
Sage-S2.1-Flash kontra Claude Haiku 5.5: koszt tokena a koszt okna kontekstu
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 90 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 97 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNOWOŚĆOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 87 tok/s
- OrcaNOWOŚĆOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 133 tok/s
- OrcaNOWOŚĆOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 za 1 mln tokenów · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 za 1 mln tokenów · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencja
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencja
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 za 1 mln tokenów · 219 tok/s
Claude Haiku 5.5 i Sage-S2.1-Flash oba reklamują okno kontekstu o rozmiarze miliona tokenów i w przybliżeniu na tym podobieństwo się kończy. Claude Haiku 5.5, wydany przez Anthropic 7 października 2026, ma opublikowany cennik, niezależny wynik w rankingu i hostowane API. Sage-S2.1-Flash, po cichu przesłany na Hugging Face przez Shanghai AI Laboratory 15 listopada 2026, ma 645 gigabajtów wag na licencji MIT, 21-bajtową kartę modelu i brak ceny gdziekolwiek w internecie. Porównywanie ich na milion tokenów jest więc niemożliwe — nie trudne, niemożliwe, ponieważ jedna strona licznika jest pusta.
Porównanie, które ma sens, jest inne i to właśnie jego dotyczy ta strona: ile każdy model pobiera od ciebie za długi kontekst. Pod tym względem te dwa modele nie są blisko siebie, a odpowiedź nie jest tą, którą sugerują ceny katalogowe.
Dwa problemy zakupowe kryjące się pod tą samą nazwą benchmarku
Zacznijmy od tego, czym każda ze stron faktycznie jest, ponieważ nazewnictwo sprzyja błędowi kategorii. Claude Haiku 5.5 to zastrzeżony model tekstowo-obrazowy w małym segmencie Anthropic — ten, który dostawca pozycjonuje do „zadań o dużej przepustowości i wrażliwych na opóźnienia, takich jak klasyfikacja, ekstrakcja i routing”. Wykonuje adaptacyjne myślenie z parametrem wysiłku domyślnie ustawionym na średni, zwraca do 128 000 tokenów wyjściowych i jest dostępny w API jako claude-haiku-5-5 na własnej platformie Anthropic oraz w czterech głównych kanałach odsprzedaży chmurowej.
Sage-S2.1-Flash to model agenta naukowego o otwartych wagach: 320-miliardowy model mieszaniny ekspertów z 18 miliardami aktywnych parametrów na token, zbudowany na architekturze GLM-5.3-Flash, spakowany w bfloat16 w około 645 GB w 120 shardach. Jego konfiguracja deklaruje pułap pozycyjny wynoszący 1 048 576 tokenów, 24-warstwową wieżę wizyjną oraz jawne typy tokenów obrazu, wideo, audio i myślenia. Jest objęty licencją MIT i można go pobrać, a na dzień 16 listopada żaden dostawca usług inferencji go nie obsługiwał i żaden niezależny harness go nie ocenił.
Jedno z nich to pozycja w zestawieniu. Drugie to weekend i węzeł GPU. Ta asymetria to całe porównanie, a wszystko poniżej to arytmetyka, która z niej wynika.

Próg 100 000 tokenów, o którym nikt nie mówi w nagłówkach
Anthropic podaje cennik Claude Haiku 5.5 w dwóch progach, a nie w jednym, i to drugi próg sprawia, że deklaracja samego modelu dotycząca kontekstu staje się kosztowna:
• Prompty o długości do 100 000 tokenów — 0,10 USD za milion tokenów wejściowych, 0,50 USD za milion tokenów wyjściowych
• Prompty powyżej 100 000 tokenów — 0,50 USD za milion tokenów wejściowych, 2,50 USD za milion tokenów wyjściowych
Zapis do pamięci podręcznej, pięciominutowy — 0,125 USD i 0,625 USD za milion, według tego samego podziału
• Odczyt z pamięci podręcznej — 0,01 USD za milion poniżej 100 tys., 0,05 USD powyżej
• Batch API — 50% taniej po obu stronach
To pięciokrotny skok i pojawia się dokładnie przy takiej długości promptu, przy której model z długim kontekstem zaczyna być wart swojej ceny. Prompt o długości 150 000 tokenów z odpowiedzią o długości 5 000 tokenów kosztuje 150 000 × $0.50/1M = $0.075 za wejście plus 5 000 × $2.50/1M = $0.0125 za wyjście, czyli $0.0875. Przy stawce poniżej 100K to samo wywołanie kosztowałoby $0.015 i $0.0025 — $0.0175. Pięciokrotnie większe okno kontekstu nie kosztuje pięciokrotności kosztu wywołania ze 100K; w porównaniu ze stawką, którą płaciłeś chwilę wcześniej, kosztuje około pięć razy więcej za te same tokeny i jedenaście razy więcej za to konkretne wywołanie.
Na wierzchu nakłada się drugi mnożnik, którego łatwo nie zauważyć, ponieważ znajduje się w dokumentacji, a nie w tabeli cen: Claude Haiku 5.5 korzysta z tokenizera wprowadzonego w Claude 4.7, więc ten sam tekst liczy się jako około 30 procent więcej tokenów niż w Claude Haiku 4.5. Niezależnie od tego, jaki budżet przewidujesz na dokument, pomnóż go przez 1,3 przed zastosowaniem stawki. Anthropic jest w tej kwestii nietypowo jednoznaczny, co świadczy na jego korzyść, ale wpływ na naiwny model kosztów jest realny: obciążenie przeniesione z 4.5 do 5.5 przy niezmienionym szacunku liczby tokenów przekroczy budżet o blisko jedną trzecią.
Nic z tego nie sprawia, że Claude Haiku 5.5 jest drogi w ujęciu absolutnym. 0,10 USD za milion tokenów wejściowych to najniższa stawka wśród wszystkich obecnych modeli zbliżonych do czołówki, a niezależny ranking potwierdza, że ta klasa nie jest zabawką: Claude Haiku 5.5 uzyskuje 36,5 w Artificial Analysis Intelligence Index przy maksymalnym wysiłku, powyżej 32,6 modelu DeepSeek V4.1 Flash i 30,8 modelu Gemini 3.8 Flash. Sedno jest węższe i bardziej użyteczne: w przypadku tego modelu, długość promptu jest dźwignią ceny, a nie wybór modelu.
Ile kosztuje długi kontekst, gdy posiadasz wagi
Teraz wykonaj to samo obliczenie dla Sage-S2.1-Flash. Nie ma cennika, więc token jest darmowy na marginesie — ale okno nie jest, ponieważ musisz gdzieś przechowywać wagi. Przewodnik wdrożeniowy InternLM podaje konfigurację referencyjną: osiem procesorów graficznych H200, bfloat16, równoległość tensora wynosząca osiem.
Arytmetyka jest mało efektowna i rozstrzygająca. 645 GB wag na ośmiu kartach to około 81 GB na kartę. Karta H200 ma 141 GB HBM, co pozostawia około 60 GB na kartę na pamięć podręczną KV, aktywacje i zbiór roboczy wieży wizyjnej. Przewodnik wprost mówi, aby nie używać pamięci podręcznej KV w FP8 na Hopperze, więc te 60 GB jest zużywane przy bfloat16 — najdroższym dostępnym formacie pamięci podręcznej na token. Kontekst miliona tokenów jest osiągalny w tym budżecie, ale tylko dlatego, że hybrydowa uwaga modelu utrzymuje większość warstw jako liniowe: 34 z 45 warstw używa typu uwagi liniowej, który konfiguracja nazywa kda, a tylko 11 używa uwagi rzadkiej z indeksem top-2,048. W konwencjonalnym 45-warstwowym transformerze pamięć podręczna KV dla miliona tokenów w ogóle by się nie zmieściła.
Uczciwe porównanie kosztów to nie „darmowe kontra $0.10”, lecz „osiem układów H200, dobranych pod własne potrzeby i wynajmowanych przez Ciebie, kontra API rozliczane za zużycie, którego cena rośnie pięciokrotnie powyżej 100K”. To, przy jakim wykorzystaniu pierwsze rozwiązanie bije drugie, zależy wyłącznie od Twojej stawki godzinowej za te GPU i od tego, jaką część dnia są zajęte — a ponieważ nie mamy publikowanej ceny Sage ani niezależnego wskaźnika przepustowości dla niej, każdy, kto podaje Ci próg rentowności, po prostu go wymyśla.

Luka dowodowa, ujęta wprost
Oba modele mają wyniki benchmarków. Tylko jeden z tych zestawów można z czymkolwiek zweryfikować.
Claude Haiku 5.5 jest mierzony przez stronę trzecią. Artificial Analysis przypisuje mu 36,5 w Intelligence Index przy maksymalnym wysiłku, przy raportowanych 257 tokenach na sekundę na wyjściu. To zaudytowana liczba pochodząca z zestawu testowego, który uruchamia te same testy dla każdego wymienionego modelu, co sprawia, że można jej użyć do podjęcia decyzji.
Sage-S2.1-Flash jest mierzony wyłącznie przez swoich autorów. Liczby InternLM znajdują się w pliku rozdzielanym tabulatorami w repozytorium GitHub utworzonym 16 listopada, opublikowanym na statycznej stronie pod adresem internlm.github.io/Sage-S2.1-Flash, do której karta modelu Hugging Face nie prowadzi linku. Tabela ma 35 wierszy i porównuje Sage z ośmioma modelami. Jej mocne wiersze to te naukowe i wizyjne — BabyVision 75,8 wobec Claude Opus 5 63,1, OSWorld-G 84,8 wobec DeepSeek-V4.1-Flash-1017 61,4, OfficeQA Pro V2 72,2, najlepszy wynik w jej własnej tabeli. Jej wiersze dotyczące kodowania są przeciętne: SWE-bench Pro 60,6, DeepSWE 67,0, oba za DeepSeek V4.1 Flash.
Claude Haiku 5.5 w ogóle nie pojawia się w tej tabeli. Nie pojawia się też Gemini 3.8 Flash. Zatem jedyne porównanie, którego czytelnik szukający tego starcia naprawdę chce — tani model hostowany kontra pobieralny model naukowy — nie ma danych producenta po żadnej ze stron, a po jednej stronie nie ma danych niezależnych. Możemy powiedzieć, że opublikowane wiersze Sage'a plasują się w obszarze klasy Opus w benchmarkach naukowych, podczas gdy jego wiersze dotyczące kodowania znajdują się poniżej modelu kosztującego 0,30 USD za milion tokenów wejściowych, a przewaga dwudziestu czterech punktów w BabyVision to albo realna zdolność, albo benchmark odczytany inaczej w przypadku tego modelu. Bez harnessu nie można stwierdzić, który to przypadek.

Gdzie każdy z nich faktycznie wygrywa
Usuń części, których nie można porównać, a pozostanie czysty podział.
• Praca masowa i wrażliwa na opóźnienia — Claude Haiku 5.5, zdecydowanie. Klasyfikacja, ekstrakcja, routing i wywołania podagentów przy $0.10/$0.50 z opublikowanym wynikiem to rozwiązany problem. Sage-S2.1-Flash nie może tu konkurować: wynajmowałbyś osiem GPU, aby wykonywać pracę, którą API rozliczane za zużycie wykonuje za grosze.
• Prompty od 100 tys. do 1 mln tokenów — naprawdę sporne, rozstrzygane raczej przez wykorzystanie niż przez zalety. Claude Haiku 5.5 pobiera w tym przedziale pięciokrotność swojej stawki podstawowej; Sage pobiera od Ciebie zamortyzowany koszt sprzętu, który już wynająłeś. Jeśli Twój węzeł jest zajęty, Sage wygrywa kosztowo. Jeśli nie jest, to nie wygrywa.
• Naukowo multimodalne dane wejściowe — Sage-S2.1-Flash, jeśli wierzyć jego własnym twierdzeniom. Grafy molekularne, struktury krystaliczne, sekwencje białek, widma, widma mas, XRD, EKG, EEG i krzywe jasności to dane wejściowe, na których – jak twierdzi InternLM – został wytrenowany, i jest to jedyny z tych dwóch modeli, którego dokumentacja je wymienia. Traktuj to jako deklarację projektową, a nie zmierzony wynik.
• Cokolwiek, co wymaga umowy w tym tygodniu — Claude Haiku 5.5. Jeden ma cenę, stronę statusu i zobowiązanie do wycofania nie wcześniej niż 7 października 2027 r. Drugi ma pustą kartę modelu i, w chwili pisania, zero pobrań.
• Rezydencja danych i własność wag — Sage-S2.1-Flash, bezwarunkowo. Wagi na licencji MIT, które możesz posiadać, audytować i dostrajać, to inna kategoria aktywów niż API, i żadna różnica w cenie tego nie zmienia.
Jeden szczegół techniczny, który przesądza o większości migracji
Jeśli przenosisz potok długiego kontekstu między tymi dwoma, problemem blokującym nie będzie jakość. Będą nim tokenizacja i wywołania narzędzi.
Claude Haiku 5.5 zmienił generację tokenizera, co oznacza, że każdy prompt dostrojony pod Claude Haiku 4.5 wymaga ponownego pomiaru, a każda strategia dzielenia na fragmenty, która zakładała określony budżet tokenów, jest teraz w przybliżeniu o 30 procent błędna. Anthropic udostępnia poradnik migracji dokładnie w tym celu i warto go przeczytać, zanim dotknie się plik konfiguracyjny.
Sage-S2.1-Flash ma ostrzejszą wersję tego samego problemu i to jedyny punkt w jego przewodniku wdrożeniowym, który warto przeczytać przed wszystkim innym. Jego tokenizer musi być ładowany z repozytorium — wbudowany tokenizer w vLLM, SGLang lub LMDeploy zakoduje składnię agentową, taką jak znaczniki wywołań narzędzi, jako tokeny sterujące, a nie jako tekst, a model zakończy turę przedwcześnie, nie pokazując przy tym żadnego błędu. Za tym kryją się jeszcze dwie pułapki: równoległe wywołanie narzędzi poza kolejnością przypisuje obrazy do niewłaściwego wyniku w vLLM, jeśli nie zastosuje się poprawki w jednym pliku, a SGLang nadpisuje szablon czatu, chyba że jawnie przekaże się mu plik. W przypadku migracji praktyczną konsekwencją jest to, że praca związana z liczeniem tokenów się podwaja — raz dla nowego tokenizera Anthropic, raz dla niestandardowego tokenizera InternLM — i żadnego z nich nie można oszacować na podstawie drugiego.
Te trzy elementy w praktyce stanowią różnicę między „Sage-S2.1-Flash to model, który oceniłem” a „Sage-S2.1-Flash to model, który porzuciłem”. Wszystkie są udokumentowane, co udaje się większości cichych wydań.
Podejmowanie decyzji bez ceny
Claude Haiku 5.5 nie ma dziś w katalogu OrcaRouter; działa we własnym API Anthropic oraz przez główne kanały odsprzedaży w chmurze i nie zamierzamy sugerować inaczej. Routingowana jest poprzednia generacja — anthropic/claude-haiku-4.5 przy $1.00 za wejście i $5.00 za wyjście za milion, cena katalogowa przekazywana bez narzutu — co wciąż jest uczciwym punktem odniesienia dla kosztów małego poziomu Anthropic, zanim poziom 5.5 obniżył je dziesięciokrotnie. Przepuszczenie własnych rzeczywistych promptów przez 4.5 daje zmierzone liczby tokenów w tej samej rodzinie tokenizerów, a zmierzone liczby tokenów to jedyna rzecz, która rozstrzyga powyższe pytanie o klif 100K: to, czy Twój ruch mieści się poniżej niego, powyżej, czy po obu stronach, decyduje o całym porównaniu w sposób, w jaki nie zrobi tego żaden wiersz benchmarku.
Gdy dostawca w końcu opublikuje cenę Sage-S2.1-Flash lub niezależny harness go oceni, model pass-through ma znaczenie: katalog, który odzwierciedla cenę katalogową dostawcy w tym samym dniu, w którym pojawia się obniżka, to sposób na uniknięcie ponownego negocjowania tego porównania co kwartał.
Co zmieniłoby tę stronę?
Jedna liczba załatwiłaby większość roboty: cena za token dla Sage-S2.1-Flash. Dzięki niej klif 100K po jednej stronie i zamortyzowany węzeł po drugiej stają się prawdziwą kalkulacją progu rentowności, a nie tylko kształtem. Druga pomogłaby niemal równie mocno — niezależny wynik dla Sage, najlepiej na tym samym harnessie, w którym Claude Haiku 5.5 uzyskał 36,5, tak aby można było je od siebie odjąć, a nie opisywać słowami.
Do tego czasu obronne stanowisko jest następujące. Claude Haiku 5.5 to tańszy sposób na wykonanie bardzo dużej liczby małych rzeczy, a staje się drogi dokładnie tam, gdzie jego okno kontekstowe staje się interesujące. Sage-S2.1-Flash to tańszy sposób na posiadanie bardzo dużego modelu, ale nie jest to jeszcze sposób na cokolwiek kupić. Wybór między nimi nie jest kwestią gustu dotyczącą benchmarków. To pytanie o to, czy twoje obciążenie mierzy się w tokenach, czy w węzłach — a jeśli nie potrafisz jeszcze na nie odpowiedzieć, uczciwym następnym krokiem jest wycenienie własnego ruchu, a nie czytanie kolejnego porównania.
Porównane w tym artykule1
Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie
