
Sage-S2.1-Flash vs Gemini 3.8 Flash: Um tem uma queda abrupta de preço, o outro não tem preço
- 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 / $0.00 por 1M de tokens · 219 tok/s
O Gemini 3.8 Flash custa US$ 0,75 por milhão de tokens de entrada e US$ 3,75 por milhão de tokens de saída hoje. Em 1º de janeiro de 2027, custará US$ 1,50 e US$ 7,50 — o mesmo modelo, os mesmos pesos, o dobro da fatura, porque o preço introdutório do Google para o modelo termina em 31 de dezembro de 2026. O Sage-S2.1-Flash, publicado discretamente pelo Shanghai AI Laboratory em 15 de novembro de 2026, não tem preço para dobrar. Ele tem 645 gigabytes de pesos licenciados sob MIT, um cartão de modelo de 21 bytes e um guia de implantação que pressupõe que você tenha oito H200s.
Coloque esses dois fatos lado a lado e a intenção de busca por trás dessa comparação fica clara: as pessoas não estão realmente perguntando qual modelo é mais inteligente. Elas estão perguntando se devem continuar alugando o nível Flash do Google ou se um modelo científico aberto que podem baixar agora substitui parte dessa conta. A resposta depende de uma data e de uma distinção que a maioria das comparações ignora — entre um modelo barato por token e um modelo cujos tokens não têm medidor nenhum.
O que está realmente programado para mudar
A própria documentação do Google para o Gemini 3.8 Flash lista duas tabelas de tarifas, e apenas uma delas está em vigor:
• Introdutório, até 31 de dezembro de 2026 — US$ 0,75 por milhão de tokens de entrada, US$ 3,75 por milhão de tokens de saída, US$ 0,075 de entrada em cache
• Standard, a partir de 1 de janeiro de 2027 — $1,50 por milhão de entrada, $7,50 por milhão de saída
• Contexto — 1.000.000 de tokens, com um limite máximo de saída de 64.000 tokens
• Raciocínio — três níveis: baixo, médio (o padrão) e alto; a configuração minimal mais antiga agora gera erro.
• Parâmetros removidos — temperature, top_p, top_k, candidate_count e turnos de modelo pré-preenchidos não são mais aceitos
Essa última linha é a que custa tempo de engenharia em vez de dinheiro, e é fácil de passar despercebida numa discussão de preços. Um pipeline migrado do Gemini 3.6 Flash para o 3.8 Flash não consegue manter sua configuração de amostragem; o modelo rejeita esses parâmetros. Os prefills de múltiplos turnos também acabaram, substituídos por um previous_interaction_id do lado do servidor. Tudo o que você construir no 3.8 Flash entre agora e janeiro será algo que você vai reajustar duas vezes — uma pela mudança de API que você já fez, e outra pela mudança de tarifa que você ainda não fez.
O Gemini 3.8 Flash é também, segundo a própria descrição do Google, o “modelo Flash da geração anterior” — estável, ainda o padrão por trás do agente e do SDK Antigravity, e o alvo de migração designado para solicitações do gemini-2.5-pro a partir de 1º de dezembro de 2026. É um cavalo de batalha com um horizonte conhecido sem aposentadoria, não um experimento de fronteira. Essa é uma virtude real, e não é algo que o Sage-S2.1-Flash ofereça atualmente.

Dois produtos diferentes com "Flash" no nome
A coincidência de nomes está fazendo mais trabalho do que merece, então vale a pena desmontá-la.
O Gemini 3.8 Flash é um cavalo de batalha multimodal, proprietário e hospedado. Ele aceita entrada de texto, imagem, vídeo, áudio e arquivos e retorna texto. O Artificial Analysis atribui a ele 30,8 no Índice de Inteligência em esforço alto, operando a aproximadamente 114 tokens de saída por segundo, com um tempo até o primeiro token de 19,7 segundos em seu teste de contexto longo. O preço é por token, com medição de uso, e está disponível hoje por meio da própria API do Google e de canais de revenda em nuvem.
O outro lado do nome é um artefato de pesquisa. O Sage-S2.1-Flash tem 320 bilhões de parâmetros, com 18 bilhões ativos por token, publicado como 120 shards bfloat16 sob uma licença MIT pelo Shanghai AI Laboratory em 15 de novembro de 2026 — 645 GB de pesos, uma torre de visão e uma configuração que declara um limite de 1.048.576 tokens em 45 camadas. Trinta e quatro dessas camadas usam um tipo de atenção linear; onze usam atenção esparsa. Não é um serviço. É um download com um guia de implantação anexado.
A palavra “Flash” em ambos os nomes significa, respectivamente, “camada pequena em uma linha de produtos hospedados” e “a variante rápida de uma família de modelos de pesquisa”. Eles não competem pelo mesmo item de linha. Eles competem pelo mesmo trabalho, e apenas às vezes.
O único benchmark cujo nome eles compartilham
Aqui a comparação torna-se genuinamente interessante e, em seguida, imediatamente decepcionante de uma forma instrutiva.
A tabela de avaliação do InternLM para o Sage-S2.1-Flash abrange 35 benchmarks e oito modelos de comparação: GLM-5.3-Flash, DeepSeek-V4.1-Flash-1017, Qwen3.8-Max, GPT-5.6 Sol, Claude Opus 5, GPT-6 Astra, GPT-6.1 Sol e Claude Opus 5.5. O Gemini 3.8 Flash não está entre eles. Não há um placar compartilhado para esse confronto, seja criado pelo fornecedor ou não.
O que coincide é o nome de um benchmark. A InternLM reporta 87,9 para o Sage-S2.1-Flash no Terminal-Bench 2.1. A Artificial Analysis reporta 87,6 para o Gemini 3.8 Flash no Terminal-Bench 2.1. Há três décimos de diferença, e é tentador chamar isso de empate — o que estaria errado. Os dois números vêm de harnesses diferentes, com scaffolds, contagens de tentativas e configurações de ferramentas diferentes, e nenhum dos laboratórios publicou suas configurações de execução. Uma diferença de 0,3 ponto entre dois harnesses privados não é medida de nada. É uma coincidência que por acaso é conveniente para quem quiser alegar paridade.
Tudo o mais que os dois têm em comum precisa ser analisado por raciocínio, e não por subtração. A Artificial Analysis atribui ao Gemini 3.8 Flash 95,3 no GPQA Diamond, 85,6 no MMMU-Pro, 47,8 no Humanity's Last Exam, 56,6 no SciCode e um GDPval de 1.442. A InternLM atribui ao Sage-S2.1-Flash 75,8 no BabyVision, 84,8 no OSWorld-G, 72,2 no OfficeQA Pro V2, 90,3 no MLE-bench Lite e 25,0 no Harvey LAB. Essas listas quase não se sobrepõem e, onde não se sobrepõem, não há nada a comparar — apenas dois laboratórios descrevendo pontos fortes diferentes em vocabulários diferentes.

De onde vêm as evidências: essa é a verdadeira diferença.
Deixe os números de lado por um momento e observe a proveniência, pois é ela que determina quanto peso qualquer um dos pontos acima pode ter.
O Gemini 3.8 Flash é medido por terceiros em um harness público. O valor de 30,8 no Intelligence Index, os números de velocidade e as pontuações no GPQA e no MMMU-Pro vêm todos do Artificial Analysis executando o mesmo procedimento que aplica a todos os modelos que lista. Você pode discordar do harness; não pode acusar o Google de tê-lo escrito.
Sage-S2.1-Flash é medido apenas por seus autores, em um arquivo separado por tabulações commitado em um repositório do GitHub criado em 16 de novembro, publicado em um site estático em internlm.github.io/Sage-S2.1-Flash. Nada no repositório do Hugging Face remete a esse site. O card do modelo contém uma linha de licença e nada mais — 21 bytes, todos eles frontmatter YAML.
A tabela do fornecedor tem, sim, um sinal de credibilidade que merece crédito: ela inclui linhas em que o modelo perde. O Sage fica atrás do DeepSeek-V4.1-Flash-1017 em 6,9 pontos no DeepSWE, 5,5 no NL2Repo-Bench e 7,5 no APEX-Agents, e fica atrás do Qwen3.8-Max no Terminal-Bench 2.1 e no SWE-bench Pro. Um laboratório que publica suas próprias derrotas é um laboratório que se pode ler. Mas uma tabela autopublicada com derrotas ainda é uma tabela autopublicada, e nenhum terceiro reproduziu uma única linha.
Quatro perguntas que as pessoas realmente estão fazendo
A maior parte da confusão neste confronto vem de juntar várias decisões separadas em uma só. Separadas, cada uma tem uma resposta clara.
• O Sage-S2.1-Flash pode substituir o Gemini 3.8 Flash em trabalhos de texto de alto volume? Não, e não é por causa da qualidade. O Gemini 3.8 Flash, a $0.75 por milhão de tokens de entrada, é mais barato do que a eletricidade e a amortização no nó de que o Sage precisa, para uma carga de trabalho medida em milhões de chamadas curtas. Esta é a ferramenta errada para esse trabalho, qualquer que seja a pontuação no benchmark.
• O Sage vence em contexto longo, já que ambos alegam um milhão de tokens? Só a partir de janeiro. Hoje, o Gemini 3.8 Flash cobra US$ 0,75 por milhão de tokens de entrada em toda a sua janela, sem sobretaxa para prompts longos; o mesmo vale para US$ 1,50 a partir de 1º de janeiro. O Sage não tem preço por token algum, o que significa que a questão não é "qual é mais barato por token", mas "qual é mais barato por mês" — e isso depende de o nó de oito H200 estar ocupado. Um nó que fica ocioso entre tarefas é mais caro do que quase qualquer tarifa por token.
• O teto de saída é um problema? Para o Sage, é desconhecido — nenhum documento da versão declara um comprimento máximo de saída. Para o Gemini 3.8 Flash, é de 64.000 tokens, o que é suficiente para a maioria das etapas agênticas e não é suficiente para geração de texto longo em uma única chamada. Se sua carga de trabalho emite 100K tokens em uma única resposta, o Gemini 3.8 Flash é desqualificado por especificação, não por pontuação.
• Qual deles posso realmente chamar na segunda-feira? Gemini 3.8 Flash. O Sage-S2.1-Flash não tem um endpoint hospedado que pudéssemos confirmar; o link "Try the API" do site de lançamento aponta para um portal que não renderizaria seu catálogo para um cliente sem JavaScript, e nenhum provedor de inferência listava o modelo no Hugging Face no momento da redação.

Onde a alegação científica teria de ser testada
A alegação diferenciadora do Sage-S2.1-Flash não é “melhor agente”, mas sim “mais tipos de entrada científica em um único modelo”: grafos moleculares, estruturas cristalinas, sequências e estruturas tridimensionais de proteínas, DNA e RNA, espectros, espectros de massa, difração de raios X, eletrocardiogramas, eletroencefalogramas e curvas de luz. Essa lista vem do material de divulgação em inglês da InternLM, não da ficha do modelo, e é uma declaração de design, não um resultado medido.
A documentação do Gemini 3.8 Flash não faz nenhuma alegação equivalente. Ele aceita vídeo e áudio nativamente — uma vantagem real de escopo que a configuração do Sage também oferece suporte por meio dos tipos de token de vídeo e áudio —, mas o Google não o descreve como treinado em espectros ou padrões de difração. A forma honesta de dizer isso é que, em formatos científicos, um modelo tem uma especialização documentada e nenhuma verificação independente, e o outro tem ampla entrada multimodal e pontuações de terceiros em benchmarks gerais que, por acaso, incluem alguns científicos (SciCode com 56.6, GPQA com 95.3).
Se essa especialidade é importante para o seu trabalho, o teste não é uma tabela de classificação. É um punhado de suas próprias figuras, espectros ou crioimagens, passados pelos dois, verificados por um especialista do domínio. Dez documentos e uma tarde resolvem mais do que trinta e cinco linhas de fornecedores, e é o único experimento neste artigo que produz um resultado que você pode defender internamente.
As armadilhas de servir, porque elas decidem o fim de semana.
Qualquer pessoa que faça o download do Sage-S2.1-Flash deve ler primeiro o guia de implantação, por um motivo fácil de subestimar: toda falha que ele documenta é silenciosa. O tokenizador lerá incorretamente a sintaxe agêntica, imagens serão anexadas ao resultado de ferramenta errado em uma chamada paralela fora de ordem, o SGLang substituirá silenciosamente seu próprio template de chat, o cache KV FP8 não funcionará no Hopper, e o LMDeploy rejeitará um tipo de camada renomeado a menos que o transformers esteja fixado abaixo de 5.19. Nenhuma dessas falhas produz uma mensagem de erro. Todas produzem uma saída plausível sobre a entrada errada, que é o pior modo de falha que um agente pode ter.
A lista equivalente do Google é mais curta e tem melhor suporte: sem temperature, top_p ou top_k; sem turnos pré-preenchidos; erros Malformed_Function_Call rastreados até texto anterior à ferramenta; call_id e name obrigatórios em cada FunctionResponse. A diferença entre as duas listas não é o comprimento. É que uma tem um guia de migração e um caminho de suporte por trás, e a outra é um aviso num arquivo markdown, escrito pelas pessoas que escreveram o modelo, para o primeiro punhado de usuários.
Testando ambos sem se comprometer com nenhum dos dois
Um detalhe prático sobre o precipício de janeiro: como um catálogo de repasse reflete o preço de tabela do provedor em vez de uma cópia negociada dele, uma mudança de tarifa entra em vigor no dia em que o fornecedor a publica. O Gemini 3.8 Flash pode ser chamado pelo OrcaRouter agora em google/gemini-3.8-flash — US$ 0,75 de entrada e US$ 3,75 de saída por milhão, a tabela introdutória, com a janela de 1.048.576 tokens intacta — e, quando o Google passar para US$ 1,50 e US$ 7,50, o catálogo mostra isso também, sem renegociação. O Sage-S2.1-Flash não está no catálogo de jeito nenhum; são pesos MIT que você serviria no seu próprio hardware, e nenhum roteador muda isso.
O movimento útil para uma equipe que está avaliando isso não é alugar oito H200 por intuição. É rodar o teste de formato científico descrito acima contra um modelo hospedado que você pode chamar em uma tarde e colocar um número no que o aumento de janeiro realmente faz com a sua fatura antes de projetar em torno disso. Duas linhas de aritmética cobrem a maioria das equipes: multiplique os tokens de entrada do Gemini 3.8 Flash do mês passado por $0.75 e de novo por $1.50, e faça o mesmo para a saída a $3.75 e $7.50. Se a diferença for menor que uma única H200-hora por mês, o modelo aberto não é a resposta e nenhuma quantidade de leitura de benchmark fará com que seja. Se a diferença for maior, agora você sabe o orçamento que tem para um experimento, o que é um ponto de partida muito melhor do que uma posição em um ranking.
Essa aritmética também explica por que vale a pena prestar atenção ao preço de repasse aqui. A OrcaRouter pratica o preço de tabela do provedor sem acréscimo de margem, então a mudança de 1º de janeiro aparecerá no catálogo no dia em que o Google a publicar, em vez de só na próxima renovação de contrato. Uma comparação feita com base nos $0.75 de hoje estará errada em seis semanas; uma feita com base em um catálogo ativo pelo menos falha de forma evidente.
Quando a comparação de fato se concretizar — um preço Sage publicado ou um endpoint hospedado que valha a pena rotear —, o DSL de roteamento é o que torna barato agir: uma política que envia chamadas em formato científico para o modelo especializado e todo o resto para a camada Flash barata, com failover automático para que um endpoint experimental nunca se torne um ponto único de falha. É essa a postura que este confronto realmente exige. Não uma migração, uma divisão.
O que decidir, e quando
Antes de 1º de janeiro de 2027, a resposta pragmática é o Gemini 3.8 Flash para qualquer coisa voltada à produção e com medição por tokens, porque é barato, é medido, é chamável e sua mudança de preço tem uma data conhecida, em vez de ser uma surpresa. O Sage-S2.1-Flash só vale uma avaliação se o seu trabalho envolver os formatos de entrada científica que ele nomeia — e apenas se você tiver as GPUs ou a paciência.
Depois de 1º de janeiro, o cálculo muda exatamente por um fator de dois no lado do Google, e o argumento a favor do modelo aberto fica mais forte sem que o modelo aberto faça nada. Vale a pena planejar isso agora: se a sua fatura de contexto longo é o motivo de você estar lendo isto, faça as contas com US$ 1,50 e US$ 7,50 antes de comprometer a arquitetura com uma tarifa que expira em seis semanas.
E mantenha uma coisa clara do início ao fim. Sage-S2.1-Flash não é um Gemini mais barato. É um modelo científico aberto de grande porte, com uma especialização documentada, sem preço e sem pontuação independente, publicado sem anúncio por um laboratório que ainda não disse quanto custa. O motivo para observá-lo é que você pode ser dono dele. O motivo para não adotá-lo neste mês é que ninguém, incluindo seus autores, disse a você o que ele faz sob uma estrutura de avaliação que você possa inspecionar.
Comparados neste artigo2
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
