Ultramarine 1 Flash vs Claude Haiku 4.5: Dois números de custo por tarefa que não medem a mesma coisa

Os dois modelos desta comparação publicam ambos um custo por tarefa, e a tentação é colocar os números lado a lado e subtrair. A Paper Instruments afirma que o Ultramarine 1 Flashconclui um trabalho por US$ 0,13. A Artificial Analysis mede o Claude Haiku 4.5, na sua configuração de raciocínio, em US$ 0,28 por tarefa concluída do Intelligence Index. Um custa menos da metade do outro, e se esse fosse o quadro completo a decisão levaria dez segundos. Não é o quadro completo, porque esses dois números vêm de conjuntos diferentes, que pedem ao modelo coisas diferentes, e entender qual conjunto se parece com o seu trabalho é a comparação inteira. As próprias tarifas estão ainda mais distantes: US$ 0,15 por milhão de entrada e US$ 0,50 de saída para o modelo da Paper Instruments, contra US$ 1,00 e US$ 5,00 do da Anthropic — uma diferença de 6,7x na entrada e de 10x na saída.

Há uma segunda assimetria. Claude Haiku 4.5 tem uma pontuação publicada por um laboratório que não é seu criador. Ultramarine 1 Flash tem uma pontuação publicada pela empresa que o treinou, em uma suíte que essa empresa criou. Aqui, ambos os fatos importam mais do que qualquer número isolado de benchmark, e nenhum dos dois aparece em uma comparação lado a lado.

As duas tabelas de preços, e a linha que não é a mesma nas duas

Os valores do Ultramarine são os preços publicados da API da Paper Instruments e as suas próprias avaliações publicadas. O preço do Claude Haiku 4.5 é a tabela de preços da Anthropic; os seus valores de avaliação são medições da Artificial Analysis, identificadas como tal.

• Entrada — Ultramarine 1 Flash $0,15 por milhão de tokens vs. Claude Haiku 4.5 $1,00. O modelo da Anthropic custa 6,7 vezes mais na entrada.

• Entrada em cache — US$ 0,03 vs US$ 0,10 por milhão, um desconto de 90% do lado da Anthropic contra um desconto de 80% do lado da Paper Instruments. A diferença absoluta permanece ampla, a proporcional se estreita.

• Saída — US$ 0,50 vs US$ 5,00 por milhão. 10x, e é aqui que a diferença realmente aparece, porque o trabalho com documentos gera uma grande quantidade de saída.

• Contexto — 131.072 tokens na configuração de treinamento especificada pelo relatório técnico, em comparação com 200.000 na tabela de preços do Haiku. A Anthropic possui aproximadamente 1,5x mais.

• Saída máxima — não publicada pela Paper Instruments vs 64.000 tokens para Claude Haiku 4.5. Uma célula em branco na lista.

• Entradas — Claude Haiku 4.5 aceita uploads de texto, imagem e ficheiros. Ultramarine 1 Flash é construído em torno de trabalho com texto e documentos; a sua base, GLM-5.3 Flash, é nativamente multimodal, mas a Paper Instruments não publica uma lista de modalidades para o derivado.

• Custo medido por tarefa concluída — US$ 0,13 no PI Knowledge Work para o Ultramarine 1 Flash vs US$ 0,28 no Intelligence Index para o Claude Haiku 4.5 (raciocínio). Os números que as pessoas vão citar umas para as outras. A próxima seção explica por que eles não são a mesma unidade.

O que cada pontuação realmente abrange

O histórico publicado do Claude Haiku 4.5 vem em duas configurações, e vale a pena diferenciá-las, porque um resultado de busca geralmente mostrará a errada. O Artificial Analysis lista a configuração sem raciocínio com um Intelligence Index de 15 e 87,3 tokens de saída por segundo. A configuração de raciocínio — aquela com um valor de custo por tarefa associado, e a que este artigo usa do início ao fim — apresenta um Intelligence Index de 17, 90,0 tokens de saída por segundo, US$ 1,00 de entrada e US$ 5,00 de saída por milhão, um desconto de 90% no cache, US$ 0,28 por tarefa concluída do Index e verbosidade de 78 milhões de tokens de saída. Sua janela de contexto é de 200.000 tokens, com data de corte de conhecimento em julho de 2025, e ela aceita texto e imagem.

O Intelligence Index é montado a partir de avaliações de matemática, programação, raciocínio e agentes. Nenhum de seus testes componentes pede a um modelo que produza uma apresentação para o conselho, um memorando de due diligence ou um modelo de Excel com uma previsão ao vivo dentro dele, porque esses artefatos não têm uma única resposta correta e um benchmark que os avaliasse precisaria de uma rubrica por tarefa.

Que é exatamente o que a Paper Instruments construiu, e exatamente por que a comparação não pode ser uma subtração. O PI Knowledge Work é uma suíte de entregáveis prontos para o cliente em finanças, direito, consultoria e operações, avaliados tarefa a tarefa por um modelo de classificação por rubricas, com base em rubricas elaboradas. O Ultramarine 1 Flash pontua 59,3 nesse conjunto, a US$ 0,13 por tarefa. Uma pontuação de 59,3 numa rubrica de entregáveis documentais e uma pontuação de 17 num índice de matemática e programação não são quantidades comparáveis. O valor do custo também não é, porque uma tarefa numa suíte pode ser uma ordem de magnitude mais longa do que uma tarefa na outra.

O que a combinação sustenta é mais restrito, mas ainda útil. O Claude Haiku 4.5 foi avaliado por alguém sem interesses envolvidos, em testes que ninguém da Anthropic projetou. O Ultramarine 1 Flash não. Isso não é uma crítica aos números da Paper Instruments — a empresa divulga seu método com um nível de detalhe incomum —, mas é uma diferença no tipo de evidência oferecida, e um comprador que colocar a escolha diante de um comitê de risco vai perceber isso imediatamente.

Onde o Claude Haiku 4.5 vence sem contestação

Três lugares, e nenhum deles tem a ver com ser mais inteligente.

A entrada multimodal é a mais clara. Um contrato digitalizado, uma captura de tela de uma planilha quebrada, uma fotografia de um quadro branco — tudo isso entra no Claude Haiku 4.5 por meio de uma interface que a suporta, sem alterações, há um ano. O Ultramarine 1 Flash apoia-se em um modelo base que lê imagens e vídeo, mas o fornecedor não publica nenhuma lista de modalidades para seu derivado, e nenhum exemplo no relatório técnico depende de uma imagem que o modelo tenha de olhar. Se seus documentos chegarem digitalizados, isso decide a questão por si só.

A maturidade operacional vem em segundo lugar. Um modelo com um ano de tráfego de produção nas costas já teve seus modos de falha descobertos e documentados por pessoas que não estavam sendo pagas para encontrá-los. Um modelo publicado em 14 de outubro de 2026 não teve, e a primeira semana de qualquer novo endpoint é quando você descobre o que ele faz sob carga.

A verificação independente é a terceira, e é a que se acumula. Cada mês adicional de vida do Haiku 4.5 é mais um mês em que alguém o rodou no próprio trabalho e anotou o que aconteceu.

Onde a diferença se reduz a quase nada — e por que a aritmética é enganosa

O 10x na manchete sobre a saída é real, e num trabalho de documento longo produz exatamente a conta que você preveria. O que a manchete esconde é que a economia por tarefa dos dois modelos pode convergir, porque uma tarefa no PI Knowledge Work não é a mesma quantidade de trabalho que uma tarefa no Intelligence Index — e porque o modelo Anthropic, na prática, é fortemente armazenado em cache.

Há um número contra-intuitivo do lado do Paper Instruments que vale a pena ler com atenção. Nos seus seis benchmarks, o Ultramarine 1 Flash gera 6,5% menos tokens de saída do que o modelo GLM-5.3 Flash a partir do qual foi pós-treinado — 30,5 milhões contra 32,7 milhões, incluindo raciocínio — ao mesmo tempo que obtém melhor pontuação em todos os seis. Uma eficiência de tokens que melhora não é o sentido habitual de evolução num processo de pós-treinamento e, numa tabela de preços por milhão de tokens, representa um segundo desconto acumulado sobre o primeiro. Essa é a única comparação na página Paper Instruments em que ambos os lados são medidos pelo mesmo método, no mesmo conjunto de testes, o que a torna o número mais confiável do lançamento.

Em contrapartida, o Claude Haiku 4.5 é o modelo mais barato numa comparação que ninguém anuncia: a $0,28 por tarefa Index concluída, seu preço é para uma suíte cujas tarefas são mais curtas e menos agênticas do que um memorando de due diligence. Coloque um entregável jurídico ou financeiro real diante de cada um e a cifra de $0,13 nunca estava medindo a mesma unidade de trabalho que a de $0,28.

Ambos os modelos estão em uma única chave através do OrcaRouter, se quiser resolver isto empiricamente em vez de ler. O Claude Haiku 4.5 é servido a $1,00 e $5,00 por milhão de tokens com nada acrescentado por token — o preço de tabela do fornecedor repassado diretamente, pelo que uma alteração de tarifa do fornecedor fica ativa do nosso lado no mesmo dia, o que, para um modelo cujo preço já mudou antes, não é uma propriedade trivial. Passar os mesmos vinte documentos por ambos e ler as faturas custa menos do que a reunião sobre qual escolher, e produz um número em vez de uma discussão.

A decisão, expressa como uma bifurcação

Se a entrada for um documento que alguém digitalizou ou uma captura de tela, a resposta é Claude Haiku 4.5 e não há mais nada a discutir.

Se a entrada for texto e a saída for um entregável finalizado — um modelo, uma apresentação, um memorando — e o volume for alto o suficiente para que $0.15 versus $1.00 na entrada mude a forma do projeto, o Ultramarine 1 Flash vale um piloto no seu próprio trabalho. Ele tem um dia de idade. O $0.13 é relatado pelo fornecedor com base em uma suíte criada pelo fornecedor, e ainda não existe avaliação independente. Mas a tabela de preços é real, a comparação de eficiência de tokens é medida da única forma honesta de medi-la, e os ganhos sobre o próprio modelo base nos quatro benchmarks em que ele lidera são consistentes, e não escolhidos a dedo.

Se sua carga de trabalho inclui ambos, a medida útil não é escolher. Uma regra de roteamento pode manter o caminho de documentos digitalizados no modelo Anthropic e enviar o caminho de texto para entregável àquele que, entre os dois, atender ao seu padrão de qualidade em uma amostra — e, se o mais novo falhar, a solicitação vai para o mais antigo sem alteração de código e sem um segundo contrato para assinar.

O que resolveria a questão em aberto seria uma única avaliação independente do Ultramarine 1 Flash em uma suíte que seu criador não escreveu. Até que ela exista, a posição honesta é que o Claude Haiku 4.5 é o modelo cujo comportamento você consegue prever e o Ultramarine 1 Flash é o modelo cujo preço você gostaria de poder aproveitar. Nada publicado hoje diz que você não pode. Nada publicado hoje, exceto a própria página do fornecedor, diz que você pode.

É também em comparações como esta que os modos de falha aparecem: os incidentes de IA documentados e as falhas de agentes por trás dos modelos desta classe são reunidos no OrcaRouter AI Incident Archive, onde cada entrada traz as suas próprias fontes, severidade, grau de confiança e sinalizador de disputa.