Ultramarine 1 Flash vs Claude Haiku 4.5: Twee kosten-per-taakgetallen die niet hetzelfde meten

De twee modellen in deze vergelijking publiceren allebei een prijs per taak, en de verleiding is om de getallen naast elkaar te zetten en af te trekken. Paper Instruments zegt dat Ultramarine 1 Flash een taak afrondt voor $0,13. Artificial Analysis meet Claude Haiku 4.5, in zijn redeneerconfiguratie, op $0,28 per voltooide Intelligence Index-taak. Het ene cijfer is minder dan de helft van het andere, en als dat het hele plaatje was, zou de beslissing tien seconden duren. Dat is niet het hele plaatje, want die twee cijfers komen uit verschillende suites die het model verschillende dingen laten doen, en begrijpen welke suite op jouw werk lijkt, is de hele vergelijking. De tarieven zelf liggen nog verder uit elkaar: $0,15 per miljoen input en $0,50 output voor het Paper Instruments-model, tegenover $1,00 en $5,00 voor het model van Anthropic — een verschil van 6,7x op input en 10x op output.

Er is een tweede asymmetrie. Claude Haiku 4.5 heeft een gepubliceerde score van een lab dat niet zijn maker is. Ultramarine 1 Flash heeft een gepubliceerde score van het bedrijf dat het heeft getraind, op een suite die dat bedrijf heeft gebouwd. Beide feiten zijn hier belangrijker dan welk individueel benchmarkcijfer dan ook, en geen van beide komt terug in een zij-aan-zijvergelijking.

De twee tariefkaarten, en de regel die op beide niet hetzelfde is

De cijfers van Ultramarine zijn de gepubliceerde API-prijzen van Paper Instruments en diens eigen gepubliceerde evaluaties. De prijsstelling van Claude Haiku 4.5 is het tariefblad van A​nthropic; de evaluatiecijfers zijn metingen van Artificial Analysis, als zodanig aangeduid.

• Invoer — Ultramarine 1 Flash $0,15 per miljoen tokens vs. Claude Haiku 4.5 $1,00. Het model van Anthropic kost 6,7x meer aan de invoerzijde.

• Gecachte invoer — $0,03 vs $0,10 per miljoen, een korting van 90% aan de Anthropic-kant tegen een korting van 80% aan de Paper Instruments-kant. Het absolute verschil blijft groot, het proportionele verschil wordt kleiner.

• Uitvoer — $0,50 vs $5,00 per miljoen. 10x, en dit is de regel waar het verschil echt toeslaat, omdat documentwerk heel veel output genereert.

• Context — 131.072 tokens in de trainingsconfiguratie die het technisch rapport specificeert vs 200.000 op de Haiku-tariefkaart. Anthropic heeft ongeveer 1,5x meer.

• Maximale output — niet gepubliceerd door Paper Instruments vs 64.000 tokens voor Claude Haiku 4.5. Eén lege cel in de lijst.

• Invoer — Claude Haiku 4.5 accepteert tekst-, afbeeldings- en bestandsuploads. Ultramarine 1 Flash is gebouwd rond tekst- en documentwerk; de basis, GLM-5.3 Flash, is native multimodaal, maar Paper Instruments publiceert geen modaliteitenlijst voor het derivaat.

• Gemeten kosten per voltooide taak — $0,13 op PI Knowledge Work voor Ultramarine 1 Flash vs. $0,28 op de Intelligence Index voor Claude Haiku 4.5 (reasoning). De cijfers die mensen elkaar zullen voorhouden. De volgende sectie legt uit waarom ze niet dezelfde eenheid zijn.

Wat elke score daadwerkelijk omvat

De gepubliceerde cijfers van Claude Haiku 4.5 komen in twee configuraties, en het is de moeite waard ze uit elkaar te houden, want een zoekresultaat toont je meestal de verkeerde. Artificial Analysis vermeldt de niet-redenerende configuratie met een Intelligence Index van 15 en 87,3 outputtokens per seconde. De redeneerconfiguratie — degene met een kosten-per-taakcijfer eraan gekoppeld, en degene die dit artikel doorlopend gebruikt — komt uit op een Intelligence Index van 17, 90,0 outputtokens per seconde, $1,00 voor input en $5,00 voor output per miljoen tokens, een cachekorting van 90%, $0,28 per voltooide Index-taak en 78 miljoen outputtokens aan uitvoerigheid. Het contextvenster is 200.000 tokens met een kennisafsluitdatum van juli 2025, en het accepteert tekst en afbeelding.

The Intelligence Index is samengesteld uit wiskunde-, programmeer-, redeneer- en agentische evaluaties. Geen van de componenttests vraagt een model om een boarddeck, een due-diligencememo of een Excel-model met een live forecast erin te maken, omdat die artefacten geen eenduidig correct antwoord hebben en een benchmark die ze zou beoordelen, per taak een rubric nodig zou hebben.

Dat is precies wat Paper Instruments heeft gebouwd, en precies waarom de vergelijking geen aftrekking kan zijn. PI Knowledge Work is een suite van klantklare deliverables op het gebied van financiën, juridische zaken, consulting en operations, per taak beoordeeld aan de hand van opgestelde rubrics door een rubric-beoordelingsmodel. Ultramarine 1 Flash scoort daar 59,3 tegen $0,13 per taak. Een score van 59,3 op een rubric voor documentdeliverables en een score van 17 op een index voor wiskunde en programmeren zijn geen vergelijkbare grootheden. Evenmin is het kostencijfer vergelijkbaar, omdat een taak in de ene suite een orde van grootte langer kan zijn dan een taak in de andere.

Wat de combinatie wel ondersteunt, is beperkter en nog steeds nuttig. Claude Haiku 4.5 is gemeten door iemand zonder belang bij de uitkomst, op tests die niemand bij A​nthropic heeft ontworpen. Voor Ultramarine 1 Flash geldt dat niet. Dat is geen kritiek op de cijfers van Paper Instruments — het bedrijf maakt zijn methode met ongebruikelijk veel detail openbaar — maar het is een verschil in het soort bewijsmateriaal dat wordt aangeboden, en een koper die de keuze aan een risicocommissie voorlegt, zal daar onmiddellijk op stuiten.

Waar Claude Haiku 4.5 onbetwist wint

Drie plekken, en geen ervan gaat over slimmer zijn.

Multimodale input is het duidelijkst. Een gescand contract, een screenshot van een kapotte spreadsheet, een foto van een whiteboard — dat alles gaat in Claude Haiku 4.5 via een interface die dit al een jaar ongewijzigd ondersteunt. Ultramarine 1 Flash rust op een basismodel dat afbeeldingen en video leest, maar de leverancier publiceert geen modaliteitenlijst voor zijn afgeleide, en geen enkel voorbeeld in het technische rapport draait om een afbeelding waarnaar het model moet kijken. Als uw documenten gescand binnenkomen, beslecht dit de vraag op zichzelf.

Operationele volwassenheid is het tweede. Een model met een jaar productieverkeer achter zich heeft zijn faalmodi laten vinden en documenteren door mensen die er niet voor betaald werden om ze te vinden. Een model dat op 14 oktober 2026 is gepubliceerd heeft dat niet, en de eerste week van elk nieuw eindpunt is wanneer je leert wat het doet onder belasting.

Onafhankelijke verificatie is de derde, en het is degene die zich opstapelt. Elke extra maand dat Haiku 4.5 bestaat, is weer een maand waarin iemand het op het eigen werk liet draaien en opschreef wat er gebeurde.

Waar de kloof tot bijna niets wordt — en waarom de berekening misleidend is

De kop van 10x op output is reëel, en bij een lange documenttaak levert die precies de rekening op die je zou verwachten. Wat de kop verbergt, is dat de economie per taak van de twee modellen kan convergeren, omdat een taak op PI Knowledge Work niet dezelfde hoeveelheid werk is als een taak op de Intelligence Index — en omdat het Anthropic-model in de praktijk sterk gecached is.

Er staat een contra-intuïtief getal aan de Paper Instruments-zijde dat het waard is om goed te lezen. Over zijn zes benchmarks genereert Ultramarine 1 Flash 6,5% minder outputtokens dan het GLM-5.3 Flash-model waarop het is post-getraind — 30,5 miljoen tegenover 32,7 miljoen, inclusief redenering — terwijl het op alle zes beter scoort. Token-efficiëntie die verbetert is niet de gebruikelijke richting voor een post-training-run, en op een tariefkaart per miljoen tokens is het een tweede korting bovenop de eerste. Dat is de enige vergelijking op de Paper Instruments-pagina waarbij beide kanten met dezelfde methode op dezelfde suite worden gemeten, wat het het meest betrouwbare getal in de release maakt.

Daarentegen is Claude Haiku 4.5 het goedkopere model in één vergelijking die niemand promoot: voor $0,28 per voltooide Index-taak is het geprijsd voor een suite waarvan de taken korter en minder agentisch zijn dan een due-diligencememo. Leg een echte juridische of financiële deliverable aan elk voor, en het cijfer van $0,13 mat nooit dezelfde eenheid werk als dat van $0,28.

Beide modellen zitten op één sleutel via OrcaRouter als je dit empirisch wilt beslechten in plaats van door te lezen. Claude Haiku 4.5 wordt aangeboden voor $1,00 en $5,00 per miljoen tokens, met niets extra per token — de lijstprijs van de provider wordt rechtstreeks doorgegeven, dus een tariefwijziging van een leverancier is dezelfde dag nog bij ons actief, wat voor een model waarvan de prijs al eerder is gewijzigd geen triviale eigenschap is. Dezelfde twintig documenten door beide laten gaan en de facturen lezen kost minder dan de vergadering over welke je moet kiezen, en het levert een getal op in plaats van een discussie.

De beslissing, verwoord als een tweesprong

Als de invoer een door iemand gescand document of een screenshot is, is het antwoord Claude Haiku 4.5 en valt er verder niets meer te bespreken.

Als de input tekst is en de output een afgerond eindproduct — een model, een presentatie, een memo — en het volume hoog genoeg is dat $0,15 tegenover $1,00 op input de vorm van het project verandert, dan is Ultramarine 1 Flash een pilot met je eigen werk waard. Het is een dag oud. De $0,13 is door de leverancier gerapporteerd op een door de leverancier gebouwde suite, en er bestaat nog geen onafhankelijke evaluatie. Maar de tariefkaart is echt, de token-efficiëntievergelijking is gemeten op de enige manier waarop die eerlijk kan worden gemeten, en de verbeteringen ten opzichte van zijn eigen basismodel op de vier benchmarks waarop het vooroploopt, zijn consistent en niet selectief uitgekozen.

Als je workload beide omvat, is de nuttige zet niet om te kiezen. Een routeringsregel kan het pad voor gescande documenten op het Anthropic-model houden en het pad van tekst naar eindproduct sturen naar degene van de twee die op een sample jouw kwaliteitslat haalt — en als de nieuwere uitvalt, gaat het verzoek naar de oudere zonder codewijziging en zonder een tweede contract te ondertekenen.

Wat de open vraag zou beslechten, is één enkele onafhankelijke evaluatie van Ultramarine 1 Flash op een suite die zijn maker niet heeft geschreven. Zolang die niet bestaat, is het eerlijke standpunt dat Claude Haiku 4.5 het model is waarvan je het gedrag kunt voorspellen en Ultramarine 1 Flash het model is waarvan je de prijs zou willen kunnen benutten. Niets wat vandaag is gepubliceerd zegt dat het niet kan. Niets wat vandaag is gepubliceerd, behalve de eigen pagina van de leverancier, zegt dat het kan.

Vergelijkingen zoals deze zijn ook waar de faalmodi aan het licht komen: de gedocumenteerde AI-incidenten en agentfouten achter modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive , waar elke vermelding zijn eigen bronnen, ernstgraad, betrouwbaarheidsgraad en betwist-markering bevat.