Ultramarine 1 Flash vs DeepSeek V4 Flash: Een goedkoop tokentarief is geen goedkope taak

Ultramarine 1 Flash kost $0,15 per miljoen inputtokens en $0,50 voor output. D​eepSeek V4 Flash staat vermeld voor $0,44 en $1,32 in het overzicht van Artificial Analysis, of voor $0,22 en $0,66 tegen het routed tarief dat onze catalogus ervoor aanbiedt. Zet de twee tariefkaarten naast elkaar en het Paper Instruments-model lijkt het voor de hand liggende koopje — drie keer goedkoper aan de invoerkant en tweeënhalf keer goedkoper aan de uitvoerkant, tegen de lijstprijzen. Het probleem met die lezing is dat een tarief per miljoen tokens slechts de helft van een factuur is, en de helft die het weglaat, is juist degene waarin deze twee modellen het meest van elkaar verschillen. D​eepSeek V4 Flash genereert 240 miljoen outputtokens om de Intelligence Index te voltooien. Het mediane model in zijn vergelijkingsklasse genereert 140 miljoen. Het is, in de bewoording van Artificial Analysis, zeer breedsprakig — op die as gerangschikt als 36e van de 40 in zijn prijsklasse.

Ultramarine 1 Flash beweert het tegenovergestelde over zichzelf. Op alle zes benchmarks die Paper Instruments evalueerde, genereerde het 6,5% minder tokens dan het GLM-5.3 Flash-model waarop het was nabijgetraind, terwijl het op elk daarvan hoger scoorde. Het ene model is goedkoop per token en duur per taak. Het andere deed extra moeite om goedkoper per taak te worden zonder zijn prijs te veranderen. De vergelijking die de moeite waard is, is die tussen die twee benaderingen, niet tussen twee inputtarieven.

Twee modellen, twee verschillende routes naar hetzelfde prijsniveau

Ze bereikten het budgetniveau vanuit tegengestelde richtingen, en dat verschil verklaart grotendeels wat volgt.

DeepSeek V4 Flash is een volledig vanaf nul gebouwd mixture-of-expertsmodel: 284 miljard parameters in totaal, 13 miljard actief, uitgebracht op 24 april 2026 onder een MIT-licentie met gewichten gepubliceerd op Hugging Face. De 0731-revisie, vanaf nul opnieuw post-getraind op dezelfde architectuur, is wat de gedateerde identifier nu aanduidt. Het heeft een contextvenster van 1.048.576 tokens met maximaal 384.000 uitvoertokens, accepteert tekst en levert tekst op, en rapporteert sterke agentbenchmarks op basis van DeepSeeks eigen gepubliceerde cijfers — 82,7 op Terminal-Bench 2.1, 76,7 op Cybergym, 70,3 op Toolathlon Verified.

Ultramarine 1 Flash is een afgeleide. Paper Instruments nam GLM-5.3 Flash — het multimodale model van Z.ai met 320B totaal en 18B actief — en voerde daarop grootschalige reinforcement learning uit volgens een synthetisch curriculum van financiële, juridische, advies- en operationele werkzaamheden. De API ging live op 14 oktober 2026 tegen $0,15 / $0,03 gecached / $0,50 per miljoen tokens, dezelfde tarieven die GLM-5.3 Flash rekent. De gewichten gingen niet live; op de eigen pagina van de leverancier staat: "Modelgewichten komen binnenkort."

De eerlijke framing van deze combinatie is dus een downloadbare from-scratch MoE tegenover een gesloten post-training van de open basis van iemand anders, waarbij de een al zes maanden in productie is en de ander één dag oud.

Het verbositeitsgetal dat de marketing van geen van beide partijen naar voren schuift

Artificial Analysis meet hoeveel outputtokens een model verbruikt om de Intelligence Index af te ronden, en rapporteert dat als een rangschikking op breedsprakigheid. D​eepSeek V4 Flash gebruikte 240 miljoen outputtokens tegenover een klassenmediaan van 140 miljoen — 71% boven het gebruikelijke, 36e van 40 in zijn klasse. Dat cijfer is de reden om voorzichtig te zijn met de $0,22 per taak die het opgeeft. Het is ook, opmerkelijk genoeg, een beter kosten-per-taakcijfer dan de meeste van zijn concurrenten behalen, wat laat zien hoeveel de ruwe snelheid van het model compenseert: met 173,7 outputtokens per seconde is het de achtste snelste van 74 modellen in zijn klasse, dus het tokenvolume komt snel binnen, ook al is er meer van.

De uitvoerigheid van Ultramarine 1 Flash wordt niet gepubliceerd door Artificial Analysis, omdat Artificial Analysis het model niet heeft geëvalueerd. Wat Paper Instruments in plaats daarvan publiceert, is de vergelijking met zijn eigen basis: 30,5 miljoen tokens tegen 32,7 miljoen van GLM-5.3 Flash over de zes benchmarksuites, inclusief redenering. Dat is een meting die beide zijden van de vergelijking gemeen hebben — dezelfde suite, dezelfde harness, dezelfde omstandigheden — wat het tot het meest betrouwbare cijfer in de release maakt en het enige waarbij een claim over token-efficiëntie wordt geverifieerd tegen iets anders dan zichzelf.

Zet die bij elkaar en de rekensom verandert van vorm. Het voordeel van DeepSeek V4 Flash is een snel, capabel, goed afgemeten model dat je bijna overal kunt draaien. Het nadeel is dat het veel schrijft, en bij een vast uitvoertarief zie je dat terug op de factuur. Het voordeel van Ultramarine 1 Flash is dat het minder schrijft dan het model waarvan het afstamt — maar alleen ten opzichte van dat model, en alleen op suites die zijn eigen maker heeft geschreven.

Wat de zes benchmarks werkelijk zeggen

Paper Instruments voerde zes testsuites uit tegen zijn eigen model en verschillende concurrenten. D​eepSeek V4.1 Flash komt daarin voor; de originele D​eepSeek V4 Flash, het model in deze kop, niet.

• JobBench — Ultramarine 1 Flash 62,9, DeepSeek V4.1 Flash 60,4. Het Paper Instruments-model ligt 2,5 punten voor.

• PI Kenniswerk — Ultramarine 1 Flash 59,3, D​eepSeek V4.1 Flash 47,9. Een verschil van 11,4 punten, het grootste in de set.

• FrontierFinance — 53,3 tegen 46,0.

• AutomationBench — de enige suite waarin DeepSeek wint: V4.1 Flash 51,3 tegen de 50,2 van Ultramarine.

• DiligenceBench — 50,6 tegen 50,3. Vrijwel gelijk, waarbij beide achterblijven bij Gemini 3.8 Flash en Claude Fable 5.

• APEX-Agents 1.1 — 57,0 tegen 39,5, de grootste marge in de hele tabel.

De voorbehouden stapelen zich hier op en het is de moeite waard om ze allemaal expliciet te benoemen. Dit zijn de benchmarks van de leverancier. De DeepSeek-cijfers betreffen een ander, nieuwer model in dezelfde familie, dat Paper Instruments bij naam noemt. En niets ervan is door iemand buiten het bedrijf gecontroleerd. Wat de tabel wel vaststelt, is beperkt maar reëel: bij werk dat als document wordt opgeleverd, heeft de nagetrainde specialist een ruime voorsprong op een efficiënte generalistische MoE, en bij geautomatiseerde agenttaken verdwijnt het verschil bijna. Als je werk een memo of een model is, wijst die splitsing één kant op. Als het een agentlus met meerdere stappen is, dan niet.

Je kunt een van deze downloaden

Dit is het verschil dat geen enkele benchmark vastlegt, en juist dat verschil zal vermoedelijk de doorslag geven in een inkoopgesprek.

D​eepSeek V4 Flash is MIT-gelicentieerd, met gewichten op Hugging Face. Je kunt het downloaden, op je eigen hardware draaien, fine-tunen, in een product verwerken en nooit een token naar een derde partij sturen. Voor een advocatenkantoor of een bank met verplichtingen rond cliëntvertrouwelijkheid is dat geen nice-to-have; het is vaak de hele vereiste, en het haalt het model van D​eepSeek volledig uit de gehoste-API-helft van deze vergelijking en zet het in plaats daarvan op je eigen machines.

Ultramarine 1 Flash kan dat vandaag niet. "Modelgewichten komen binnenkort" is een intentieverklaring, geen licentie. Wat Paper Instruments wél openlijk heeft uitgebracht, is de ondersteunende structuur rond het model: de Feather agent-harness waarbinnen het is getraind en geëvalueerd, en de forks paper-docx, paper-pptx en paper-xlsx die een agent een veilige interface bieden voor Office-bestandsindelingen. Die zijn echt nuttig — en ze zijn ook een advertentie voor het model, want ze bestaan om de uitvoer ervan minder corrupt te maken dan wat een generieke agent met de standaardbibliotheken produceert.

Dus de licentieregel herschikt de vergelijking. Als je de gewichten zelf moet draaien, valt er niets te vergelijken: DeepSeek V4 Flash is het antwoord en Ultramarine 1 Flash is een belofte. Als je een API kunt aanroepen, concurreren de twee echt met elkaar, en het beslissende bewijs is de kosten per taak op je eigen documenten.

Waar de gerouteerde prijs uitkomt

Op OrcaRouter wordt D​eepSeek V4 Flash aangeboden tegen $0,22 voor input en $0,66 voor output per miljoen tokens — de lijstprijs van de provider wordt doorgegeven, met niets toegevoegd per token, wat verklaart waarom het onder het paar van $0,44/$1,32 in het Artificial Analysis-record ligt: dat paar volgt de tariefkaart van een andere provider. De doorgeefregeling heeft een tweede gevolg dat het weten waard is als u een budget opstelt: wanneer een provider een tarief wijzigt, wijzigt het aangeboden tarief dezelfde dag mee, zonder een configuratiewijziging aan uw kant.

Vergeleken met dat gerouteerde tarief is Ultramarine 1 Flash met $0,15/$0,50 ongeveer 1,5x goedkoper op input en 1,3x goedkoper op output — veel kleiner dan de vergelijking op basis van lijstprijzen suggereert, en nog kleiner zodra de 97%-cachekorting van D​eepSeek wordt toegepast op een documentworkload met een grote gedeelde prefix. Het cachetarief van Ultramarine 1 Flash is $0,03 per miljoen, ook een sterke korting, maar de twee liggen op dit punt dicht genoeg bij elkaar dat geen van beide op basis van alleen rekenwerk wint.

Dat laat de beslissing waar die hoort: bij je eigen werk. Stuur een batch echte deliverables naar beide, vergelijk de facturen en lees de outputs. Ultramarine 1 Flash staat niet in onze catalogus, dus die test draait aan één kant tegen het eigen endpoint van de leverancier. Het model waarvan het de post-training heeft gekregen, GLM-5.3 Flash, wordt hier aangeboden tegen $0,15/$0,50 — de identieke tariefkaart — wat je een redelijke proxy geeft voor wat het basismodel produceert voordat je de post-training erbovenop doet.

De positie, zonder winnaar

Deze twee zijn niet echt vervangers van elkaar, en door ze tot een winnaar te dwingen wordt de nuttige bevinding verhuld. DeepSeek V4 Flash is een downloadbare, onafhankelijk gemeten, ongewoon snelle MoE die meer schrijft dan nodig is. Ultramarine 1 Flash is een gesloten, ongemeten post-training van een open basismodel die is ontworpen om minder te schrijven, verkocht op basis van een benchmarksuite die niemand anders heeft gedraaid.

De weg te wuiven versie van dit artikel zou zeggen dat het lagere tokentarief wint. De verdedigbare versie zegt dat de licentie de inkoop bepaalt, dat de uitvoerigheidscijfers de rekening bepalen, en dat geen van beide modellen is getest op je documenten. Twee van die drie kun je deze week oplossen. De derde kan niet worden opgelost totdat Paper Instruments ofwel onafhankelijke cijfers publiceert ofwel de gewichten uitlevert waarvan het zegt dat ze eraan komen.

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.