Um cartão de título gerado exibindo 'Sage-S2.1-Flash vs DeepSeek V4.1 Flash' acima do subtítulo 'Dois MoEs de pesos abertos, um placar de fornecedores', com dois chips abaixo exibindo '18B ativos' e '16B ativos'. Fundo branco, detalhes em gradiente azul e ciano, ícones de linha plana. O logotipo da OrcaRouter é composto no canto inferior direito.
Guides & Insights

Sage-S2.1-Flash vs DeepSeek V4.1 Flash: o único confronto com um placar compartilhado

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Há exatamente um lugar na internet em que Sage-S2.1-Flash e DeepSeek V4.1 Flash foram avaliados um contra o outro, e não é um lugar neutro. O InternLM, laboratório que publicou o Sage-S2.1-Flash em 15 de novembro de 2026, colocou o DeepSeek-V4.1-Flash-1017 em sua própria tabela comparativa — 35 benchmarks, oito modelos rivais, um arquivo separado por tabulações em um repositório do GitHub para o qual o model card no Hugging Face não aponta. Assim, os dois modelos compartilham um placar, e um deles o construiu.

Isso é mais do que se pode dizer de qualquer uma das outras duas comparações desta série, nas quais não existe nenhuma tabela compartilhada. Isso também faz desta a mais útil das três páginas, porque uma tabela comum — mesmo que seja do próprio fornecedor — permite fazer perguntas que um par de posts de blog separados não consegue responder. A seguir, o que a tabela compartilhada diz, quais são as duas arquiteturas por trás dela e quanto disso você deve estar disposto a acreditar.

A assimetria que enquadra tudo

Coloque as duas versões lado a lado como artefatos antes de colocá-las lado a lado como modelos.

DeepSeek V4.1 Flash chegou em {{1}}10 de setembro de 2026{{/1}} com uma ficha completa do modelo, um relatório técnico em PDF intitulado {{2}}"Ampliando os Limites da Compressão de Cache KV"{{/2}}, uma {{3}}licença MIT{{/3}}, uma API documentada com tarifas publicadas de horário fora de pico e de pico, e um snapshot atualizado — {{4}}1017{{/4}} — em {{5}}17 de outubro{{/5}}. Seu repositório no Hugging Face foi baixado {{6}}1,69 milhão de vezes{{/6}} e tem {{7}}4.978 curtidas{{/7}}. {{8}}Artificial Analysis{{/8}} o avalia de forma independente em 32,6 no Intelligence Index com esforço máximo.

O Sage-S2.1-Flash chegou em 15 de novembro de 2026 com 120 shards bfloat16, um cartão de modelo de 21 bytes cujo conteúdo inteiro é uma declaração de licença, um guia de implantação e nenhum preço publicado em lugar nenhum. Tem uma curtida e zero downloads. Nenhum harness independente o tocou.

Ambos são misturas de especialistas de pesos abertos licenciadas sob MIT, com uma janela de contexto de um milhão de tokens e entrada nativa de imagens. No papel, são equivalentes. Nas evidências, não chegam perto.

A generated two-column comparison scoreboard titled 'Sage-S2.1-Flash vs DeepSeek V4.1 Flash - the scoreboard'. The Sage-S2.1-Flash column reads: Parameters: 320B, 18B active; Layers: 45, 34 linear; Price: none published; Context: 1,048,576 tokens; Independent score: none; Downloadable: MIT weights. The DeepSeek V4.1 Flash column reads: Parameters: 552B, 16B active; Layers: 40, encoder-decoder; Price: $0.15 / $0.60 off-peak; Context: 1,000,000 tokens; Independent score: AA Index 32.6; Downloadable: open weights. Footer: 'Sage rows from InternLM; DeepSeek price from DeepSeek; DeepSeek score per Artificial Analysis.' The OrcaRouter logo is composited in the bottom-right corner.

O que a tabela compartilhada realmente contém

O arquivo de benchmark do InternLM lista 31 linhas que trazem um valor de DeepSeek-V4.1-Flash-1017. Lê-lo é uma experiência diferente de ler um post de lançamento, porque as linhas em que o Sage perde ainda estão lá. Uma amostra representativa, com o Sage primeiro em cada linha:

• Terminal-Bench 2.1 — 87,9 vs 87,6, um empate por três décimos

• DeepSWE — 67,0 vs 73,9, um déficit de 6,9 pontos

• SWE-bench Pro — 60,6 vs 64,7, um déficit de 4,1 pontos

• NL2Repo-Bench — 57,2 vs 62,7, um déficit de 5,5 pontos

• APEX-Agents — 61,7 vs 69,2, um déficit de 7,5 pontos

• WideSearch — 81,5 vs 86,3

• BrowseComp — 91,2 vs 93,8

• CyberGym — 84,3 vs. 88,8

• τ³-bench Bancário — 45,4 vs 47,4

• OSWorld v2.1 — 69,3 vs 70,1

• AutomationBench — 56,7 vs 57,8

O padrão nessa lista é desconfortável para o modelo mais novo: em trabalho agêntico geral e de programação, o DeepSeek V4.1 Flash vence a maioria das linhas, muitas vezes por margens que não são ruído. Um modelo publicado dois meses antes, por um laboratório com um relatório técnico público, supera o lançamento discreto nos benchmarks que o próprio lançamento discreto escolheu publicar.

Então a tabela se inverte. As linhas em que o Sage lidera são as científicas e as de documentos, e as margens são de uma ordem completamente diferente:

• Harvey LAB — 25,0 vs 11,7, mais que o dobro

• OfficeQA Pro V2 — 72,2 vs 69,7

• BabyVision — 75,8 vs 58,0, uma diferença de 17,8 pontos

• OSWorld-G — 84,8 vs 61,4, uma diferença de 23,4 pontos

• MLE-bench Lite — 90,3 vs 89,2

• Workspace-Bench-Lite — 67,1 vs 66,8

• GDPval — 78,0 vs 77,6

• SpreadsheetBench 2 — 37,1 vs 35,8

Dois padrões, e eles apontam em direções opostas. Em engenharia de software e no trabalho de agentes orientado por ferramentas em um ambiente geral, o DeepSeek V4.1 Flash é o modelo mais forte, e os próprios números da InternLM dizem isso. Em percepção científica, trabalho profissional com muitos documentos e controle gráfico de desktop, o Sage-S2.1-Flash não está marginalmente à frente, mas em outro patamar.

Por que as arquiteturas produziriam exatamente essa divisão

Os dois modelos estão resolvendo problemas diferentes, e suas configurações mostram isso antes de qualquer benchmark.

DeepSeek V4.1 Flash é um backbone de 552 bilhões de parâmetros com 16 bilhões ativos por token, construído sobre o que a DeepSeek chama de arquitetura Causal Encoder-Decoder: 40 camadas divididas igualmente em um encoder causal de 20 camadas e um decoder de 20 camadas. O enquadramento do relatório técnico é a compressão de KV cache — a principal alegação do modelo é sobre eficiência de serving em um milhão de tokens, não sobre percepção. Ele processa imagens nativamente, mas sua ênfase publicada é a economia de serving em contexto longo.

Sage-S2.1-Flash é um modelo de 320 bilhões de parâmetros, com 18 bilhões ativos por token e, conforme seu guia de implantação, 45 camadas. A configuração as divide de forma acentuada: 34 camadas usam um tipo de atenção linear que o arquivo chama de kda, e apenas 11 usam atenção esparsa com um índice top-k de 2.048 tokens. Há uma torre de visão de 24 camadas com entrada de 448 pixels, e o vocabulário de tokens inclui tokens explícitos de imagem, vídeo, áudio, início e fim. O próprio texto de lançamento em inglês da InternLM — hospedado em internlm.github.io/Sage-S2.1-Flash, criado em 16 de novembro, não referenciado pela ficha do modelo — descreve treinamento em gráficos moleculares, estruturas cristalinas, sequências de proteínas e estruturas 3D, DNA e RNA, espectros, espectros de massa, difração de raios X, eletrocardiogramas, eletroencefalogramas e curvas de luz.

Compare essa lista com as linhas em que o Sage vence, e o quadro deixa de parecer sorte em benchmark. O Harvey LAB é trabalho jurídico sobre documentos. O OfficeQA Pro é resposta a perguntas sobre documentos financeiros. O BabyVision é percepção visual. O OSWorld-G é controle gráfico de desktop — clicar em uma UI, não chamar uma API. Esses são os construtos em que se esperaria que um modelo treinado em figuras científicas, espectros, gráficos e interfaces de software fosse bom, e são exatamente onde se esperaria que um modelo treinado para serviço geral com cache KV eficiente ficasse para trás.

O ponto vale para os dois lados. O Sage perde as linhas de programação porque não é primordialmente um modelo de programação; o DeepSeek perde as linhas de visão porque não é primordialmente um modelo de percepção. Nenhum dos resultados é um escândalo. O erro seria ler qualquer das colunas como um veredito geral.

Screenshot of the OrcaRouter model page for deepseek/deepseek-v4.1-flash. It shows a 1M-token context window, text and image input, vision, tools, JSON and reasoning tags, a release date of 2026-10-17, and the price row $0.15 input and $0.60 output per million tokens with a 1.20 s time to first token. The page states the model carries a context window of 1,048,576 tokens, can generate up to 384,000 tokens in a response, and is billed at $0.15 per 1M input and $0.60 per 1M output tokens.

O spread de preços, que não está próximo

O DeepSeek V4.1 Flash tem um preço publicado, e é um dos mais baratos entre os modelos desse porte:

Fora de pico, falha de cache — $0,15 por milhão de entrada, $0,60 por milhão de saída

• Pico, falha de cache — US$ 0,30 por milhão de entrada, US$ 1,20 por milhão de saída

• Cache hit — US$ 0,003 por milhão fora de pico, US$ 0,006 em pico

Horários de pico — 01:00–04:00 e 06:00–10:00 UTC, de segunda a sexta-feira, excluindo feriados nacionais chineses

• Contexto — 1.000.000 de tokens, com até 384.000 tokens de saída

O Sage-S2.1-Flash não tem tarifa publicada. Não há preço na ficha do modelo, nem no guia de implantação, nem no microssite de lançamento; o link "Try the API" do site aponta para um portal que não renderizaria seu catálogo para um cliente sem JavaScript. O que o Sage tem, em vez disso, é um requisito de hardware: a implantação de referência do guia é de oito GPUs H200 em bfloat16, aproximadamente 645 GB de pesos no nó.

Isso faz com que a comparação de custos seja uma configuração, e não um número. O DeepSeek V4.1 Flash custa US$ 0,15 por milhão de tokens de entrada fora do horário de pico, o que significa que um prompt de um milhão de tokens custa quinze centavos. Executar o Sage-S2.1-Flash com um milhão de tokens custa o que quer que oito H200 custem para você pelo tempo real que a chamada levar, e ninguém publicou um número de throughput para ele. Se você já tem o nó, o custo marginal da chamada é quase zero e o DeepSeek parece caro em comparação. Se não tem, o DeepSeek vence por uma margem tão ampla que a comparação com o Sage não vale a pena até existir um preço para uso hospedado.

O que a tabela compartilhada não pode lhe dizer

Uma característica de uma comparação elaborada pelo fornecedor merece ser dita com clareza, porque afeta a forma de ler cada linha acima: o harness não está documentado. A InternLM publicou os números, não a configuração da execução. Não há informação sobre quantas tentativas por tarefa, qual scaffolding foi usado, quais parâmetros de amostragem, se ferramentas estavam disponíveis ou qual era o orçamento de raciocínio para cada um dos modelos. O próprio 32,6 da DeepSeek no Artificial Analysis Intelligence Index vem de um harness público que aplica o mesmo procedimento a todos os modelos de seu índice; o 73,9 da InternLM para a DeepSeek no DeepSWE vem de um harness privado.

Isso não torna a tabela inútil. Torna-a direcional. As linhas de codificação e as linhas de visão são ambas grandes o bastante, e internamente consistentes o bastante, para que as escolhas de scaffolding provavelmente não as estejam gerando. O empate de três décimos no Terminal-Bench 2.1, por outro lado, está bem dentro do intervalo que qualquer variação de harness poderia produzir — trate uma diferença de 0,3 ponto como empate e nada será perdido.

Também vale notar: a InternLM publicou um número para o DeepSeek no DeepSWE (73,9) que é alto em relação às outras linhas de programação na sua própria tabela, em que o DeepSeek fica em 64,7 no SWE-bench Pro. Esse tipo de inconsistência interna é algo que um harness publicado resolveria em uma tarde e um privado não consegue resolver de forma alguma.

Screenshot of the Hugging Face model page for internlm/Sage-S2.1-Flash. The header shows the safetensors and glm5_next tags, an MIT licence, a model size of 321B params and a bfloat16 tensor type. The sidebar notes that the README exists but its content is empty, that the model is not deployed by any Inference Provider, and it lists the collection including internlm/Sage-S2.1-Flash. Download counts are not shown.

Implantação: uma tarde versus um documento

Se você está escolhendo com base em critérios operacionais e não em linhas de benchmark, a diferença é maior do que as pontuações sugerem, e segue a mesma direção que a lacuna de evidências.

O DeepSeek V4.1 Flash vem com um relatório técnico, uma arquitetura transformers padrão, uma variante fp8 e tags de implantação para Azure e SageMaker na sua ficha do modelo. Está em uso há dois meses, tem 1,69 milhão de downloads, e qualquer peculiaridade de serving que ele tenha, alguém já encontrou e documentou.

Sage-S2.1-Flash vem com um guia de implantação que, lido com atenção, é uma lista de falhas silenciosas. Se você omitir --trust-remote-code, o tokenizador padrão codifica strings de agente — como <|user|> e <tool_call> — como tokens de controle; o modelo para cedo ou corrompe uma chamada de ferramenta, e nada é registrado em log. Se servir no vLLM sem o patch de arquivo único em vllm_patch/, resultados de ferramentas paralelas que retornam fora de ordem anexam imagens ao resultado errado, então o modelo responde sobre a imagem errada; a correção upstream está pendente como vllm-project/vllm#67108. Se servir no SGLang sem passar chat_template.jinja explicitamente, o engine instala seu próprio template para a arquitetura. No Hopper, o cache KV em FP8 não é suportado. O LMDeploy exige o transformers fixado entre 5.17 e 5.19, porque a versão 5.19 renomeou um tipo de camada.

Tudo isso está documentado, o que é mérito do laboratório — é mais do que a maioria dos lançamentos silenciosos consegue. Mas também é a impressão digital de um modelo que ainda tem nos próprios autores as únicas pessoas a tê-lo servido.

A única coisa útil que a mesa compartilhada resolve

Considerando tudo o que foi exposto acima, eis a decisão que as evidências realmente sustentam.

• Se o seu trabalho é código, ferramentas de agente ou serviço geral de contexto longo — DeepSeek V4.1 Flash. Ele vence a maioria dessas linhas na própria tabela do rival, custa US$ 0,15 por milhão de tokens de entrada fora do horário de pico e tem uma pontuação independente para servir de referência. Não há argumento sério a favor do Sage aqui.

• Se o seu trabalho envolve figuras científicas, espectros, gráficos, documentos profissionais digitalizados ou software controlado por GUI — o Sage-S2.1-Flash vale a pena dedicar o fim de semana. A diferença de 23 pontos no OSWorld-G e a diferença de 13 pontos no Harvey LAB são o tipo de diferença que muda se uma tarefa é sequer automatizável, e nenhum outro modelo na tabela da InternLM chega perto nessas linhas.

• Se você precisa decidir hoje — DeepSeek V4.1 Flash, porque é o único dos dois que você pode chamar sem uma janela de manutenção.

O DeepSeek V4.1 Flash é roteado no OrcaRouter como deepseek/deepseek-v4.1-flash a $0,15 de entrada e $0,60 de saída por milhão de tokens — o próprio preço de tabela fora de pico da DeepSeek repassado sem markup — com contexto de 1.048.576 tokens, ao lado do snapshot 1017 com a mesma tarifa. O Sage-S2.1-Flash não está no nosso catálogo; são pesos abertos que você mesmo serviria, e não vamos dar a entender o contrário.

O que um roteador lhe proporciona aqui é mais restrito que uma migração e mais útil que um benchmark. A divisão que este artigo descreve — trabalho geral agêntico e de codificação para um modelo, trabalho científico e intensivo em GUI para o outro — é exatamente o formato que uma política de roteamento expressa: um endpoint, uma regra que encaminha solicitações com imagens e documentos pelo caminho especializado, e failover automático que impede que uma degradação do lado do provedor derrube todo o caminho. Ambos os identificadores DeepSeek ficam na mesma chave, então testar o snapshot 1017 contra o original custa uma mudança na string do modelo, e não um segundo contrato. A peça que você não consegue rotear — Sage-S2.1-Flash — é a peça que você teria que provisionar por conta própria, o que é o argumento mais claro para prototipar primeiro com o que está no catálogo.

O que faria valer a pena reescrever esta página?

Duas coisas. Um preço para o Sage-S2.1-Flash, o que transformaria a seção de custos de uma forma em aritmética. E uma pontuação independente, de preferência no mesmo harness que colocou o DeepSeek V4.1 Flash em 32,6 — porque a pergunta interessante não é se o Sage supera o DeepSeek na média. Tudo acima sugere que não. A pergunta interessante é se a vantagem de 23 pontos do Sage no OSWorld-G sobrevive a um harness que não foi escrito pelo laboratório que o publicou, e se o déficit de 6,9 pontos no DeepSWE é tão real quanto as linhas de codificação em sua própria tabela dão a entender.

Até que alguém execute novamente essas linhas, o placar compartilhado é a melhor evidência disponível e foi construído por um dos dois concorrentes. Leia-o como leria qualquer comparação autopublicada que, por acaso, inclui as suas próprias derrotas: mais confiável do que uma tabela sem nenhuma derrota, e ainda assim não é a mesma coisa que uma medição.

Comparados neste artigo1

Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente