
Sage-S2.1-Flash vs Claude Haiku 5.5: Kostnaden för en token vs kostnaden för ett kontextfönster
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 90 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNYOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 87 tok/s
- OrcaNYOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 133 tok/s
- OrcaNYOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligens
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligens
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1M tokens · 219 tok/s
Claude Haiku 5.5 och Sage-S2.1-Flash annonserar båda ett kontextfönster på en miljon token, och det är ungefär där likheten slutar. Claude Haiku 5.5, som släpptes av Anthropic den 7 oktober 2026, har ett publicerat prisblad, en oberoende poäng på en leaderboard och ett hostat API. Sage-S2.1-Flash, som i tysthet laddades upp till Hugging Face av Shanghai AI Laboratory den 15 november 2026, har 645 gigabyte MIT-licensierade vikter, ett modellkort på 21 byte och inget pris någonstans på internet. Att jämföra dem per miljon token är därför omöjligt – inte svårt, utan omöjligt, eftersom ena sidan av mätaren är tom.
Den jämförelse som faktiskt fungerar är en annan, och det är den som den här sidan handlar om: vad varje modell tar betalt för lång kontext. På den axeln är de två inte nära varandra, och svaret är inte det som prislapparna antyder.
Två upphandlingsproblem som bär samma benchmarknamn
Börja med vad varje sida faktiskt är, eftersom namngivningen inbjuder till ett kategorimisstag. Claude Haiku 5.5 är en proprietär text- och bildmodell i Anthropics lilla segment – den som leverantören positionerar för "uppgifter med hög volym och känslighet för latens, såsom klassificering, extrahering och routning". Den använder adaptivt tänkande med en effort-parameter som som standard är medium, returnerar upp till 128 000 utdatatokens och nås via API:t som claude-haiku-5-5 på Anthropics egen plattform och via de fyra stora kanalerna för molnåterförsäljning.
Sage-S2.1-Flash är en vetenskaplig agentmodell med öppna vikter: en blandning av experter med 320 miljarder parametrar och 18 miljarder aktiva per token, byggd på arkitekturen GLM-5.3-Flash, paketerad i bfloat16 på cirka 645 GB fördelat över 120 shards. Dess konfiguration anger en positionsgräns på 1 048 576 token, ett 24-lagers visionstorn och explicita token-typer för bild, video, ljud och tänkande. Den är MIT-licensierad och nedladdningsbar, och per den 16 november tillhandahöll ingen inferensleverantör den och ingen oberoende testram hade poängsatt den.
En av dessa är en radpost. Den andra är en helg och en GPU-nod. Den asymmetrin är hela jämförelsen, och allt nedan är aritmetiken som följer av den.

100 000-tokenstupet som ingen nämner i rubriken
Anthropic publicerar prissättningen för Claude Haiku 5.5 i två nivåer i stället för en, och det är i den andra nivån som modellens eget kontextpåstående blir dyrt:
• Prompts på upp till 100 000 token – 0,10 USD per miljon indata, 0,50 USD per miljon utdata
Prompts över 100 000 tokens – 0,50 USD per miljon indatatokens, 2,50 USD per miljon utdatatokens
• Cache-skrivning, fem minuter — 0,125 $ och 0,625 $ per miljon, enligt samma uppdelning
• Cacheläsning — 0,01 USD per miljon under 100K, 0,05 USD över det
• Batch API — 50 % rabatt på båda sidor
Det är ett femfaldigt steg, och det utlöses exakt vid den promptlängd där en långkontextmodell börjar vara värd att betala för. En prompt på 150 000 token med ett svar på 5 000 token kostar 150 000 × $0.50/1M = $0.075 för indata plus 5 000 × $2.50/1M = $0.0125 för utdata, eller $0.0875. Till taxan under 100K skulle samma anrop ha kostat $0.015 och $0.0025 — $0.0175. Kontextfönstret på fem gånger kostar inte fem gånger vad ett 100K-anrop kostar; mätt mot den taxa du betalade strax innan kostar det ungefär fem gånger mer för samma token och elva gånger mer för just det anropet.
Det finns en andra multiplikator ovanpå, och den är lätt att missa eftersom den finns i dokumentationen snarare än i pristabellen: Claude Haiku 5.5 använder tokenizern som introducerades med Claude 4.7, så samma text räknas som ungefär 30 procent fler tokens än den gjorde på Claude Haiku 4.5. Vilken budget du än sätter per dokument bör du multiplicera med 1,3 innan du tillämpar priset. Anthropic är ovanligt tydliga med detta, vilket är till deras fördel, men effekten på en naiv kostnadsmodell är verklig: en arbetsbelastning som migreras från 4.5 till 5.5 med oförändrad tokenuppskattning kommer att överskrida med nära en tredjedel.
Inget av detta gör Claude Haiku 5.5 dyrt i absoluta tal. 0,10 USD per miljon indatatoken är den lägsta taxan för någon nuvarande frontiernära modell, och den oberoende rankingen håller med om att nivån inte är en leksak: Claude Haiku 5.5 får 36,5 på Artificial Analysis Intelligence Index vid maximal ansträngning, över DeepSeek V4.1 Flashs 32,6 och Gemini 3.8 Flashs 30,8. Poängen är snävare och mer användbar: för den här modellen är promptlängden prishävstången, inte valet av modell.
Vad lång kontext kostar när du äger vikterna
Gör nu samma beräkning för Sage-S2.1-Flash. Det finns inget prisblad, så token är gratis i marginalen – men fönstret är det inte, eftersom du måste hålla vikterna någonstans. InternLMs egen guide för driftsättning anger referenskonfigurationen: åtta H200-GPU:er, bfloat16, tensorparallellism på åtta.
Aritmetiken är glanslös och avgörande. 645 GB vikter över åtta kort är cirka 81 GB per kort. Ett H200 har 141 GB HBM, vilket lämnar ungefär 60 GB per kort för KV-cache, aktiveringar och vision tower:s arbetsminne. Guiden säger uttryckligen att man inte ska använda FP8 KV-cache på Hopper, så de 60 GB används i bfloat16 – det dyraste cacheformatet per token som finns. Ett kontextfönster på en miljon token är möjligt inom den ramen, men bara för att modellens hybrida attention håller de flesta lager linjära: 34 av de 45 lagren använder den linjära attentionstyp som konfigurationen kallar kda, och endast 11 använder gles attention med ett top-2 048-index. På en konventionell 45-lagrig transformer skulle en KV-cache för en miljon token inte få plats alls.
Så den ärliga kostnadsjämförelsen är inte "gratis kontra 0,10 dollar". Den är "åtta H200, dimensionerade och hyrda av dig, kontra ett mätarbaserat API vars pris femdubblas över 100K". Vid vilken utnyttjandegrad den första slår den andra beror helt och hållet på din timkostnad för de GPUerna och hur stor del av dygnet de är upptagna — och eftersom vi inte har något publicerat Sage-pris och ingen oberoende genomströmningssiffra för det, så hittar den som anger en brytpunkt åt dig på en.

Bevisgapet, klart uttryckt
Båda modellerna har benchmarksiffror. Bara en av uppsättningarna kan kontrolleras mot något.
Claude Haiku 5.5 mäts av en tredje part. Artificial Analysis placerar den på 36,5 på Intelligence Index vid maximal ansträngning, med en rapporterad utdatahastighet på 257 tokens per sekund. Det är en granskad siffra från en testrigg som kör samma tester för alla modeller den listar, vilket är det som gör den användbar för ett beslut.
Sage-S2.1-Flash mäts endast av sina författare. InternLMs siffror finns i en tabbseparerad fil i ett GitHub-förråd som skapades den 16 november, publicerad på en statisk webbplats på internlm.github.io/Sage-S2.1-Flash som Hugging Face-modellkortet inte länkar till. Tabellen har 35 rader och jämför Sage med åtta modeller. Dess starka rader är de vetenskapliga och visionsrelaterade – BabyVision på 75.8 mot Claude Opus 5 på 63.1, OSWorld-G på 84.8 mot DeepSeek-V4.1-Flash-1017 på 61.4, OfficeQA Pro V2 på 72.2, den bästa siffran i dess egen tabell. Dess kodningsrader är intetsägande: SWE-bench Pro 60.6, DeepSWE 67.0, båda efter DeepSeek V4.1 Flash.
Claude Haiku 5.5 förekommer inte alls i den tabellen. Det gör inte Gemini 3.8 Flash heller. Så den enda jämförelse som en läsare som söker på den här matchningen faktiskt vill ha – den billiga hostade modellen mot den nedladdningsbara vetenskapliga – har inga leverantörsdata på någon av sidorna, och inga oberoende data på ena sidan. Vad vi kan säga är att Sages publicerade rader ligger i Opus-klass på vetenskapliga benchmarkar, medan dess kodningsrader ligger under en modell som kostar $0,30 per miljon indata, och att en marginal på tjugofyra punkter på BabyVision antingen är en verklig förmåga eller ett benchmark som tolkas annorlunda för den här modellen. Utan ett testramverk kan man inte avgöra vilket.

Där var och en faktiskt vinner
Ta bort de delar som inte kan jämföras, så återstår en ren uppdelning.
• Massarbete som är känsligt för latens — Claude Haiku 5.5, utan tvekan. Klassificering, extrahering, routing och subagentanrop till $0.10/$0.50 med en publicerad poäng är ett löst problem. Sage-S2.1-Flash kan inte konkurrera här: du skulle hyra åtta GPU:er för att utföra arbete som ett mätarstyrt API gör för småpengar.
• Prompter mellan 100K och 1M tokens — verkligen omtvistat, och avgörs av utnyttjandegrad snarare än av förtjänst. Claude Haiku 5.5 tar fem gånger sitt baspris i detta intervall; Sage tar betalt för den amorterade kostnaden för hårdvara du redan har hyrt. Om din nod är upptagen vinner Sage på kostnad. Om den inte är det, gör den det inte.
• Vetenskaplig multimodalinmatning — Sage-S2.1-Flash, utifrån dess egna påståenden. Molekylgrafer, kristallstrukturer, proteinsekvenser, spektra, masspektra, XRD, EKG, EEG och ljuskurvor är de indata som InternLM säger sig ha tränats på, och det är den enda av de två vars dokumentation namnger dem. Betrakta det som ett designpåstående, inte ett uppmätt resultat.
• Allt som kräver ett avtal den här veckan — Claude Haiku 5.5. Den ena har ett pris, en statussida och ett åtagande om avveckling tidigast den 7 oktober 2027. Den andra har ett tomt modellkort och, vid tidpunkten för skrivandet, noll nedladdningar.
• Datahemvist och ägande av vikter — Sage-S2.1-Flash, villkorslöst. MIT-vikter som du kan inneha, granska och finjustera är en annan typ av tillgång än ett API, och ingen prisskillnad ändrar på det.
Den enda detaljen under huven som avgör de flesta migreringar
Om du flyttar en pipeline för lång kontext mellan dessa två kommer det blockerande problemet inte att vara kvaliteten. Det kommer att vara tokenisering och verktygsanrop.
Claude Haiku 5.5 har bytt tokenizergeneration, vilket innebär att varje prompt som du har anpassat mot Claude Haiku 4.5 måste mätas om, och alla chunkningsstrategier som antog en tokenbudget är nu ungefär 30 procent fel. Anthropic tillhandahåller en migreringsguide för exakt detta, och den är värd att läsa innan du rör en konfigurationsfil.
Sage-S2.1-Flash har en vassare version av samma problem, och det är det enda inslaget i dess driftsättningsguide som är värt att läsa före allt annat. Dess tokeniserare måste laddas från repositoryt – den medföljande tokeniseraren i vLLM, SGLang eller LMDeploy kodar agentisk syntax, såsom markörer för verktygsanrop, som kontrolltokens i stället för text, och modellen avslutar då en tur i förtid utan att det visas något fel. Bakom den ligger ytterligare två fallgropar: ett parallellt verktygsanrop som kommer i fel ordning kopplar bilder till fel resultat i vLLM utan en patch för en enda fil, och SGLang åsidosätter chattmallen om den inte explicit tilldelas filen. För en migrering är den praktiska konsekvensen att arbetet med att räkna tokens fördubblas – en gång för Anthropics nya tokeniserare, en gång för InternLMs anpassade – och ingendera kan uppskattas utifrån den andra.
De tre punkterna är i praktiken skillnaden mellan "Sage-S2.1-Flash är en modell jag utvärderade" och "Sage-S2.1-Flash är en modell jag gav upp på". De är alla dokumenterade, vilket är mer än vad de flesta tysta lanseringar lyckas med.
Att komma fram till ett beslut utan ett pris
Claude Haiku 5.5 finns inte i OrcaRouter-katalogen i dag; den finns på Anthropics eget API och via de stora molnåterförsäljningskanalerna, och vi kommer inte att antyda något annat. Det som routas är den föregående generationen — anthropic/claude-haiku-4.5 till $1,00 in och $5,00 ut per miljon, listpris vidarebefordrat utan påslag — vilket fortfarande är det ärliga riktmärket för vad Anthropics lilla nivå kostar innan 5.5-nivån sänkte det med en faktor tio. Kör du dina riktiga prompter genom 4.5 får du uppmätta tokenantal i samma tokenizer-familj, och uppmätta tokenantal är det enda som avgör frågan om 100K-klippan ovan: om din trafik ligger under den, över den eller på gränsen avgör hela jämförelsen på ett sätt som ingen benchmark-rad kan.
När leverantören så småningom publicerar ett pris för Sage-S2.1-Flash, eller ett oberoende testramverk betygsätter det, spelar modellen för vidarebefordran av priser roll: en katalog som återspeglar leverantörens listpris samma dag som en prissänkning träder i kraft är hur du undviker att omförhandla den här jämförelsen varje kvartal.
Vad skulle ändra den här sidan
Ett enda tal skulle göra det mesta av jobbet: ett pris per token för Sage-S2.1-Flash. Med det blir 100K-klippan på ena sidan och den amortiserade noden på den andra en riktig break-even-beräkning i stället för en form. Ett andra tal skulle hjälpa nästan lika mycket – en oberoende poäng för Sage, helst på samma testbänk som placerade Claude Haiku 5.5 på 36.5, så att de två kan subtraheras i stället för att bara beskrivas.
Fram till dess är den försvarbara ståndpunkten denna. Claude Haiku 5.5 är det billigare sättet att göra en mycket stor mängd små saker, och det blir dyrt precis där dess kontextfönster blir intressant. Sage-S2.1-Flash är det billigare sättet att äga en mycket stor modell, och det är ännu inte ett sätt att köpa någonting. Att välja mellan dem är inte en smakfråga om benchmarks. Det är en fråga om huruvida din arbetsbelastning mäts i tokens eller i noder — och om du inte kan svara på det ännu är nästa ärliga steg att prissätta din egen trafik, inte att läsa ännu en jämförelse.
Jämförda i den här artikeln1
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
