Ett genererat titelkort med texten 'Sage-S2.1-Flash vs Gemini 3.8 Flash' ovanför underrubriken 'Den ena har en prisstup, den andra har inget pris', med två chips nedan som lyder 'fördubblas 1 jan. 2027' och '645 GB vikter'. Vit bakgrund, blå och cyan gradientaccenter, platta linjeikoner. OrcaRouter-logotypen är infogad i nedre högra hörnet.
Guides & Insights

Sage-S2.1-Flash vs Gemini 3.8 Flash: Den ena har en prisklippa, den andra har inget pris

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Gemini 3.8 Flash kostar i dag 0,75 USD per miljon indatatoken och 3,75 USD per miljon utdatatoken. Den 1 januari 2027 kommer det att kosta 1,50 USD och 7,50 USD – samma modell, samma vikter, dubbel faktura, eftersom Googles introduktionspris för modellen upphör den 31 december 2026. Sage-S2.1-Flash, som publicerades i tysthet av Shanghai AI Laboratory den 15 november 2026, har inget pris som kan fördubblas. Det har 645 gigabyte MIT-licensierade vikter, ett 21 byte stort modellkort och en driftsättningsguide som förutsätter att du har åtta H200.

Ställ de två fakta bredvid varandra, så blir sökavsikten bakom den här jämförelsen tydlig: folk frågar egentligen inte vilken modell som är smartare. De frågar om de ska fortsätta hyra Googles Flash-nivå eller om en öppen vetenskaplig modell som de kan ladda ner nu ersätter en del av den kostnaden. Svaret beror på ett datum, och på en distinktion som de flesta jämförelser hoppar över – mellan en modell som är billig per token och en modell vars tokens inte mäts alls.

Vad är det egentligen som planeras att ändras?

Googles egen dokumentation för Gemini 3.8 Flash anger två prislistor, och endast en av dem är i kraft:

• Introduktionspris, till och med 31 december 2026 — 0,75 USD per miljon indata, 3,75 USD per miljon utdata, 0,075 USD för cachad indata

• Standard, från och med 1 januari 2027 — 1,50 USD per miljon indatatoken, 7,50 USD per miljon utdatatoken

• Kontext — 1 000 000 token, med ett utdatatak på 64 000 token

• Tänkande — tre nivåer: låg, medel (standard) och hög; den äldre inställningen minimal ger nu fel

• Borttagna parametrar – temperature, top_p, top_k, candidate_count och förifyllda modellturer accepteras inte längre

Den där sista raden är den som kostar utvecklingstid snarare än pengar, och den är lätt att missa i en diskussion om prissättning. En pipeline som migrerats från Gemini 3.6 Flash till 3.8 Flash kan inte behålla sin samplingskonfiguration; modellen avvisar inställningarna. Flertursprefills är också borta, ersatta av ett serversidigt previous_interaction_id. Vad du än bygger på 3.8 Flash mellan nu och januari är det ett bygge du kommer att finjustera två gånger – en gång för API-ändringen du redan har gjort, en gång för prisförändringen du inte har gjort.

Gemini 3.8 Flash är enligt Googles egen beskrivning också den "tidigare generationens Flash-modell" – stabil, fortfarande standard bakom Antigravity-agenten och SDK:t, och det utsedda migreringsmålet för förfrågningar till gemini-2.5-pro från och med den 1 december 2026. Det är en arbetshäst med en känd horisont utan avveckling, inte ett frontlinjeexperiment. Det är en verklig fördel, och det är inte en som Sage-S2.1-Flash erbjuder för närvarande.

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.

Två olika produkter med "Flash" i namnet

Namnkoincidensen får bära mer vikt än den förtjänar, så det är värt att plocka isär den.

Gemini 3.8 Flash är en hostad, proprietär multimodal arbetshäst. Den tar emot text, bild, video, ljud och filer som indata och returnerar text. Artificial Analysis ger den 30,8 på Intelligence Index vid hög ansträngning, med en hastighet på ungefär 114 utdatatokens per sekund och 19,7 sekunder till första token i sin långkontextsprobe. Den prissätts per token, mäts och är idag tillgänglig via Googles egen API och molnåterförsäljningskanaler.

Den andra sidan av namnet är en forskningsartefakt. Sage-S2.1-Flash har 320 miljarder parametrar med 18 miljarder aktiva per token, publicerad som 120 bfloat16-shards under MIT-licens av Shanghai AI Laboratory den 15 november 2026 – 645 GB vikter, ett syntorn och en konfiguration som anger ett tak på 1 048 576 token över 45 lager. Trettiofyra av dessa lager använder en linjär uppmärksamhetstyp; elva använder gles uppmärksamhet. Det är inte en tjänst. Det är en nedladdning med en driftsättningsguide bifogad.

Ordet "Flash" i båda namnen betyder, i respektive fall, "en liten nivå i en hostad produktserie" och "den snabba varianten av en forskningsmodellfamilj". De konkurrerar inte om samma radpost. De konkurrerar om samma jobb, och bara ibland.

Det enda benchmark vars namn de delar

Här blir jämförelsen verkligen intressant, och sedan omedelbart nedslående på ett lärorikt sätt.

InternLMs utvärderingstabell för Sage-S2.1-Flash omfattar 35 benchmarks och åtta jämförelsemodeller: 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 och Claude Opus 5.5. Gemini 3.8 Flash finns inte bland dem. Det finns ingen gemensam resultattavla för denna jämförelse, oavsett om den är leverantörsbyggd eller inte.

Det som överlappar är ett benchmarknamn. InternLM rapporterar 87,9 för Sage-S2.1-Flash på Terminal-Bench 2.1. Artificial Analysis rapporterar 87,6 för Gemini 3.8 Flash på Terminal-Bench 2.1. De skiljer tre tiondelar, och det är frestande att kalla det oavgjort – vilket skulle vara fel. De två siffrorna kommer från olika testramverk, med olika scaffolds, antal försök och verktygskonfigurationer, och ingen av labbarna har publicerat sina körinställningar. En skillnad på 0,3 poäng mellan två privata testramverk är inte ett mått på någonting. Det är en slump som råkar vara bekväm för den som vill hävda likvärdighet.

Allt annat som de båda har gemensamt måste man resonera kring i stället för att subtrahera bort. Artificial Analysis placerar Gemini 3.8 Flash på 95,3 i GPQA Diamond, 85,6 i MMMU-Pro, 47,8 i Humanity's Last Exam, 56,6 i SciCode och ett GDPval på 1 442. InternLM placerar Sage-S2.1-Flash på 75,8 i BabyVision, 84,8 i OSWorld-G, 72,2 i OfficeQA Pro V2, 90,3 i MLE-bench Lite och 25,0 i Harvey LAB. Dessa listor överlappar knappt, och där de inte gör det finns inget att jämföra – bara två labb som beskriver olika styrkor med olika vokabulär.

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.

Varifrån bevisen kommer, vilket är den verkliga skillnaden

Lägg siffrorna åt sidan ett ögonblick och titta på proveniensen, för den avgör hur mycket tyngd något av det ovanstående kan bära.

Gemini 3.8 Flash mäts av en tredje part i ett offentligt testramverk. Siffran 30,8 för Intelligence Index, hastighetssiffrorna samt GPQA- och MMMU-Pro-resultaten kommer alla från Artificial Analysis, som kör samma procedur som de kör på varje modell de listar. Du kan vara oense med testramverket, men du kan inte anklaga Google för att ha skrivit det.

Sage-S2.1-Flash mäts endast av sina författare, i en tabbseparerad fil som checkats in i ett GitHub-repositiv skapat den 16 november, publicerad på en statisk webbplats på internlm.github.io/Sage-S2.1-Flash. Inget i Hugging Face-repositoriet länkar till den webbplatsen. Modellkortet innehåller en licensrad och inget annat – 21 byte, allt YAML-frontmatter.

Leverantörens tabell har faktiskt en trovärdighetsmarkör värd att beakta: den innehåller rader där modellen förlorar. Sage ligger 6,9 poäng efter DeepSeek-V4.1-Flash-1017 på DeepSWE, 5,5 efter på NL2Repo-Bench och 7,5 efter på APEX-Agents, och ligger efter Qwen3.8-Max på Terminal-Bench 2.1 och SWE-bench Pro. Ett labb som publicerar sina egna förluster är ett labb man kan läsa. Men en självpublicerad tabell med förluster är fortfarande en självpublicerad tabell, och ingen tredje part har reproducerat en enda rad.

Fyra frågor som människor faktiskt ställer

Det mesta av förvirringen i den här matchningen kommer av att flera separata beslut slås ihop till ett. Åtskilda har var och en ett tydligt svar.

• Kan Sage-S2.1-Flash ersätta Gemini 3.8 Flash för textarbete i hög volym? Nej, och inte på grund av kvaliteten. Gemini 3.8 Flash till $0,75 per miljon indatatoken är billigare än elen och avskrivningen för den nod som Sage behöver, för en arbetsbelastning som mäts i miljoner korta anrop. Det här är fel verktyg för det jobbet oavsett benchmarkresultat.

• Vinner Sage på lång kontext, eftersom båda hävdar en miljon token? Först efter januari. I dag tar Gemini 3.8 Flash 0,75 USD per miljon indatatoken under hela sitt fönster, utan tillägg för långa prompter; detsamma gäller 1,50 USD från och med 1 januari. Sage har inte något pris per token alls, vilket betyder att frågan inte är "vilket är billigare per token" utan "vilket är billigare per månad" — och det beror på om noden med åtta H200 är upptagen. En nod som står stilla mellan jobb är dyrare än nästan vilken tokenkostnad som helst.

• Är utdatataket ett problem? För Sage är det okänt – inget dokument i utgåvan anger en maximal utdatalängd. För Gemini 3.8 Flash är det 64 000 token, vilket räcker för de flesta agentiska steg och inte räcker för långformsgenerering i ett enda anrop. Om din arbetsbelastning producerar 100 000 token i ett enda svar diskvalificeras Gemini 3.8 Flash på en specifikation, inte på en poäng.

• Vilken kan jag faktiskt anropa på måndag? Gemini 3.8 Flash. Sage-S2.1-Flash har ingen hostad slutpunkt som vi kunde bekräfta; utgivningssajtens länk "Try the API" pekar på en portal som inte skulle rendera sin katalog för en icke-JavaScript-klient, och ingen inferensleverantör listade modellen på Hugging Face när detta skrevs.

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.

Där det vetenskapliga påståendet skulle behöva testas

Sage-S2.1-Flash:s särskiljande anspråk är inte "bättre agent", utan "fler typer av vetenskaplig indata i en och samma modell": molekylgrafer, kristallstrukturer, proteinsekvenser och tredimensionella strukturer, DNA och RNA, spektra, masspektra, röntgendiffraktion, elektrokardiogram, elektroencefalogram och ljuskurvor. Listan kommer från InternLM:s engelska lanseringsmaterial, inte från modellkortet, och det är ett designpåstående snarare än ett uppmätt resultat.

Dokumentationen för Gemini 3.8 Flash gör inget motsvarande påstående. Den har inbyggt stöd för video och ljud – en verklig fördel i fråga om omfattning som Sages konfiguration också stöder genom token-typerna video och ljud – men Google beskriver den inte som tränad på spektra eller diffraktionsmönster. Det ärligaste sättet att säga det är att när det gäller vetenskapliga format har den ena modellen en dokumenterad specialisering och ingen oberoende verifiering, och den andra har breda multimodala indata och tredjepartsresultat på allmänna benchmarkar som råkar inkludera vetenskapliga sådana (SciCode på 56,6, GPQA på 95,3).

Om den specialiseringen spelar roll för ditt arbete är testet inte en topplista. Det är en handfull av dina egna figurer, spektra eller kryobilder, körda genom båda, kontrollerade av en domänexpert. Tio dokument och en eftermiddag avgör mer än trettiofem leverantörsrader, och det är det enda experimentet i den här artikeln som ger ett resultat du kan försvara internt.

Serveringsfällorna, eftersom de avgör helgen.

Den som faktiskt laddar ner Sage-S2.1-Flash bör först läsa dess driftsättningsguide, av en anledning som är lätt att underskatta: varje fel den dokumenterar sker i tysthet. Tokenizern kommer att feltolka agentisk syntax, bilder kopplas till fel verktygsresultat i ett parallellt anrop som kommer i fel ordning, SGLang kommer tyst att ersätta den med sin egen chattmall, FP8 KV-cache kommer inte att fungera på Hopper, och LMDeploy kommer att avvisa en omdöpt lagertyp om inte transformers låses fast under 5.19. Ingen av dem ger ett felmeddelande. Alla ger trovärdig utdata baserad på fel indata, vilket är den värsta felmoden en agent kan ha.

Googles motsvarande lista är kortare och bättre understödd: ingen temperature, top_p eller top_k; inga förifyllda turer; Malformed_Function_Call-fel spåras till text före verktygsanropet; call_id och name krävs på varje FunctionResponse. Skillnaden mellan de två listorna är inte längden. Det är att den ena har en migreringsguide och en supportväg bakom sig, och den andra är en varning i en markdown-fil, skriven av personerna som skrev modellen, för de första få användarna.

Testar båda utan att välja någon av dem

En praktisk detalj om januariklippan: eftersom en genomströmningskatalog återspeglar leverantörens listpris snarare än en förhandlad kopia av det, slår en prisändring igenom samma dag som leverantören publicerar den. Gemini 3.8 Flash kan anropas via OrcaRouter nu på google/gemini-3.8-flash – 0,75 USD in och 3,75 USD ut per miljon, introduktionspriset, med fönstret på 1 048 576 token intakt – och när Google går över till 1,50 och 7,50 USD visar katalogen det också, utan en omförhandling. Sage-S2.1-Flash finns inte alls i katalogen; det är MIT-vikter som du skulle köra på din egen hårdvara, och ingen router ändrar på det.

Det användbara draget för ett team som överväger detta är inte att hyra åtta H200:or på en höft. Det är att köra det vetenskapliga format-testet som beskrivs ovan mot en hostad modell som ni kan anropa under en eftermiddag, och att sätta en siffra på vad januariökningen faktiskt gör med er räkning innan ni dimensionerar runt den. Två rader aritmetik räcker för de flesta team: multiplicera förra månadens Gemini 3.8 Flash-indatatokens med $0,75 och igen med $1,50, och gör samma sak för utdata med $3,75 och $7,50. Om skillnaden är mindre än en enda H200-timme per månad är den öppna modellen inte svaret, och ingen mängd läsning av benchmarkresultat kommer att göra den till det. Om skillnaden är större vet ni nu vilken budget ni har för ett experiment, vilket är en mycket bättre utgångspunkt än en placering på en leaderboard.

Den matematiken är också anledningen till att pass-through-prissättning är värd att bry sig om här. OrcaRouter förmedlar leverantörens listpris utan påslag, så ändringen den 1 januari kommer att synas i katalogen samma dag som Google publicerar den i stället för nästa gång ett avtal förnyas. En jämförelse som skrivits mot dagens $0.75 kommer att vara fel om sex veckor; en som skrivits mot en levande katalog misslyckas åtminstone högljutt.

När jämförelsen väl blir verklig — ett publicerat Sage-pris, eller en hostad endpoint som är värd att routa — är det routing-DSL:en som gör det billigt att agera på: en enda policy som skickar anrop i vetenskapligt format till den specialiserade modellen och allt annat till den billiga Flash-nivån, med automatisk failover så att en experimentell endpoint aldrig blir en enda felpunkt. Det är den hållning som den här jämförelsen faktiskt kräver. Inte en migrering, en uppdelning.

Vad som ska beslutas, och när

Före den 1 januari 2027 är det pragmatiska svaret Gemini 3.8 Flash för allt produktionsnära och tokendebiterat, eftersom det är billigt, det är mätt, det är anropbart och dess prisändring är ett känt datum snarare än en överraskning. Sage-S2.1-Flash är värt en utvärdering endast om ditt arbete involverar de vetenskapliga indataformat som det namnger – och endast om du har GPU:erna eller tålamodet.

Efter 1 januari förskjuts kalkylen med exakt en faktor två på Googles sida, och argumentet för den öppna modellen blir starkare utan att den öppna modellen gör någonting. Det är värt att planera för redan nu: om din faktura för lång kontext är anledningen till att du läser detta, räkna på siffrorna vid $1.50 och $7.50 innan du binder arkitekturen vid en taxa som går ut om sex veckor.

Och håll en sak klar hela tiden. Sage-S2.1-Flash är inte en billigare Gemini. Det är en stor öppen vetenskaplig modell med en dokumenterad specialisering, inget pris och ingen oberoende poäng, publicerad utan ett tillkännagivande av ett labb som ännu inte har sagt vad den kostar. Anledningen att hålla koll på den är att den kan ägas. Anledningen att inte införa den den här månaden är att ingen, inte ens dess författare, har berättat för dig vad den gör under en testrigg som du kan granska.

Jämförda i den här artikeln2

Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen