Ultramarine 1 Flash против DeepSeek V4 Flash: низкая цена за токен — это не низкая стоимость задачи

Ultramarine 1 Flash стоит $0.15 за миллион входных токенов и $0.50 за выходные. D​eepSeek V4 Flash указан по цене $0.44 и $1.32 в реестре Artificial Analysis или $0.22 и $0.66 по маршрутизированному тарифу, по которому наш каталог его предоставляет. Поставьте две тарифные карты рядом — и модель Paper Instruments выглядит очевидной выгодной покупкой: втрое дешевле на входе и в два с половиной раза дешевле на выходе, по прайсовым ценам. Проблема такого прочтения в том, что ставка за миллион токенов — это лишь половина счёта, а та половина, которую она упускает, — как раз та, где эти две модели различаются сильнее всего. D​eepSeek V4 Flash генерирует 240 миллионов выходных токенов, чтобы завершить Intelligence Index. Медианная модель в её классе сравнения генерирует 140 миллионов. По формулировке Artificial Analysis, она очень многословна — 36-е место из 40 в своём ценовом классе по этому показателю.

Ultramarine 1 Flash заявляет о себе противоположное. По всем шести тестам, которые оценивала Paper Instruments, он сгенерировал на 6,5% меньше токенов, чем модель GLM-5.3 Flash, на основе которой он был дообучен, при этом показав более высокие результаты по каждому из них. Одна модель дешева за токен и дорога за задачу. Другая специально стала менее дорогой за задачу, не меняя своей цены. Стоит сравнивать эти два подхода, а не две входные ставки.

Две модели — два разных пути к одному и тому же ценовому сегменту

Они пришли к бюджетному сегменту с противоположных сторон, и это различие объясняет большую часть того, что последует дальше.

D​eepSeek V4 Flash — это созданная с нуля модель mixture-of-experts: 284 млрд общих параметров, 13 млрд активных, выпущена 24 апреля 2026 года под лицензией MIT, веса опубликованы на Hugging Face. Теперь именно ревизии 0731, заново прошедшей постобучение с нуля на той же архитектуре, соответствует идентификатор с датой. Она поддерживает контекстное окно размером 1 048 576 токенов с выводом до 384 000 токенов, принимает текст на входе и возвращает текст на выходе, а также демонстрирует сильные результаты в агентных бенчмарках по собственным опубликованным числам D​eepSeek — 82,7 в Terminal-Bench 2.1, 76,7 в Cybergym, 70,3 в Toolathlon Verified.

Ultramarine 1 Flash — это производная модель. Paper Instruments взяла GLM-5.3 Flash — мультимодальную модель Z.ai на 320 млрд параметров всего и 18 млрд активных — и провела на ней крупномасштабное обучение с подкреплением по синтетической программе из задач в сферах финансов, права, консалтинга и операционной деятельности. API стал доступен 14 октября 2026 года по цене $0,15 / $0,03 за кэшированные / $0,50 за миллион токенов — по тем же тарифам, что и GLM-5.3 Flash. Веса опубликованы не были; на собственной странице поставщика указано: «Веса модели скоро появятся».

Итак, честная формулировка этого сопоставления: скачиваемая MoE, обученная с нуля, против закрытого постобучения на чужой открытой базовой модели — одна из них уже полгода в продакшене, а вторая всего один день от роду.

Показатель многословности, который не выносит на первый план маркетинг ни одной из сторон.

Artificial Analysis измеряет, сколько выходных токенов модель расходует на прохождение Intelligence Index, и публикует это как рейтинг многословности. DeepSeek V4 Flash израсходовала 240 миллионов выходных токенов при медиане по классу в 140 миллионов — на 71% выше типичного показателя, 36-е место из 40 в своём классе. Именно из-за этой цифры стоит осторожно относиться к показателю $0,22 за задачу{{1}}. При этом, что примечательно, это значение стоимости за задачу лучше, чем у большинства её конкурентов{{2}}, что говорит о том, насколько модель компенсирует это своей сырой скоростью{{3}}: при 173,7 выходных токенов в секунду она занимает восьмое место по скорости среди 74 моделей своего класса{{4}}, так что объём токенов поступает быстро, даже если его больше.

Многословность Ultramarine 1 Flash не публикуется Artificial Analysis, потому что Artificial Analysis не оценивала эту модель. Вместо этого Paper Instruments публикует сравнение с собственной базой: 30,5 млн токенов против 32,7 млн у GLM-5.3 Flash по шести наборам бенчмарков, включая рассуждения. Это измерение, общее для обеих сторон сравнения — тот же набор, тот же стенд, те же условия — что делает его самым надёжным показателем в релизе и единственным, где заявление об эффективности по токенам подтверждается чем-то, кроме самого себя.

Сложите это вместе — и арифметика меняет форму. Преимущество DeepSeek V4 Flash — быстрая, способная, хорошо выверенная модель, которую можно запускать почти где угодно. Её недостаток в том, что она пишет много, а при фиксированной ставке за вывод это отражается в счёте. Преимущество Ultramarine 1 Flash в том, что она пишет меньше, чем модель, от которой происходит, — но только в сравнении с этой моделью и только на наборах тестов, написанных её собственным создателем.

Что на самом деле говорят шесть бенчмарков

Paper Instruments прогнала шесть наборов тестов против собственной модели и нескольких конкурентов. В них фигурирует D​eepSeek V4.1 Flash, а оригинальной D​eepSeek V4 Flash — модели из этого заголовка — нет.

• JobBench — Ultramarine 1 Flash 62,9, D​eepSeek V4.1 Flash 60,4. Модель Paper Instruments лидирует с отрывом в 2,5 балла.

• PI Knowledge Work — Ultramarine 1 Flash 59,3, DeepSeek V4.1 Flash 47,9. Разрыв в 11,4 балла — самый большой в наборе.

• FrontierFinance — 53,3 против 46,0.

• AutomationBench — единственный набор, где DeepSeek побеждает: V4.1 Flash 51.3 против 50.2 у Ultramarine.

• DiligenceBench — 50,6 против 50,3. Практически на одном уровне, при этом оба уступают Gemini 3.8 Flash и Claude Fable 5.

• APEX-Agents 1.1 — 57,0 против 39,5, самый большой разрыв во всей таблице.

Здесь оговорки наслаиваются друг на друга, и стоит явно проговорить их все. Это бенчмарки вендора. Показатели D​eepSeek относятся к другой, более новой модели из того же семейства, которую Paper Instruments называет по имени. И ничто из этого не проверял никто за пределами компании. То, что таблица всё же устанавливает, узко, но реально: на работе, где результат — документ, дообученная специализированная модель имеет большое преимущество перед эффективным универсальным MoE, а на автоматизированных агентских задачах разрыв почти исчезает. Если ваша работа — это служебная записка или модель, такое расхождение указывает в одну сторону. Если это многошаговый агентный цикл — то нет.

Вы можете скачать один из них

Это то различие, которое не улавливает ни один бенчмарк, и именно оно с наибольшей вероятностью решит исход разговора о закупке.

DeepSeek V4 Flash распространяется под лицензией MIT, а его веса доступны на Hugging Face. Вы можете скачать её, запустить на собственном оборудовании, дообучить, поставлять в составе продукта и никогда не отправлять ни одного токена третьей стороне. Для юридической фирмы или банка, обязанных сохранять конфиденциальность клиентов, это не просто приятный бонус; часто это и есть всё требование, и это полностью исключает модель DeepSeek из той половины этого сравнения, которая посвящена хостируемому API, а вместо этого переносит её на ваши собственные машины.

Ultramarine 1 Flash сегодня этого не может. «Скоро появятся веса модели» — это заявление о намерении, а не лицензия. Что Paper Instruments действительно открыто выпустила, так это каркас вокруг модели: агентную обвязку Feather, внутри которой её обучали и оценивали, и форки paper-docx, paper-pptx и paper-xlsx, дающие агенту безопасный интерфейс к форматам файлов Office. Они действительно полезны — и при этом служат рекламой модели, поскольку существуют для того, чтобы её результаты были менее повреждёнными, чем то, что выдаёт обычный агент со стандартными библиотеками.

Итак, строка лицензии перестраивает сравнение. Если вам нужно запускать веса самостоятельно, сравнивать нечего: DeepSeek V4 Flash — это ответ, а Ultramarine 1 Flash — это обещание. Если вы можете вызывать API, эти двое действительно конкурируют, и решающим доказательством служит стоимость за задачу на ваших собственных документах.

Где оказывается маршрутизированная цена

На OrcaRouter D​eepSeek V4 Flash обслуживается по цене $0.22 за ввод и $0.66 за вывод за миллион токенов — это цена провайдера по прайс-листу, передаваемая с нулевой наценкой за токен, поэтому она находится ниже пары $0.44/$1.32 в реестре Artificial Analysis: эта пара отражает карточку другого провайдера. Схема сквозной передачи имеет второе последствие, о котором стоит знать, если вы планируете бюджет: когда провайдер меняет ставку, предоставляемая ставка меняется вместе с ней в тот же день, без изменения конфигурации с вашей стороны.

По сравнению с этой маршрутизированной ставкой, $0.15/$0.50 у Ultramarine 1 Flash примерно в 1,5 раза дешевле на входе и в 1,3 раза на выходе — гораздо меньше, чем предполагает сравнение по прайс-листу, и ещё меньше, если применить 97%-ную скидку за кэш D​eepSeek к документной нагрузке с большим общим префиксом. Кэшированная ставка Ultramarine 1 Flash составляет $0.03 за миллион — тоже существенная скидка, но на этом этапе они достаточно близки, так что ни один не выигрывает только за счёт арифметики.

Что оставляет решение там, где ему и место: за вашей собственной работой. Отправьте партию реальных результатов обоим, сравните счета и прочитайте выводы. Ultramarine 1 Flash нет в нашем каталоге, так что этот тест с одной стороны выполняется на собственном эндпоинте поставщика. Модель, на которой он дообучен, GLM-5.3 Flash, обслуживается здесь по цене $0.15/$0.50 — идентичная тарифная сетка — что даёт вам разумное приближение того, что выдаёт базовая модель, прежде чем вы добавите сверху посттренировку.

Позиция без победителя

Эти двое — не настоящие замены друг друга, и попытка свести их к одному победителю скрывает полезный вывод. DeepSeek V4 Flash — это доступная для скачивания, независимо измеренная, необычайно быстрая MoE, которая пишет больше, чем нужно. Ultramarine 1 Flash — это закрытая, неизмеренная посттренировка открытой базовой модели, спроектированной писать меньше, которую продают на основе набора бенчмарков, который больше никто не запускал.

Версия этой статьи, которую легко отмести, сказала бы, что побеждает более дешёвый тариф за токены. Версия, которую можно отстоять, говорит, что лицензия определяет закупку, показатели многословности определяют счёт, и ни одна из моделей не тестировалась на ваших документах. Две из этих трёх вы можете решить уже на этой неделе. Третью нельзя решить, пока Paper Instruments не опубликует независимые цифры или не выпустит веса, которые, по его словам, уже на подходе.

Подобные сравнения также выявляют режимы отказа: документированные инциденты с ИИ и сбои агентов, стоящие за моделями этого класса, собраны в архиве инцидентов ИИ OrcaRouter, где каждая запись содержит собственные источники, степень серьёзности, оценку достоверности и флаг оспаривания.