Сгенерированная карточка заголовка с надписью «Sage-S2.1-Flash против Gemini 3.8 Flash» над подзаголовком «У одного есть ценовой обрыв, у другого нет цены», а ниже — два чипа с надписями «удваивается 1 января 2027» и «645 ГБ весов». Белый фон, синие и голубые градиентные акценты, плоские линейные иконки. Логотип OrcaRouter наложен в правом нижнем углу.
Guides & Insights

Sage-S2.1-Flash против Gemini 3.8 Flash: у одного — ценовой обрыв, у другого — нет цены

Автор

jinhao.song

Дата публикации

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

Сегодня Gemini 3.8 Flash стоит $0.75 за миллион входных токенов и $3.75 за миллион выходных токенов. 1 января 2027 года это будет стоить $1.50 и $7.50 — та же модель, те же веса, вдвое больший счёт, потому что вводная цена Google для этой модели заканчивается 31 декабря 2026 года. У Sage-S2.1-Flash, которую Шанхайская лаборатория искусственного интеллекта тихо опубликовала 15 ноября 2026 года, нет цены, которую можно удвоить. У неё 645 гигабайт весов под лицензией MIT, 21-байтовая карточка модели и руководство по развёртыванию, которое предполагает наличие восьми H200.

Сопоставьте эти два факта — и поисковый интент, стоящий за этим сравнением, становится очевидным: люди на самом деле спрашивают не о том, какая модель умнее. Они спрашивают, продолжать ли арендовать тариф Flash от Google или открытая научная модель, которую уже можно скачать, теперь заменит часть этого счёта. Ответ зависит от даты и от различия, которое большинство сравнений пропускает, — между моделью с низкой ценой за токен и моделью, где токены вообще не проходят через счётчик.

Что на самом деле запланировано изменить?

В собственной документации Google для Gemini 3.8 Flash указаны две тарифные сетки, и действует только одна из них:

• Вводный тариф, до 31 декабря 2026 года — $0,75 за миллион входных токенов, $3,75 за миллион выходных, $0,075 за кэшированные входные

• Стандартный, с 1 января 2027 года — $1,50 за миллион входных токенов, $7,50 за миллион выходных токенов

• Контекст — 1 000 000 токенов, с ограничением вывода в 64 000 токенов

• Размышление — три уровня: низкий, средний (по умолчанию) и высокий; старая настройка minimal теперь вызывает ошибку

• Удалённые параметры — temperature, top_p, top_k, candidate_count и предзаполненные реплики модели больше не поддерживаются

Эта последняя строка — та, что стоит инженерного времени, а не денег, и её легко упустить в разговоре о ценах. Конвейер, перенесённый с Gemini 3.6 Flash на 3.8 Flash, не может сохранить свою конфигурацию сэмплирования; модель отвергает эти параметры. Многоходовые префиллы тоже исчезли — их заменил серверный previous_interaction_id. Всё, что вы построите на 3.8 Flash с этого момента и до января, придётся перенастраивать дважды: один раз — из-за изменения API, которое вы уже внесли, и один раз — из-за изменения тарифов, которого ещё не было.

Gemini 3.8 Flash — это также, по собственному описанию Google, «модель Flash предыдущего поколения»: стабильная, по-прежнему остающаяся выбором по умолчанию для агента Antigravity и SDK и назначенная целью миграции для запросов gemini-2.5-pro с 1 декабря 2026 года. Это рабочая лошадка с известным горизонтом без снятия с эксплуатации, а не эксперимент на переднем крае. Это настоящее достоинство, и Sage-S2.1-Flash сейчас им не обладает.

Screenshot of Google's AI Studio documentation page 'What's new in Gemini 3.8 Flash'. The model table shows the model ID gemini-3.8-flash, a default thinking level of medium, and the pricing note that Gemini 3.8 Flash is available through the end of the year at an introductory price of $0.75 per 1M input tokens and $3.75 per 1M output tokens. The intro text states the model supports a 1M-token context window, 64k max output tokens and tunable thinking levels of low, medium and high.

Два разных продукта, в названии которых есть «Flash»

Совпадение в названиях несёт больше нагрузки, чем заслуживает, поэтому его стоит разобрать.

Gemini 3.8 Flash — это проприетарный мультимодальный универсал, предоставляемый в виде хостингового сервиса. Он принимает на вход текст, изображения, видео, аудио и файлы и возвращает текст. Artificial Analysis оценивает его в 30,8 балла по Intelligence Index при высоком уровне усилий; он работает со скоростью примерно 114 выходных токенов в секунду, а время до первого токена в его тесте на длинный контекст составляет 19,7 секунды. Цена рассчитывается за токен, оплата идёт по факту использования, и сегодня он доступен через собственный API Google и каналы облачной перепродажи.

Обратная сторона названия — это исследовательский артефакт. Sage-S2.1-Flash — это 320 миллиардов параметров при 18 миллиардах активных на токен, опубликованных в виде 120 bfloat16-шардов под лицензией MIT Шанхайской лабораторией искусственного интеллекта 15 ноября 2026 года: 645 ГБ весов, визуальная башня и конфигурация, в которой заявлен потолок в 1 048 576 токенов на 45 слоях. Тридцать четыре из этих слоёв используют тип линейного внимания; одиннадцать — разреженное внимание. Это не сервис. Это загрузка с приложенным руководством по развёртыванию.

Слово «Flash» в обоих названиях означает, соответственно, «небольшой тариф в хостинговой линейке» и «быстрый вариант семейства исследовательских моделей». Они не конкурируют за одну и ту же позицию. Они конкурируют за одну и ту же работу, и только иногда.

Единственный бенчмарк, чьё название они разделяют

Здесь сравнение становится по-настоящему интересным, а затем сразу же разочаровывает — поучительным образом.

Таблица оценки InternLM для Sage-S2.1-Flash охватывает 35 бенчмарков и восемь моделей для сравнения: 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 и Claude Opus 5.5. Gemini 3.8 Flash среди них нет. Единой таблицы результатов для этого сравнения нет — ни созданной поставщиками, ни какой-либо иной.

Совпадает только название бенчмарка. InternLM сообщает 87,9 для Sage-S2.1-Flash на Terminal-Bench 2.1. Artificial Analysis сообщает 87,6 для Gemini 3.8 Flash на Terminal-Bench 2.1. Разница — три десятых, и так и хочется назвать это ничьей — что было бы ошибкой. Эти два числа получены в разных харнессах, с разными скаффолдами, количеством попыток и конфигурациями инструментов, и ни одна из лабораторий не опубликовала настройки своих запусков. Разница в 0,3 балла между двумя закрытыми харнессами не является измерением чего-либо. Это совпадение, которое случайно оказывается удобным для всех, кто хочет заявить о паритете.

Обо всём остальном, что у них общего, приходится рассуждать, а не вычитать. Artificial Analysis оценивает Gemini 3.8 Flash в 95,3 балла на GPQA Diamond, 85,6 на MMMU-Pro, 47,8 на Humanity's Last Exam, 56,6 на SciCode и GDPval в 1 442. InternLM оценивает Sage-S2.1-Flash в 75,8 балла на BabyVision, 84,8 на OSWorld-G, 72,2 на OfficeQA Pro V2, 90,3 на MLE-bench Lite и 25,0 на Harvey LAB. Эти списки почти не пересекаются, а там, где они не пересекаются, сравнивать нечего — лишь две лаборатории описывают разные сильные стороны разной терминологией.

A generated two-column comparison scoreboard titled 'Sage-S2.1-Flash vs Gemini 3.8 Flash - the scoreboard'. The Sage-S2.1-Flash column reads: Price: none published; Price change: none scheduled; Context: 1,048,576 tokens; Weights: MIT, about 645 GB; Independent score: none; Terminal-Bench 2.1: 87.9. The Gemini 3.8 Flash column reads: Price: $0.75 / $3.75; Price change: doubles 1 Jan 2027; Context: 1,000,000 tokens; Weights: proprietary; Independent score: AA Index 30.8; Terminal-Bench 2.1: 87.6. Footer: 'Sage figures the vendor's own, unaudited; Gemini price and index per Google and Artificial Analysis.' The OrcaRouter logo is composited in the bottom-right corner.

Откуда берутся доказательства — вот в чём настоящая разница.

Отложите на время цифры и обратите внимание на происхождение, поскольку от него зависит, насколько весомым может быть всё вышесказанное.

Gemini 3.8 Flash измеряется третьей стороной на публичном тестовом стенде. Показатель Intelligence Index — 30,8, показатели скорости, а также оценки GPQA и MMMU-Pro — всё это получено от Artificial Analysis, которая запускает ту же процедуру, что и для каждой модели в своём списке. Вы можете не соглашаться с тестовым стендом; но вы не можете обвинять Google в том, что она его написала.

Sage-S2.1-Flash оценивается только его авторами — по файлу со значениями, разделёнными табуляцией, закоммиченному в репозиторий GitHub, созданный 16 ноября, и опубликованному на статическом сайте по адресу internlm.github.io/Sage-S2.1-Flash. Ничто в репозитории Hugging Face не ссылается на этот сайт. Карточка модели содержит строку лицензии и больше ничего — 21 байт, и всё это — YAML-фронтматтер.

Таблица поставщика всё же содержит один маркер достоверности, заслуживающий признания: в ней есть строки, где модель проигрывает. Sage отстаёт от DeepSeek-V4.1-Flash-1017 на 6,9 балла в DeepSWE, на 5,5 — в NL2Repo-Bench и на 7,5 — в APEX-Agents, а также уступает Qwen3.8-Max в Terminal-Bench 2.1 и SWE-bench Pro. Лаборатория, публикующая собственные поражения, — это лаборатория, к которой можно относиться серьёзно. Но самостоятельно опубликованная таблица с поражениями всё равно остаётся самостоятельно опубликованной таблицей, и ни одна третья сторона не воспроизвела ни одной строки.

Четыре вопроса, которые люди на самом деле задают

Большая часть путаницы в этом противостоянии возникает из-за смешения нескольких отдельных решений в одно. Если разделить их, у каждого есть ясный ответ.

• Может ли Sage-S2.1-Flash заменить Gemini 3.8 Flash для обработки больших объёмов текста?Нет, и дело не в качестве. Gemini 3.8 Flash по цене $0.75 за миллион входных токенов обходится дешевле, чем электроэнергия и амортизация узла, необходимого Sage, для нагрузки, измеряемой миллионами коротких вызовов. Это неподходящий инструмент для такой задачи при любом результате бенчмарка.

• Выигрывает ли Sage на длинном контексте, если оба заявляют миллион токенов? Только после января. Сегодня Gemini 3.8 Flash взимает $0,75 за миллион входных токенов во всём своём окне, без надбавки за длинные запросы; с 1 января то же самое действует при цене $1,50. У Sage вообще нет цены за токен, а значит, вопрос не в том, «что дешевле за токен», а в том, «что дешевле в месяц», — и это зависит от того, занят ли узел с восемью H200. Узел, простаивающий между задачами, обходится дороже почти любой ставки за токены.

• Является ли потолок вывода проблемой? Для Sage он неизвестен — ни один документ в релизе не указывает максимальную длину вывода. Для Gemini 3.8 Flash он составляет 64 000 токенов, чего достаточно для большинства агентных шагов и недостаточно для длинной генерации за один вызов. Если ваша нагрузка выдаёт 100 тыс. токенов в одном ответе, Gemini 3.8 Flash отсеивается по характеристике, а не по оценке.

• К какому из них я действительно смогу обратиться в понедельник? Gemini 3.8 Flash. У Sage-S2.1-Flash нет хостируемого эндпоинта, который мы могли бы подтвердить; ссылка «Попробовать API» на сайте релиза ведёт на портал, который не отображает свой каталог клиенту без JavaScript, а ни один провайдер инференса не указывал эту модель на Hugging Face на момент написания.

Screenshot of the OrcaRouter model page for google/gemini-3.8-flash. It shows a 1M-token context, 65k max output, text, image, video, file and audio input, vision, audio, tools, JSON and reasoning tags, a release date of 2026-09-02, and the price row $0.75 input and $3.75 output per million tokens with a 0.72 s time to first token.

Где нужно было бы проверить научное утверждение

Отличительное утверждение Sage-S2.1-Flash — не «лучший агент», а «больше видов научных входных данных в одной модели»: молекулярные графы, кристаллические структуры, белковые последовательности и трёхмерные структуры, ДНК и РНК, спектры, масс-спектры, рентгеновская дифракция, электрокардиограммы, электроэнцефалограммы и кривые блеска. Этот список взят из англоязычного релизного текста InternLM, а не из карточки модели, и это скорее заявление о дизайне, чем измеренный результат.

В документации Gemini 3.8 Flash нет эквивалентного утверждения. Она нативно принимает видео и аудио — реальное преимущество по охвату, которое конфигурация Sage также поддерживает через типы токенов видео и аудио, — но Google не описывает её как обученную на спектрах или дифракционных картинах. Если говорить честно, то применительно к научным форматам у одной модели есть документированная специализация и нет независимой проверки, а у другой — широкий мультимодальный ввод и сторонние оценки на общих бенчмарках, которые, как оказалось, включают и научные (SciCode — 56,6, GPQA — 95,3).

Если эта специализация важна для вашей работы, проверка — это не таблица лидеров. Это несколько ваших собственных рисунков, спектров или криоизображений, прогнанных через обе системы и проверенных профильным экспертом. Десять документов и один день решают больше, чем тридцать пять строк от поставщиков, и это единственный эксперимент в этой статье, дающий результат, который вы сможете отстоять внутри компании.

Ловушки при подаче, потому что они решают, какими будут выходные.

Всем, кто скачивает Sage-S2.1-Flash, следует сначала прочитать руководство по развёртыванию — по причине, которую легко недооценить: все описанные в нём сбои происходят молча. Токенизатор неверно прочитает агентский синтаксис, изображения прикрепятся к неверному результату инструмента при параллельном вызове с нарушенным порядком, SGLang незаметно подставит свой собственный шаблон чата, кэш KV в FP8 не будет работать на Hopper, а LMDeploy отклонит переименованный тип слоя, если только transformers не закреплён на версии ниже 5.19. Ни один из них не выдаёт сообщение об ошибке. Все они выдают правдоподобный результат о неверных входных данных — худший режим отказа, который только может быть у агента.

Эквивалентный список Google короче и лучше поддерживается: без temperature, top_p или top_k; без предзаполненных реплик; ошибки Malformed_Function_Call прослеживаются до текста перед вызовом инструмента; call_id и name обязательны в каждом FunctionResponse. Разница между этими двумя списками не в длине. А в том, что за одним стоят руководство по миграции и путь поддержки, а другой — предупреждение в markdown-файле, написанное людьми, создавшими модель, для первых нескольких пользователей.

Тестировать оба, не связывая себя ни с одним

Одна практическая деталь о январском обрыве цен: поскольку каталог сквозной передачи цен отражает списочную цену провайдера, а не согласованную её версию, изменение тарифа вступает в силу в день, когда поставщик его публикует. Gemini 3.8 Flash теперь доступен для вызова через OrcaRouter по адресу google/gemini-3.8-flash — $0.75 на входе и $3.75 на выходе за миллион, вводная карточка, при сохранении окна в 1,048,576 токенов — и когда Google перейдёт на $1.50 и $7.50, каталог покажет и это, без пересогласования. Sage-S2.1-Flash вообще отсутствует в каталоге; это веса под лицензией MIT, которые вы бы запускали на собственном железе, и никакой роутер этого не меняет.

Полезный шаг для команды, которая это взвешивает, — не арендовать восемь H200 по наитию. А прогнать описанный выше тест на научные форматы на размещённой модели, к которой можно обратиться за один день, и посчитать в цифрах, что январское повышение на самом деле делает с вашим счётом, прежде чем проектировать систему с оглядкой на него. Двух строк арифметики хватит большинству команд: умножьте входные токены Gemini 3.8 Flash за прошлый месяц на $0,75 и ещё раз на $1,50, и сделайте то же самое для выходных токенов по $3,75 и $7,50. Если разница меньше стоимости одного H200-часа в месяц, открытая модель — не ответ, и никакое чтение бенчмарков этого не изменит. Если разница больше, вы теперь знаете бюджет, который у вас есть на эксперимент, а это гораздо лучшая отправная точка, чем позиция в таблице лидеров.

Эта арифметика также объясняет, почему здесь стоит обращать внимание на ценообразование с прямой передачей цен. OrcaRouter передаёт прейскурантную цену провайдера без добавления наценки, поэтому изменение от 1 января появится в каталоге в тот день, когда Google его опубликует, а не при следующем продлении контракта. Сравнение, составленное по сегодняшней цене $0.75, через шесть недель окажется неверным; сравнение по актуальному каталогу по крайней мере провалится заметно.

Когда сравнение действительно станет актуальным — опубликованная цена Sage или размещённая конечная точка, которую стоит маршрутизировать, — именно DSL маршрутизации делает действия дешёвыми: одна политика направляет вызовы в научном формате специализированной модели, а всё остальное — на дешёвый уровень Flash, с автоматическим переключением при сбое, чтобы экспериментальная конечная точка никогда не стала единой точкой отказа. Именно такая позиция и нужна для этого противостояния. Не миграция, а разделение.

Что нужно решить и когда

До 1 января 2027 года прагматичный ответ — Gemini 3.8 Flash для всего, что ориентировано на продакшен и тарифицируется по токенам, потому что он дешёвый, измеримый, доступный для вызова, а изменение его цены привязано к известной дате, а не является сюрпризом. Sage-S2.1-Flash заслуживает оценки только если ваша работа связана с научными входными форматами, которые он упоминает, — и только если у вас есть GPU или терпение.

После 1 января экономика вопроса на стороне Google меняется ровно вдвое, и доводы в пользу открытой модели становятся сильнее, хотя сама открытая модель ничего для этого не делает. Это стоит спланировать уже сейчас: если ваш счёт за длинный контекст — причина, по которой вы это читаете, прогоните расчёты при $1,50 и $7,50, прежде чем привязывать архитектуру к тарифу, который истекает через шесть недель.

И всё время держите в голове одну вещь. Sage-S2.1-Flash — не более дешёвый Gemini. Это большая открытая научная модель с документированной специализацией, без цены и без независимой оценки, опубликованная без анонса лабораторией, которая ещё не сообщила, сколько она стоит. Причина следить за ней — возможностью владеть ею. Причина не внедрять её в этом месяце — никто, включая её авторов, не рассказал, что она делает в рамках проверяемого вами испытательного стенда.

Сравнение в этой статье2

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

© 2026 OrcaRouter