
Sage-S2.1-Flash vs DeepSeek V4.1 Flash: o único confronto com um placar compartilhado
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaNOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligência
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligência
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 219 tok/s
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.

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.

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.

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
