Сгенерированная титульная карточка с надписью 'Sage-S2.1-Flash vs DeepSeek V4.1 Flash' над подзаголовком 'Две MoE с открытыми весами, одна таблица результатов поставщиков', а ниже — две плашки с надписями '18B активных' и '16B активных'. Белый фон, синие и голубые градиентные акценты, плоские линейные иконки. Логотип OrcaRouter наложен в правом нижнем углу.
Guides & Insights

Sage-S2.1-Flash vs DeepSeek V4.1 Flash: единственное противостояние с общей таблицей результатов

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

В интернете есть ровно одно место, где {{1}}Sage-S2.1-Flash{{/1}} и {{2}}DeepSeek V4.1 Flash{{/2}} оценивались друг против друга, и оно не является нейтральным. {{3}}InternLM{{/3}}, лаборатория, опубликовавшая {{1}}Sage-S2.1-Flash{{/1}} 15 ноября 2026 года, включила {{4}}DeepSeek-V4.1-Flash-1017{{/4}} в собственную сравнительную таблицу — 35 бенчмарков, восемь конкурирующих моделей, файл с разделителями-табуляциями в репозитории GitHub, на который карточка модели {{5}}Hugging Face{{/5}} не ссылается. Итак, у двух моделей общая таблица результатов, и одна из них её создала.

Этого не скажешь о двух других сравнениях в этой серии, где общей таблицы нет вообще. Это также делает её самой полезной из трёх страниц, потому что общая таблица — даже если она составлена самим вендором — позволяет задавать вопросы, на которые пара отдельных постов в блоге ответить не может. Далее речь пойдёт о том, что говорит общая таблица, что представляют собой две архитектуры, лежащие в её основе, и насколько этому стоит верить.

Асимметрия, которая задаёт рамки всему

Сопоставьте два релиза как артефакты, прежде чем сопоставлять их как модели.

DeepSeek V4.1 Flash появился 10 сентября 2026 года вместе с полной карточкой модели, PDF-отчётом под названием «Pushing the Limits of KV Cache Compression», лицензией MIT, документированным API с опубликованными тарифами на пиковые и непиковые часы, а также обновлённым снапшотом — 1017 — от 17 октября. Его репозиторий на Hugging Face скачали 1,69 млн раз, и он собрал 4 978 лайков. Artificial Analysis независимо оценивает его в 32,6 балла по Intelligence Index при максимальном уровне усилий.

Sage-S2.1-Flash появилась 15 ноября 2026 года со 120 шардами bfloat16, 21-байтовой карточкой модели, всё содержимое которой составляет декларация лицензии, руководством по развёртыванию и отсутствием опубликованной цены где бы то ни было. У неё один лайк и ноль загрузок. Ни один независимый испытательный стенд её ещё не проверял.

Оба — открытые по весам смеси экспертов под лицензией MIT с контекстным окном в миллион токенов и нативным вводом изображений. На бумаге они равны. По фактам — далеко нет.

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.

Что на самом деле содержит общая таблица

В файле бенчмарков InternLM перечислена 31 строка, содержащая показатель DeepSeek-V4.1-Flash-1017. Читать его — совсем не то же самое, что читать пост о запуске, потому что строки, где Sage проигрывает, всё ещё на месте. Показательный фрагмент, Sage первым в каждой строке:

• Terminal-Bench 2.1 — 87.9 против 87.6, ничья с разницей в три десятых

• DeepSWE — 67,0 против 73,9, отставание на 6,9 пункта

• SWE-bench Pro — 60,6 против 64,7, отставание в 4,1 пункта

• NL2Repo-Bench — 57,2 против 62,7, отставание на 5,5 пункта

• APEX-Agents — 61,7 против 69,2, отставание на 7,5 пункта

• WideSearch — 81,5 против 86,3

• BrowseComp — 91,2 против 93,8

• CyberGym — 84,3 против 88,8

• τ³-bench Banking — 45,4 против 47,4

• OSWorld v2.1 — 69,3 против 70,1

• AutomationBench — 56,7 против 57,8

Закономерность в этом списке неудобна для более новой модели: в общих агентных задачах и задачах по программированию DeepSeek V4.1 Flash выигрывает в большинстве строк, часто с отрывом, который нельзя списать на шум. Модель, опубликованная двумя месяцами ранее лабораторией с публичным техническим отчётом, превосходит тихий релиз на бенчмарках, которые сам тихий релиз выбрал для публикации.

Затем таблица переворачивается. Строки, где лидирует Sage, — это научные и документальные, а разрывы имеют совершенно иной порядок:

• Harvey LAB — 25.0 против 11.7, более чем вдвое

• OfficeQA Pro V2 — 72,2 против 69,7

• BabyVision — 75,8 против 58,0, разрыв в 17,8 пункта

• OSWorld-G — 84,8 против 61,4 — разрыв в 23,4 пункта

• MLE-bench Lite — 90,3 против 89,2

• Workspace-Bench-Lite — 67.1 против 66.8

• GDPval — 78,0 против 77,6

• SpreadsheetBench 2 — 37,1 против 35,8

Две закономерности, и они указывают в противоположных направлениях. В области разработки программного обеспечения и работы агентов, управляемых инструментами, в общей среде DeepSeek V4.1 Flash — более сильная модель, и собственные цифры InternLM это подтверждают. В области научного восприятия, профессиональной работы с большим объёмом документов и графического управления рабочим столом Sage-S2.1-Flash не просто незначительно опережает, а находится в другой весовой категории.

Почему архитектуры дали бы именно такое разделение

Эти две модели решают разные задачи, и их конфигурации говорят об этом ещё до того, как это покажет какой-либо бенчмарк.

DeepSeek V4.1 Flash — это магистральная модель с 552 млрд параметров и 16 млрд активных параметров на токен, построенная на архитектуре Causal Encoder-Decoder, которую DeepSeek называет причинной архитектурой кодер-декодер: 40 слоёв, поровну разделённых на 20-слойный причинный кодер и 20-слойный декодер. В техническом отчёте основной акцент сделан на сжатии KV-кэша — главное заявление модели касается эффективности обслуживания при миллионе токенов, а не восприятия. Она обрабатывает изображения нативно, но опубликованный акцент — экономика обслуживания длинного контекста.

Sage-S2.1-Flash — это модель с 320 млрд параметров, из которых 18 млрд активны на каждый токен, и, согласно руководству по развертыванию, 45 слоями. Конфигурация резко их разделяет: 34 слоя используют тип линейного внимания, который в файле называется kda, и только 11 используют разреженное внимание с top-k-индексом на 2 048 токенов. Имеется 24-слойная визуальная башня при входном разрешении 448 пикселей, а словарь токенов содержит явные токены изображения, видео, аудио, начала и конца. Собственный англоязычный текст релиза InternLM — размещённый на internlm.github.io/Sage-S2.1-Flash, созданный 16 ноября и не упомянутый в карточке модели — описывает обучение на молекулярных графах, кристаллических структурах, белковых последовательностях и 3D-структурах, ДНК и РНК, спектрах, масс-спектрах, рентгеновской дифракции, электрокардиограммах, электроэнцефалограммах и кривых блеска.

Сопоставьте этот список со строками, в которых побеждает Sage, и картина перестанет выглядеть как удача в бенчмарках. Harvey LAB — это юридическая работа с документами. OfficeQA Pro — это ответы на вопросы по финансовым документам. BabyVision — это визуальное восприятие. OSWorld-G — это управление графическим рабочим столом: клики по интерфейсу, а не вызовы API. Это те конструкты, в которых модель, обученная на научных иллюстрациях, спектрах, графиках и программных интерфейсах, должна была бы быть сильна, и именно здесь модель, обученная для эффективного с точки зрения KV-кэша общего обслуживания, должна была бы отставать.

Этот тезис работает в обе стороны. Sage проигрывает в строках по программированию, потому что это не в первую очередь модель для программирования; DeepSeek проигрывает в строках по зрению, потому что это не в первую очередь модель восприятия. Ни тот, ни другой результат не является скандалом. Ошибкой было бы воспринимать любой из этих столбцов как общий вердикт.

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.

Ценовой спред, который не близок

У DeepSeek V4.1 Flash есть опубликованный тариф, и это один из самых низких тарифов среди всех моделей такого размера:

• В непиковое время, при промахе кэша — $0,15 за миллион входных токенов, $0,60 за миллион выходных токенов

• Пиковый режим, промах кэша — $0.30 за миллион входных, $1.20 за миллион выходных

• Попадание в кэш — $0,003 за миллион в непиковое время, $0,006 в пиковое

• Часы пик — 01:00–04:00 и 06:00–10:00 UTC, с понедельника по пятницу, за исключением китайских государственных праздников.

• Контекст — 1 000 000 токенов, при объёме вывода до 384 000 токенов

У Sage-S2.1-Flash нет опубликованного тарифа. Цены нет ни на карточке модели, ни в руководстве по развёртыванию, ни на микросайте релиза; ссылка «Try the API» на сайте ведёт на портал, который не отобразил бы свой каталог клиенту без JavaScript. Вместо этого у Sage есть требование к оборудованию: эталонное развёртывание из руководства — восемь GPU H200 в bfloat16, примерно 645 ГБ весов на узле.

Это превращает сравнение затрат в вопрос формы, а не числа. DeepSeek V4.1 Flash стоит $0,15 за миллион входных токенов в непиковые часы, то есть запрос на миллион токенов обходится в пятнадцать центов. Запуск Sage-S2.1-Flash на миллионе токенов стоит столько, сколько вам обходятся восемь H200 за реальное время выполнения вызова, и никто не опубликовал показатель пропускной способности для него. Если эта нода уже у вас есть, предельная стоимость вызова близка к нулю, и на этом фоне DeepSeek выглядит дорогим. Если нет, DeepSeek выигрывает с таким большим отрывом, что сравнивать с Sage не стоит, пока не появится цена на хостинг.

Чего вам не расскажет общая таблица

Одну особенность сравнения, подготовленного поставщиком, стоит обозначить четко, поскольку она влияет на то, как читать каждую строку выше: тестовый стенд недокументирован. InternLM опубликовала цифры, но не конфигурацию запуска. Там не указано, сколько попыток отводилось на задачу, какой скаффолдинг использовался, какие параметры сэмплирования применялись, были ли доступны инструменты и каким был бюджет рассуждений для каждой из моделей. Собственный результат DeepSeek — 32,6 в Artificial Analysis Intelligence Index — получен с помощью публичного тестового стенда, который применяет одну и ту же процедуру ко всем моделям в своем индексе; результат InternLM — 73,9 для DeepSeek на DeepSWE — получен с помощью закрытого.

Это не делает таблицу бесполезной. Это делает её ориентировочной. Строки для кодинга и строки для зрения достаточно велики и достаточно внутренне согласованы, так что выбор скаффолдинга, вероятно, не порождает их. А вот ничья в три десятых на Terminal-Bench 2.1 вполне укладывается в диапазон, который могла бы дать любая вариация харнесса — считайте разницу в 0,3 балла ничьей, и ничего не потеряется.

Также стоит отметить: InternLM опубликовала для DeepSeek показатель на DeepSWE (73.9), который высок относительно других строк по программированию в её собственной таблице, где DeepSeek получает 64.7 на SWE-bench Pro. Такое внутреннее противоречие — это то, что опубликованный харнесс позволил бы разрешить за полдня, а закрытый не может разрешить вовсе.

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.

Развёртывание: один день против одного документа

Если вы выбираете, исходя из оперативных соображений, а не из строк с результатами бенчмарков, разрыв оказывается шире, чем предполагают оценки, и он направлен в ту же сторону, что и разрыв в доказательствах.

DeepSeek V4.1 Flash поставляется с техническим отчётом, стандартной архитектурой transformers, вариантом fp8 и тегами развёртывания для Azure и SageMaker в карточке модели. Он уже два месяца доступен в открытом доступе, у него 1,69 млн загрузок, и со всеми особенностями его обслуживания кто-то уже сталкивался и описал их.

Sage-S2.1-Flash поставляется с руководством по развёртыванию, которое, если читать внимательно, представляет собой список тихих сбоев. Не укажите --trust-remote-code — и штатный токенизатор закодирует агентные строки вроде <|user|> и <tool_call> как управляющие токены: модель остановится раньше времени или испортит вызов инструмента, и при этом ничего не будет залогировано. Запустите её на vLLM без одностраничного патча из vllm_patch/ — и параллельные результаты инструментов, возвращающиеся не по порядку, прикрепят изображения не к тому результату, так что модель ответит не про ту картинку; исправление в upstream пока ожидает в vllm-project/vllm#67108. Запустите её на SGLang, не передав chat_template.jinja явно, — и движок установит собственный шаблон для этой архитектуры. На Hopper кэш KV в FP8 не поддерживается. Для LMDeploy нужно закрепить transformers в диапазоне между 5.17 и 5.19, поскольку в 5.19 был переименован один тип слоя.

Всё это задокументировано, и это делает честь лаборатории — больше, чем удаётся большинству тихих релизов. Но это также отпечаток модели, которой до сих пор пользовались только её собственные авторы.

Единственное полезное, что решает общая таблица

Учитывая всё вышесказанное, вот решение, которое на самом деле подтверждают доказательства.

• Если ваша работа — это код, инструменты для агентов или общая работа с длинным контекстом — DeepSeek V4.1 Flash. Он выигрывает большинство этих строк в собственной таблице конкурента, стоит $0,15 за миллион входных токенов в непиковые часы, и у него есть независимая оценка для сверки. Здесь нет серьёзных оснований выбирать Sage.

• Если ваша работа связана с научной графикой, спектрами, графиками, отсканированными профессиональными документами или программным обеспечением с графическим интерфейсом — Sage-S2.1-Flash стоит того, чтобы посвятить ему выходные. Разрыв в 23 пункта по OSWorld-G и разрыв в 13 пунктов по Harvey LAB — это та разница, которая меняет сам ответ на вопрос, можно ли вообще автоматизировать задачу, и ни одна другая модель в таблице InternLM не подходит близко по этим строкам.

• Если вам нужно определиться сегодня — DeepSeek V4.1 Flash, потому что это единственный из двух, который можно вызвать без окна обслуживания.

DeepSeek V4.1 Flash маршрутизируется через OrcaRouter как deepseek/deepseek-v4.1-flash по цене $0.15 за вход и $0.60 за выход за миллион токенов — собственная цена DeepSeek по прайс-листу вне пиковых часов, передаваемая без наценки — с контекстным окном 1,048,576 токенов, наряду со снапшотом 1017 по той же ставке. Sage-S2.1-Flash отсутствует в нашем каталоге; это открытые веса, которые вы бы развернули самостоятельно, и мы не собираемся намекать на обратное.

То, что даёт вам здесь роутер, — это уже, чем миграция, и полезнее, чем бенчмарк. Разделение, которое описывает эта статья, — общая агентная и кодовая работа на одну модель, научная работа и работа с интенсивным GUI на другую, — это ровно та форма, которую выражает политика маршрутизации: одна точка входа, правило, направляющее запросы с изображениями и документами по специализированному пути, и автоматическое переключение при сбое, которое не позволяет деградации на стороне провайдера обрушить весь путь. Оба идентификатора DeepSeek используют один и тот же ключ, поэтому попробовать снапшот 1017 вместо оригинала стоит смены строки модели, а не второго контракта. То, что вы не можете маршрутизировать, — Sage-S2.1-Flash, — это то, что пришлось бы поднимать самостоятельно, и это самый ясный аргумент в пользу того, чтобы сначала прототипировать на том, что есть в каталоге.

Что сделало бы переписывание этой страницы оправданным?

Две вещи. Цена для Sage-S2.1-Flash, которая превратила бы раздел затрат из схемы в арифметику. И независимая оценка, в идеале на том же стенде, на котором DeepSeek V4.1 Flash получил 32,6, — потому что интересный вопрос не в том, превосходит ли Sage DeepSeek в среднем. Всё вышесказанное говорит о том, что нет. Интересный вопрос — сохраняется ли 23-балльное преимущество Sage по OSWorld-G на стенде, написанном не той лабораторией, которая его опубликовала, и действительно ли отставание в 6,9 балла по DeepSWE так реально, как подразумевают строки по программированию в его собственной таблице.

Пока кто-нибудь не перезапустит эти строки, общая таблица результатов — лучшее из доступных доказательств, и её составил один из двух конкурентов. Читайте её так же, как читали бы любое самостоятельно опубликованное сравнение, которое к тому же включает собственные поражения: оно заслуживает большего доверия, чем таблица без единого поражения, но всё равно не то же самое, что измерение.

Сравнение в этой статье1

Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно

© 2026 OrcaRouter