Титульная карточка для сравнения «Sage-S2.1-Flash vs Qwen 3.8 Flash» с подзаголовком «У одного есть прайс-лист. У другого — 645 ГБ весов и пустая карточка модели», тремя карточками с надписями «321B всего / 18B активных», «645 ГБ BF16 / 8× H200 для обслуживания» и «/bin/bash.15 за вход / /bin/bash.47 за выход за 1 млн токенов», а также нижним колонтитулом, где отмечено, что цифры Sage-S2.1-Flash взяты из его репозитория на Hugging Face, а цена Qwen 3.8 Flash по прайс-листу — из QwenCloud на 16 ноября 2026 года; логотип OrcaRouter скомпонован в правом нижнем углу.
Guides & Insights

Sage-S2.1-Flash против Qwen 3.8 Flash: восемь H200 против пятнадцати центов

Автор

Gideon Frost

Дата публикации

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

Карточка модели для Sage-S2.1-Flash занимает двадцать один байт. Она начинается с заголовка лицензии, указывает license: mit и на этом заканчивается. Там нет введения, таблицы бенчмарков, длины контекста, описания предполагаемого использования и контактного адреса. Сам репозиторий не пуст — 120 шардов весов bfloat16, примерно 645 ГБ, плюс файл конфигурации, шаблон чата, руководство по развёртыванию и пять небольших папок научных адаптеров — но всё, что читатель обычно использует, чтобы решить, стоит ли обращать на это внимание, опущено. Веса были выложены 15 ноября 2026 года и обновлялись вплоть до 16-го. InternLM, модельная организация Шанхайской лаборатории искусственного интеллекта, ничего не объявила: ни поста в блоге, ни статьи, ни публикации на собственном сайте семейства. На момент написания в репозитории ноль скачиваний за месяц, один лайк, и ни один провайдер инференса его не обслуживает.

Qwen 3.8 Flash — объект противоположного типа. Alibaba продаёт его через QwenCloud с 26 августа 2026 года по цене $0,15 за миллион входных токенов и $0,47 за миллион выходных, опубликовала его лимиты запросов и список инструментов, выпустила открытые веса под названием Qwen3.8-Flash-Next и разместила на этой карточке таблицу бенчмарков из двенадцати строк. Он доступен на OrcaRouter как qwen/qwen3.8-flash по собственной прейскурантной цене поставщика. Вы можете отправить ему запрос в ближайшие тридцать секунд.

Так что это не сравнение двух моделей, которые можно купить. Это сравнение между дешёвой хостинговой моделью с опубликованной ценой и смесью экспертов с открытыми весами на 321 млрд параметров — без цены, без оценки и без анонса. И честный вопрос не в том, какая из них лучше, потому что пока никто не может на него ответить. Он в том, лучше ли потратить деньги на развёртывание восьми H200 для неизмеренной модели, чем платить пятнадцать центов за миллион токенов за измеренную, и для скольких команд этот ответ вообще когда-либо будет «да».

Что на самом деле доказывает репозиторий Sage-S2.1-Flash

Сначала факты, потому что их больше, чем предполагает пустая карточка. Число параметров в индексе весов — 321,323,031,390, а руководство по развёртыванию округляет это до «320B-A18B» — 320 млрд всего, 18 млрд активных на токен. Текстовая конфигурация содержит 45 слоёв, из которых 34 — слои линейного внимания типа gated delta-net и 11 — слои разрежённого внимания в русле DeepSeek, с 288 маршрутизируемыми экспертами, восемь из которых плюс один общий эксперт активируются на каждый токен, скрытым размером 4 096 и словарём на 154 880 токенов. Максимальное число позиционных эмбеддингов установлено на 1 048 576.

A two-column comparison scoreboard titled 'Sage-S2.1-Flash vs Qwen 3.8 Flash — the scoreboard': the left column Sage-S2.1-Flash reads Parameters '321B total, 18B active', Context '1,048,576 configured', Input price 'no hosted endpoint', Output price 'no hosted endpoint', Licence 'MIT, ungated', Published benchmarks 'none'; the right column Qwen 3.8 Flash reads Parameters '125B plus 51B n-gram, 6B active', Context '1,000,000 tokens', Input price '$0.15 per 1M', Output price '$0.47 per 1M', Licence 'Qwen community licence', Published benchmarks '12 rows, unreproduced'; the footer reads 'Sage-S2.1-Flash figures read from its repository; Qwen 3.8 Flash per Alibaba, vendor-reported.'; the OrcaRouter logo is composited in the bottom-right corner.

Лицензия — MIT, и в репозитории нет оговорки о допустимом использовании. Над этим стоит задуматься: 321B-мультимодальная MoE по разрешительной лицензии, без ограничений на скачивание — объект более редкий, чем можно предположить по окружающей его тишине.

Происхождение можно проверить, и оно слегка неожиданно. Строка архитектуры — glm5_next, класс — Glm5NextForConditionalGeneration, а руководство по развёртыванию прямо утверждает, что модель использует архитектуру GLM-5.3-Flash и что нужно следовать официальным рецептам фреймворка для GLM-5.3-Flash, лишь заменив путь к модели. Более старая и крупная Sage-S2.1 — 753B параметров, архитектура glm_moe_dsa, всё ещё с карточкой модели «Atria Dawn», где она описана как построенная на 744B основе GLM-5.2, — относится к совершенно другому поколению основы. Flash не является дистиллированной версией S2.1. Это новая, меньшая модель, построенная на более новой архитектуре из другой лаборатории, но носящая то же семейное имя.

Само это семейное название — движущаяся мишень. Старый репозиторий internlm/Atria-Dawn теперь перенаправляет на internlm/Sage-S2.1, и в карточке цели перенаправления во всех заголовках по-прежнему написано «Atria Dawn» — переименование произошло без сопутствующего обновления документации. Всем, кто читал материалы об Atria Dawn ранее в этом году и теперь ищет «Sage», следует понимать, что это один и тот же репозиторий под двумя названиями, а Flash — его новый, более компактный собрат.

Научные адаптеры — это та часть репозитория, которую никакой анонс поставщика всё равно бы не объяснил. В projectors/sage-s2.1-flash/ находятся пять небольших папок — cif/jarvis, dna/splice, ecg/phu01, eeg/neu06, protein-seq/mpbind — в каждой из которых есть файл конфигурации и проектор размером от четырёх до двадцати восьми мегабайт, отображающий поток научных признаков в пространство бэкбона размерности 4096. Кристаллические структуры проходят через энкодер CHGNet 0.3.0, по одному 64-мерному состоянию на атом. Белковые последовательности проходят через ESM2-t33-650M, по одному состоянию последнего слоя на остаток. ДНК-адаптер — это адаптированный под задачу выход DNABERT2 по трём признакам; адаптеры ЭКГ и ЭЭГ столь же малы и специфичны для задач. Общая стоимость весов всех пяти: менее 90 МБ против 645 ГБ для языковой модели.

Эти файлы конфигурации также раскрывают происхождение, которое карточка модели утаила. В них указаны каталог контрольной точки бэкбона, даты тренировочных запусков и отпечаток, читающийся как sage-s2.1-flash-hf111-bf16-norm-261113 — 13 ноября 2026 года, за два дня до появления весов. Именно так здесь устанавливается происхождение: не из пресс-релиза, а из поля конфигурации, которое забыли вырезать при упаковке.

Что публикует Qwen 3.8 Flash, а что — нет

Различие не в том, что Qwen честен, а Sage — нет. Оно в том, что один поставщик документирует свой продукт, а другой пока не удосужился. Карточка Alibaba для Qwen 3.8 Flash указывает контекст в 1 000 000 токенов при максимальном входе 991 000 токенов, максимальном выходе 131 072 токена и бюджете рассуждений 262 144 токена; мультимодальный ввод в виде текста, изображений и видео с текстовым выводом; вызов функций, структурированный вывод JSON, дополнение по префиксу, кэширование контекста, пакетную обработку и дообучение; а также протоколы запросов OpenAI и Anthropic, поэтому он без изменений встраивается в Claude Code и Codex.

Открытый артефакт с весами, лежащий в основе, — это Qwen3.8-Flash-Next, опубликованный 24 августа 2026 года: 125 млрд параметров, из которых активируются 6 млрд, плюс таблица n-граммовых эмбеддингов на 51 млрд и голова многотокенного предсказания на 4 млрд, 48 слоёв, организованных как двенадцать повторов трёх блоков gated-delta-net и одного блока разреженного внимания, 512 экспертов, из которых на каждый токен активны десять маршрутизируемых плюс один общий, и 262 144 токена нативного контекста с возможностью расширения до миллиона. Alibaba описывает размещённую Qwen 3.8 Flash как эту архитектуру плюс продакшн-возможности — добавлениями являются окно по умолчанию на 1M и встроенные инструменты. Веса распространяются по лицензии сообщества Qwen, а не MIT.

Таблица бенчмарков на той карточке заявлена производителем и не была независимо воспроизведена. Читайте её с этой пометкой: DeepSWE 1.1 — 58.7, SWE-bench Pro — 62.5, SWE-bench Multilingual — 81.0, NL2Repo-Bench — 48.1, CoWorkBench — 73.9, JobBench — 55.7, Toolathlon Verified — 73.5, IFBench — 81.3, GPQA Diamond — 91.7, HLE — 35.9, LiveCodeBench v6 — 91.9, а Agents' Last Exam — 24.3 pass@1 при результате 51.2. Эти цифры — это Alibaba, которая сама себе ставит оценки в наборе сравнений, включающем предшественника на 397B и модель Claude. Но они всё же гораздо больше того, что предлагает Sage-S2.1-Flash, а он не предлагает вообще ничего.

A screenshot of the Hugging Face repository page for internlm/Sage-S2.1-Flash, captured in English on 16 November 2026, showing the YAML frontmatter line 'license: mit', the Safetensors format tag with the repository's parameter count, and the file listing that includes the chat template, on a repository whose model card has no description, no benchmark table and no intended-use statement.

Сопоставьте эти два варианта по тем параметрам, от которых на самом деле зависит решение о покупке:

• Всего параметров — Sage-S2.1-Flash 321B, из которых 18B активны на токен, против Qwen 3.8 Flash 125B плюс таблица n-грамм на 51B, из которых 6B активны

• Контекст — 1 048 576 токенов настроено против 1 000 000 опубликованных, с максимумом входа 991 000 и максимумом выхода 131 072 на стороне Q​wen

• Цена ввода — у Sage-S2.1-Flash она отсутствует, поскольку его ничто не обслуживает, против $0,15 за миллион токенов

• Цена вывода — отсутствует против $0.47 за миллион, при этом кэшированные чтения — $0.0184 за миллион в нашем прайс-листе

• Лицензия — MIT, без ограничений, в отличие от лицензии сообщества Q​wen

• Опубликованная оценка — ни одного бенчмарка против таблицы вендора из двенадцати строк, без воспроизведения

• Вес для обслуживания — 645 ГБ в bfloat16 на 120 шардах или 328 ГБ в FP8-варианте, против хостингового эндпоинта

Сравнение цен, которое на самом деле является вопросом капитальных затрат

У Sage-S2.1-Flash нет цены за токен, с которой можно было бы сравнить $0.15, потому что у модели нигде нет хостингового эндпоинта. У неё есть требование к обслуживанию: восемь H200s для контрольной точки bfloat16, согласно собственной эталонной конфигурации из руководства по развертыванию. Так что сравнение идёт не центы против центов, а аренда против токенов, и оно сводится к одному числу, которое никто не публиковал.

Возьмём характерную цену в $3 за GPU-час для H200 — это допущение, а не котировка, и цифра меняется в зависимости от облака и обязательств. Восемь таких GPU — это $24 в час, $576 в день, около $17 500 в месяц, ещё до того, как вы обслужили хотя бы один запрос. По тарифам Alibaba на $576 можно купить 3,84 млрд входных токенов или 1,23 млрд выходных токенов. Таким образом, вопрос безубыточности сводится к тому, тратил бы ваш трафик иначе более $576 в день на Qwen 3.8 Flash — примерно на 3,8 млрд входных токенов ежедневно, постоянно.

Это сравнение справедливо, только если известно, сколько токенов в секунду Sage-S2.1-Flash выдаёт на восьми H200. Никто этого не измерял, и в репозитории об этом не сказано. Число активных параметров даёт лишь грубое представление — 18B активных против 6B активных позволяет предположить, что модель Sage требует примерно втрое больше вычислений на каждый сгенерированный токен, но интуиция — не показатель пропускной способности, а без него в приведённом выше расчёте точки безубыточности неизвестная величина есть с обеих сторон. FP8-аналог сокращает резидентный вес с 645 ГБ до 328 ГБ, что меняет требования к оборудованию; но он не говорит, насколько быстро работает результат.

Для большинства команд эта неопределённость и есть главный аргумент. Модель, для которой нельзя замерить пропускную способность, — это модель, стоимость которой нельзя рассчитать, а модель, стоимость которой нельзя рассчитать, не является кандидатом на путь в продакшен — это исследовательский объект. Это не критика релиза; именно для этого и существует неанонсированный выпуск.

Асимметрия доказательств, если сказать прямо

Две модели, два типа отказа доказательств. Qwen 3.8 Flash имеет заявленные вендором бенчмарки и восемьдесят два дня стороннего использования — то есть его цифры неаудированы, но его поведение как минимум наблюдаемо: есть люди, которые его запускают, о нём отчитываются и публично упираются в его пределы. У Sage-S2.1-Flash нет ни того, ни другого. Его 645 ГБ весов — большее доказательство существования реальной модели, чем утечка или скриншот: это выпущенный артефакт, а не слух, — но веса доказывают существование, а не качество.

Конкретные вещи, которые сегодня остаются непознаваемыми: какие результаты Sage-S2.1-Flash показывает хоть на чём-либо; как быстро он декодирует; выдерживают ли его 1M позиционных эмбеддингов длину или деградируют так же, как большинство расширений длинного контекста; обучена ли визуальная башня в его конфигурации до производственного стандарта или перенесена из базовой модели; оцениваются ли научные проекторы на чём-либо за пределами их собственных обучающих распределений; и сколько InternLM собирается брать, если вообще собирается, за хостинговую версию. Репозиторий не отвечает ни на один из этих вопросов. Кто бы ни говорил обратное, он экстраполирует из репутации базовой модели, а это разумный априорный ориентир, а не измерение.

Для чего на самом деле предназначена модель

Проекторы — это то, что выдаёт. Никто не прикручивает пять адаптеров научных модальностей к универсальной чат-модели в качестве запоздалой мысли; структура папок, шаблоны промптов для отдельных задач и выбор энкодеров описывают модель, созданную для чтения кристаллов, сайтов сплайсинга, кардиальных трасс, мозговых трасс и белковых последовательностей как полноценных входных данных, а не как их текстовых описаний. Кристаллические структуры токенизируются как состояния атомов с ограничением в 512 атомов; белковые последовательности несут состояния по остаткам с опциональной головой научного считывания; ДНК-адаптер представляет собой вероятностное считывание по одному объекту.

Qwen 3.8 Flash этого не делает. Он читает изображения, видео и текст и делает это с опубликованными цифрами по визуальным бенчмаркам — CharXiv, MathVision, ERQA, LVBench, OSWorld 2.0 — но кристаллическая решётка, отрендеренная как PNG, — это не кристаллическая решётка. Если ваша задача — структурная биология, скрининг материалов или анализ физиологических сигналов, то честный вывод таков: эти две модели не конкурируют за одну и ту же работу, а сравнение с Qwen — это ценовой ориентир, а не замена. Если ваша задача — текст и код, проекторы не имеют значения, и Sage-S2.1-Flash — это чат-модель на 321B без карты.

Одно предостережение по поводу мультимодального вопроса: конфигурация располагает к излишне вольной интерпретации. В репозитории есть 24-слойная визуальная башня с размером скрытого слоя 1024, входами размером 448 пикселей и патчами 14 пикселей, токены начала и конца изображения и видео, а также шаблон чата со слотами для изображения, видео и аудио. Но этот шаблон относится к семейству GLM-5.3, у аудиослотов нет соответствующей аудиоконфигурации, а единственное указание в руководстве по развертыванию, касающееся медиа, — об изображениях, приходящих внутри результатов инструментов. Рассматривайте башню как присутствующую, но недокументированную: веса рассчитаны на приём не только текста, а что именно релиз предполагает ей подавать, не указано.

Трение, которое не равно нулю

Самостоятельный хостинг Sage-S2.1-Flash — это не просто указать vLLM на репозиторий. Из руководства по развёртыванию следуют три требования, и второе из них — самое неудобное.

• --trust-remote-code обязателен для каждого движка — репозиторий поставляет собственный токенизатор и процессор, и без этого флага движки молча загружают стандартный токенизатор, который кодирует строки вроде <tool_call> как управляющие токены, а не как текст, ломая рассуждения и вызовы инструментов без предупреждения

vLLM 0.33.0 требует поставляемого патча для vllm/renderers/hf.py, потому что, когда результаты параллельных инструментов возвращаются не в порядке вызовов, шаблон отображает их в порядке вызовов, а vLLM собирает их изображения в порядке сообщений, молча привязывая каждое изображение к неправильному результату; исправление в upstream всё ещё остаётся черновым pull request

• LMDeploy требует transformers версии от 5.17 до 5.19, поскольку в 5.19 переименовывается тип слоя, который движок не примет; SGLang требует версию 0.5.20 или новее, а также явной передачи шаблона чата из репозитория, поскольку иначе SGLang устанавливает собственный встроенный шаблон для этой архитектуры

Каждый из них — задокументированный обходной путь для модели, которой всего один день, и руководство честно признаёт, что фреймворки всё ещё развиваются. Ничто из этого не является неразумным; всё это — инженерное время, которого Qwen 3.8 Flash не требует, потому что на стороне хостинга это базовый URL и API-ключ.

Один ключ, два совершенно разных уровня обязательств

Qwen 3.8 Flash доступен на OrcaRouter как qwen/qwen3.8-flash по каталожной цене A​libaba без наценки при передаче — $0,15 за миллион входных токенов, $0,47 за миллион выходных, $0,0184 за миллион для чтения из кэша, контекст на 1 000 000 токенов и предельный объём вывода в 131 072 токена. На собственной странице QwenCloud для варианта с неявным кэшированием указана цена $0,016; правило сквозной передачи означает, что любые изменения A​libaba вы получаете в тот же день, а не при следующем продлении договора. Sage-S2.1-Flash отсутствует в каталоге, и никто его не обслуживает, поэтому здесь к нему нет маршрута и нет причин делать вид, что это не так.

A screenshot of the OrcaRouter model page for qwen/qwen3.8-flash, captured in English on 16 November 2026, showing the model name and model id, the per-million-token input and output pricing, the context window and maximum output limits, and the API access details for the model.

В этой ситуации слой маршрутизации действительно хорош тем, что делает оценку дешёвой и обратимой. Запустите эксперимент с Sage на собственном оборудовании, если оно у вас есть, оставьте Qwen 3.8 Flash в качестве производственного маршрута и пусть цепочка аварийного переключения стоит за новым путём, чтобы модель с пустой картой никогда не становилась единой точкой отказа в первый день, когда она обрабатывает реальный трафик. Та же идея применима к более сложному вопросу — объединение моделей, когда панель отвечает на один запрос несколькими моделями, а судья согласует их ответы, — это самый дешёвый способ выяснить, оправдывает ли 321B scientific MoE расходы на аренду: вы не мигрируете, вы спрашиваете оба варианта и читаете ответы.

Кто должен выбирать

Если вы выпускаете текст или код в этом квартале, Qwen 3.8 Flash — это ответ, который можно защитить, а Sage-S2.1-Flash — вовсе не ответ. Модель Qwen дешевле за токен, чем почти всё на её уровне возможностей, задокументирована достаточно хорошо, чтобы планировать с опорой на неё, лицензирована достаточно ясно, чтобы её можно было развёртывать, и доступна для публичного наблюдения. Её бенчмарки — собственные у Alibaba, и к ним следует относиться как к заявлениям, но заявление плюс восемьдесят два дня чужого опыта лучше, чем молчание плюс три дня ничейного.

Если вы занимаетесь структурной биологией, дизайном белков, материаловедением или физиологическими сигналами, логика меняется на противоположную. Пять проекторов в репозитории Sage-S2.1-Flash — это возможность, которую ни Qwen 3.8 Flash, ни большинство открытых моделей не предлагают ни за какие деньги; лицензия — MIT, а требования к оборудованию — восемь H200 или меньше при использовании FP8-чекпоинта — это тот уровень затрат, который исследовательская группа уже несёт. Правильный шаг — скачать его, запустить поставляемые с репозиторием проверки проекторов на стороне CPU и измерить две вещи, о которых он умалчивает: пропускную способность декодирования на вашем оборудовании и точность на вашем собственном отложенном наборе. Это неделя работы, и только так эта модель станет решением, а не любопытной диковинкой.

Третий случай — самый крупный. Если вам просто любопытно, правильная позиция — дождаться карточки модели. Когда InternLM опубликует её, значимыми будут те цифры, которые этот репозиторий предоставить не может, — пропускная способность, деградация на длинном контексте, работает ли визуальная башня и какие результаты показывают проекторы вне своих обучающих распределений. До тех пор Sage-S2.1-Flash — это реальный артефакт с непрочитанной спецификацией, и самое полезное в нём то, что веса существуют, доступны без ограничений и распространяются под MIT, а значит, когда кто-нибудь их измерит, вам не понадобится разрешение, чтобы проверить его работу.

Сравнение в этой статье2

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

© 2026 OrcaRouter