlijke blogberichten niet kunnen beantwoorden. Wat volgt is wat de gedeelde tabel zegt, wat de twee architecturen eronder zijn, en hoeveel ervan je bereid zou moeten zijn te geloven.
De asymmetrie die alles omkadert
Zet de twee releases zij aan zij als artefacten voordat je ze zij aan zij zet als modellen.
DeepSeek V4.1 Flash verscheen op 10 september 2026 met een volledige modelkaart, een technisch rapport in pdf-vorm getiteld "Pushing the Limits of KV Cache Compression", een MIT-licentie, een gedocumenteerde API met gepubliceerde off-peak- en peak-tarieven, en een vernieuwde snapshot — 1017 — op 17 oktober. De Hugging Face-repository is 1,69 miljoen keer gedownload en heeft 4.978 likes. Artificial Analysis geeft het onafhankelijk een score van 32,6 op de Intelligence Index bij maximale inspanning.
Sage-S2.1-Flash verscheen op 15 november 2026 met 120 bfloat16-shards, een modelkaart van 21 bytes waarvan de volledige inhoud een licentieverklaring is, een implementatiehandleiding, en nergens een gepubliceerde prijs. Het heeft één like en nul downloads. Geen enkele onafhankelijke harness heeft het aangeraakt.
Beide zijn MIT-gelicentieerde open-weight mengsels van experts met een contextvenster van één miljoen tokens en native beeldinvoer. Op papier zijn ze gelijkwaardig. Op basis van het bewijs liggen ze niet dicht bij elkaar.

Wat de gedeelde tabel eigenlijk bevat
Het benchmarkbestand van InternLM bevat 31 rijen met een DeepSeek-V4.1-Flash-1017-score. Het lezen ervan is een andere ervaring dan het lezen van een lanceringspost, omdat de rijen waarin Sage verliest er nog steeds staan. Een representatieve selectie, met Sage in elke regel vooraan:
• Terminal-Bench 2.1 — 87,9 vs 87,6, een gelijkspel op drie tienden
• DeepSWE — 67,0 tegenover 73,9, een tekort van 6,9 punten
• SWE-bench Pro — 60.6 vs 64.7, een achterstand van 4.1 punt
• NL2Repo-Bench — 57,2 vs 62,7, een tekort van 5,5 punt
• APEX-Agents — 61,7 versus 69,2, een achterstand van 7,5 punten
• WideSearch — 81,5 vs 86,3
• BrowseComp — 91,2 vs 93,8
• CyberGym — 84,3 vs 88,8
• τ³-bench Bankieren — 45,4 vs 47,4
• OSWorld v2.1 — 69,3 vs 70,1
• AutomationBench — 56,7 vs 57,8
Het patroon in die lijst is ongemakkelijk voor het nieuwere model: bij algemeen agentisch en programmeerwerk wint DeepSeek V4.1 Flash de meerderheid van de rijen, vaak met marges die niet als ruis zijn af te doen. Een model dat twee maanden eerder werd gepubliceerd, door een lab met een openbaar technisch rapport, verslaat de stille release op de benchmarks die de stille release zelf koos te publiceren.
Dan keert de tabel om. De rijen waarin Sage vooroploopt, zijn de wetenschappelijke en documentgerelateerde rijen, en de marges zijn van een heel andere orde:
• Harvey LAB — 25,0 vs 11,7, meer dan het dubbele
• OfficeQA Pro V2 — 72,2 vs 69,7
• BabyVision — 75,8 versus 58,0, een verschil van 17,8 punten
• OSWorld-G — 84,8 vs 61,4, een verschil van 23,4 punten
• MLE-bench Lite — 90,3 vs 89,2
• Workspace-Bench-Lite — 67,1 tegenover 66,8
• GDPval — 78,0 vs 77,6
SpreadsheetBench 2 — 37,1 vs 35,8
Twee patronen, en ze wijzen in tegengestelde richtingen. Op het gebied van software-engineering en toolgedreven agentwerk in een algemene omgeving is DeepSeek V4.1 Flash het sterkere model, en InternLM's eigen cijfers zeggen dat ook. Op het gebied van wetenschappelijke waarneming, documentintensief professioneel werk en grafische desktopbesturing loopt Sage-S2.1-Flash niet marginaal voor, maar zit hij in een andere band.
Waarom de architecturen precies die splitsing zouden opleveren
De twee modellen lossen verschillende problemen op, en hun configuraties laten dat al zien voordat welke benchmark dan ook dat doet.
DeepSeek V4.1 Flash is een backbone met 552 miljard parameters en 16 miljard actieve parameters per token, gebouwd op wat DeepSeek een Causal Encoder-Decoder-architectuur noemt: 40 lagen, gelijkmatig verdeeld over een causale encoder van 20 lagen en een decoder van 20 lagen. De framing van het technische rapport is KV-cachecompressie — de belangrijkste claim van het model gaat over serveerefficiëntie bij een miljoen tokens, niet over perceptie. Het verwerkt afbeeldingen native, maar de gepubliceerde nadruk ligt op de economie van het serveren van lange contexten.
Sage-S2.1-Flash is een model met 320 miljard parameters, met 18 miljard actieve parameters per token en, volgens de deploymentgids, 45 lagen. De configuratie verdeelt ze scherp: 34 lagen gebruiken een lineair aandachtstype dat het bestand kda noemt, en slechts 11 gebruiken sparse attention met een top-k-index van 2.048 tokens. Er is een vision tower van 24 lagen bij invoer van 448 pixels, en het tokenvocabulaire bevat expliciete image-, video-, audio-, start- en end-tokens. InternLM's eigen Engelstalige releasecopy — gehost op internlm.github.io/Sage-S2.1-Flash, aangemaakt op 16 november, waarnaar de modelkaart niet verwijst — beschrijft training over moleculaire grafen, kristalstructuren, eiwitsequenties en 3D-structuren, DNA en RNA, spectra, massaspectra, röntgendiffractie, elektrocardiogrammen, elektro-encefalogrammen en lichtcurven.
Leg die lijst naast de rijen die Sage wint, en het beeld ziet er niet langer uit als geluk bij de benchmark. Harvey LAB is juridisch werk met documenten. OfficeQA Pro is vraagbeantwoording over financiële documenten. BabyVision is visuele waarneming. OSWorld-G is grafische desktopbesturing — op een UI klikken, niet een API aanroepen. Dat zijn de constructen waarin een model dat is getraind op wetenschappelijke figuren, spectra, grafieken en software-interfaces naar verwachting goed zou zijn, en dat zijn precies de punten waarop een model dat is getraind voor KV-cache-efficiënte algemene serving naar verwachting achterblijft.
Het punt snijdt naar beide kanten. Sage verliest de rijen voor programmeren omdat het in de eerste plaats geen programmeermodel is; DeepSeek verliest de visierijen omdat het in de eerste plaats geen perceptiemodel is. Geen van beide resultaten is een schandaal. De fout zou zijn om een van beide kolommen als een algemeen oordeel te lezen.

Het prijsverschil, dat niet dichtbij is
DeepSeek V4.1 Flash heeft een gepubliceerd tarief, en dat is een van de goedkoopste tarieven van alle modellen van deze grootte:
• Daluren, cachemiss — $0,15 per miljoen invoer, $0,60 per miljoen uitvoer
• Piek, cachemiss — $0,30 per miljoen input, $1,20 per miljoen output
• Cache-hit — $0,003 per miljoen buiten piekuren, $0,006 piek
• Piekuren — 01:00–04:00 en 06:00–10:00 UTC, maandag tot vrijdag, met uitzondering van Chinese feestdagen
• Context — 1.000.000 tokens, met maximaal 384.000 outputtokens
Sage-S2.1-Flash heeft geen gepubliceerd tarief. Er staat geen prijs op de modelkaart, geen in de implementatiehandleiding en geen op de release-microsite; de link "Try the API" op de site wijst naar een portaal dat zijn catalogus niet zou weergeven voor een client zonder JavaScript. Wat Sage in plaats daarvan heeft, is een hardwarevereiste: de referentie-implementatie in de handleiding bestaat uit acht H200-GPU's bij bfloat16, ongeveer 645 GB aan gewichten over de node.
Dat maakt de kostenvergelijking een vorm in plaats van een getal. DeepSeek V4.1 Flash kost $0,15 per miljoen input-tokens buiten de piekuren, wat betekent dat een prompt van een miljoen tokens vijftien cent kost. Sage-S2.1-Flash draaien op een miljoen tokens kost wat acht H200's je kosten voor de kloktijd die de aanroep in beslag neemt, en niemand heeft daar een doorvoercijfer voor gepubliceerd. Als je de node al bezit, zijn de marginale kosten van de aanroep bijna nul en lijkt DeepSeek in vergelijking duur. Als je dat niet doet, wint DeepSeek met een marge die zo groot is dat de vergelijking met Sage niet de moeite waard is totdat er een gehoste prijs bestaat.
Wat de gedeelde tabel je niet kan vertellen
Eén eigenschap van een door de leverancier geschreven vergelijking verdient het om duidelijk te worden vermeld, omdat die bepaalt hoe je elke rij hierboven moet lezen: de harness is niet gedocumenteerd. InternLM publiceerde de cijfers, niet de uitvoeringsconfiguratie. Er wordt niet vermeld hoeveel pogingen per taak zijn gedaan, welke scaffolding is gebruikt, welke samplingparameters zijn gehanteerd, of er tools beschikbaar waren, of wat het redeneerbudget was voor elk van beide modellen. DeepSeek's eigen 32,6 op de Artificial Analysis Intelligence Index komt uit een publieke harness die dezelfde procedure toepast op elk model in de index; InternLM's 73,9 voor DeepSeek op DeepSWE komt uit een privé-harness.
Dat maakt de tabel niet nutteloos. Het maakt hem richtinggevend. De coderingsrijen en de visierijen zijn beide groot genoeg, en intern consistent genoeg, dat scaffoldingkeuzes ze waarschijnlijk niet genereren. De gelijkstand van drie tienden op Terminal-Bench 2.1 daarentegen valt ruim binnen de bandbreedte die enige harnessvariatie kan opleveren — behandel een verschil van 0,3 punt als een gelijkstand en er gaat niets verloren.
Ook noemenswaardig: InternLM heeft voor DeepSeek een cijfer op DeepSWE gepubliceerd (73,9) dat hoog is ten opzichte van de andere rijen voor coderingstaken in zijn eigen tabel, waar DeepSeek op 64,7 uitkomt bij SWE-bench Pro. Die interne inconsistentie is het soort ding dat een gepubliceerde harness in een middag zou oplossen en een private harness helemaal niet kan oplossen.

Implementatie: één middag versus één document
Als je op operationele gronden kiest in plaats van op basis van benchmarkrijen, is de kloof groter dan de scores doen vermoeden, en loopt die in dezelfde richting als de bewijskloof.
DeepSeek V4.1 Flash wordt geleverd met een technisch rapport, een standaard transformers-architectuur, een fp8-variant en deployment-tags voor Azure en SageMaker op de modelkaart. Het is al twee maanden in het wild, heeft 1,69 miljoen downloads, en elke serving-eigenaardigheid ervan is al door iemand tegengekomen en opgeschreven.
Sage-S2.1-Flash wordt geleverd met een deploymenthandleiding die, bij zorgvuldig lezen, een lijst van stille fouten is. Laat je --trust-remote-code weg, dan codeert de standaardtokenizer agentische strings zoals <|user|> en <|tool_call> als controletokens — het model stopt vroegtijdig of beschadigt een tool-aanroep, en er wordt niets gelogd. Serveer je het op vLLM zonder de patch voor één bestand in vllm_patch/, dan koppelen parallelle toolresultaten die buiten de volgorde terugkomen afbeeldingen aan het verkeerde resultaat, waardoor het model over de verkeerde afbeelding antwoordt; de upstream-fix staat nog open als vllm-project/vllm#67108. Serveer je het op SGLang zonder chat_template.jinja expliciet door te geven, dan installeert de engine zijn eigen sjabloon voor de architectuur. Op Hopper wordt FP8-KV-cache niet ondersteund. LMDeploy vereist dat transformers vastgezet wordt tussen 5.17 en 5.19, omdat 5.19 een laagtype heeft hernoemd.
Dat alles is gedocumenteerd, wat het lab siert — meer dan de meeste stille releases voor elkaar krijgen. Maar het is ook de vingerafdruk van een model waarvan de eigen auteurs nog steeds de enigen zijn die het hebben bediend.
Het enige nuttige dat de gedeelde tabel beslecht
Op basis van al het bovenstaande is dit de beslissing die het bewijs daadwerkelijk ondersteunt.
• Als je werk code, agent-tooling of algemene long-contextserving is — DeepSeek V4.1 Flash. Het wint de meeste van die rijen in de eigen tabel van de rivaal, het kost $0,15 per miljoen inputtokens buiten piekuren, en er is een onafhankelijke score om tegen te controleren. Sage is hier geen serieuze optie.
• Als je werk bestaat uit wetenschappelijke figuren, spectra, plots, gescande professionele documenten of GUI-gestuurde software — dan is Sage-S2.1-Flash het weekend waard. Het gat van 23 punten op OSWorld-G en het gat van 13 punten op Harvey LAB zijn precies het soort verschil dat bepaalt of een taak überhaupt automatiseerbaar is, en geen enkel ander model in de tabel van InternLM komt op die rijen in de buurt.
• Als je vandaag moet beslissen — DeepSeek V4.1 Flash, omdat het de enige van de twee is die je kunt aanroepen zonder onderhoudsvenster.
DeepSeek V4.1 Flash wordt op OrcaRouter gerouteerd als deepseek/deepseek-v4.1-flash tegen $0,15 in en $0,60 out per miljoen tokens — DeepSeek's eigen off-peak lijstprijs, één-op-één doorgegeven zonder opslag — met een context van 1.048.576 tokens, naast de 1017-snapshot tegen hetzelfde tarief. Sage-S2.1-Flash staat niet in onze catalogus; dat zijn open weights die je zelf zou hosten, en wij gaan niet de indruk wekken dat het anders is.
Wat een router je hier oplevert, is beperkter dan een migratie en nuttiger dan een benchmark. De splitsing die dit artikel beschrijft — algemeen agentisch en programmeerwerk naar het ene model, wetenschappelijk en GUI-intensief werk naar het andere — is precies de vorm die een routeringsbeleid uitdrukt: één endpoint, een regel die verzoeken met afbeeldingen en documenten via het gespecialiseerde pad stuurt, en automatische failover die voorkomt dat een verslechtering aan de providerzijde het hele pad onderuit haalt. Beide DeepSeek-identificaties zitten op dezelfde sleutel, dus de 1017-snapshot tegen het origineel proberen kost alleen een wijziging van de model-string, niet een tweede contract. Het onderdeel dat je niet kunt routeren — Sage-S2.1-Flash — is het onderdeel dat je zelf zou moeten opzetten, en dat is het duidelijkste argument om eerst te prototypen tegen wat in de catalogus staat.
Wat zou deze pagina de moeite van het herschrijven waard maken?
Twee dingen. Een prijs voor Sage-S2.1-Flash, waardoor de kostensectie van een vorm naar rekenwerk zou gaan. En een onafhankelijke score, idealiter op hetzelfde testharnas dat DeepSeek V4.1 Flash op 32,6 zette — want de interessante vraag is niet of Sage DeepSeek gemiddeld verslaat. Alles hierboven wijst erop van niet. De interessante vraag is of de 23-puntsvoorsprong van Sage op OSWorld-G standhoudt in een testharnas dat niet is geschreven door het lab dat het heeft gepubliceerd, en of het tekort van 6,9 punten op DeepSWE net zo echt is als de coderingsrijen in zijn eigen tabel suggereren.
Totdat iemand die rijen opnieuw laat draaien, is het gedeelde scorebord het beste beschikbare bewijs, en het is gebouwd door een van de twee concurrenten. Lees het zoals je elke zelfgepubliceerde vergelijking zou lezen die toevallig de eigen verliezen bevat: betrouwbaarder dan een tabel zonder verliezen erin, en nog steeds niet hetzelfde als een meting.
Vergeleken in dit artikel1
Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt
