Ultramarine 1 Flash vs DeepSeek V4 Flash: Ett billigt tokenpris är inte en billig uppgift

Ultramarine 1 Flash kostar $0.15 per miljon indatatoken och $0.50 för utdata. D​eepSeek V4 Flash listas till $0.44 och $1.32 i Artificial Analysiss register, eller $0.22 och $0.66 till den routade taxa som vår katalog erbjuder den till. Ställ de två prislistorna sida vid sida och Paper Instruments-modellen framstår som det självklara fyndet – tre gånger billigare in och två och en halv gång billigare ut, till listpriserna. Problemet med den tolkningen är att en taxa per miljon token bara är halva räkningen, och den halva den utelämnar är den där de här två modellerna skiljer sig mest. D​eepSeek V4 Flash genererar 240 miljoner utdatatoken för att slutföra Intelligence Index. Medianmodellen i dess jämförelseklass genererar 140 miljoner. Den är, med Artificial Analysiss formulering, mycket ordrik – rankad 36:a av 40 i sin prisklass på den axeln.

Ultramarine 1 Flash hävdar det motsatta om sig själv. I alla sex benchmarks som Paper Instruments utvärderade genererade den 6,5 % färre tokens än GLM-5.3 Flash-modellen som den eftertränades från, samtidigt som den fick högre poäng på vart och ett av dem. Den ena modellen är billig per token och dyr per uppgift. Den andra ansträngde sig extra för att bli billigare per uppgift utan att ändra sitt pris. Jämförelsen som är värd att göra är mellan dessa två angreppssätt, inte mellan två indatapriser.

Två modeller, två olika vägar till samma prisklass

De nådde budgetnivån från motsatta håll, och skillnaden förklarar det mesta av vad som följer.

D​eepSeek V4 Flash är en från grunden byggd mixture-of-experts-modell: 284 miljarder totala parametrar, 13 miljarder aktiva, släppt den 24 april 2026 under en MIT-licens med vikter publicerade på Hugging Face. Dess 0731-revision, återigen eftertränad från grunden på samma arkitektur, är vad den daterade identifieraren nu avser. Den har ett kontextfönster på 1 048 576 token med upp till 384 000 utdatatoken, tar in text och returnerar text, och rapporterar starka agentbenchmarks baserat på D​eepSeeks egna publicerade siffror — 82,7 på Terminal-Bench 2.1, 76,7 på Cybergym, 70,3 på Toolathlon Verified.

Ultramarine 1 Flash är ett derivat. Paper Instruments tog GLM-5.3 Flash — Z.ai:s multimodala modell med 320B totalt och 18B aktiva — och körde storskalig förstärkningsinlärning på den över en syntetisk kursplan med finans-, juridik-, konsult- och driftarbete. API:et gick live den 14 oktober 2026 till 0,15 $ / 0,03 $ cachat / 0,03 $ per miljon token, samma priser som GLM-5.3 Flash tar ut. Vikterna gick inte live; på leverantörens egen sida står det "Modellvikter kommer snart."

Så den ärliga inramningen av den här kombinationen är en nedladdningsbar MoE byggd från grunden mot en sluten efterträning av någon annans öppna bas, en av dem sex månader in i produktion och den andra en dag gammal.

Utförlighetsnumret som ingen av sidorna inleder med

Artificial Analysis mäter hur många utdata-tokens en modell gör av med för att slutföra Intelligence Index och rapporterar det som en verbositetsrankning. D​eepSeek V4 Flash använde 240 miljoner utdata-tokens mot en klassmedian på 140 miljoner – 71 % över det typiska, på 36:e plats av 40 i sin klass. Den siffran är anledningen till att vara försiktig med de 0,22 dollar per uppgift som den anger. Det är också, anmärkningsvärt nog, en bättre kostnad-per-uppgift-siffra än de flesta av dess konkurrenter uppnår, vilket säger hur mycket modellens råa hastighet kompenserar: med 173,7 utdata-tokens per sekund är den den åttonde snabbaste av 74 modeller i sin klass, så tokenvolymen kommer snabbt även om det finns mer av den.

Ultramarine 1 Flash:s mångordighet publiceras inte av Artificial Analysis, eftersom Artificial Analysis inte har utvärderat modellen. Det som Paper Instruments i stället publicerar är jämförelsen mot sin egen bas: 30,5 miljoner tokens mot GLM-5.3 Flash:s 32,7 miljoner över de sex benchmark-sviterna, inklusive resonemang. Det är en mätning som båda sidor av jämförelsen delar — samma svit, samma testramverk, samma förutsättningar — vilket gör den till den mest trovärdiga siffran i släppet och den enda där ett anspråk på token-effektivitet verifieras mot något annat än sig självt.

Lägger man ihop dem ändrar aritmetiken skepnad. Fördelen med D​eepSeek V4 Flash är att det är en snabb, kapabel och välavvägd modell som kan köras nästan var som helst. Nackdelen är att den skriver mycket, och med en fast taxa för utdata syns det på fakturan. Fördelen med Ultramarine 1 Flash är att den skriver mindre än modellen den härstammar från — men bara jämfört med den modellen, och bara på sviter som dess egen tillverkare har skrivit.

Vad de sex benchmarkarna faktiskt säger

Paper Instruments körde sex testsviter mot sin egen modell och flera konkurrenter. D​eepSeek V4.1 Flash finns med i dem; den ursprungliga D​eepSeek V4 Flash, modellen i den här rubriken, gör det inte.

• JobBench — Ultramarine 1 Flash 62,9, DeepSeek V4.1 Flash 60,4. Paper Instruments-modellen leder med 2,5 poäng.

• PI Knowledge Work — Ultramarine 1 Flash 59,3, D​eepSeek V4.1 Flash 47,9. En skillnad på 11,4 punkter, den största i uppsättningen.

• FrontierFinance — 53,3 mot 46,0.

• AutomationBench — den enda sviten där D​eepSeek vinner: V4.1 Flash 51,3 mot Ultramarines 50,2.

• DiligenceBench — 50,6 mot 50,3. I praktiken jämnt, med båda efter Gemini 3.8 Flash och Claude Fable 5.

• APEX-Agents 1.1 — 57,0 mot 39,5, den största marginalen i hela tabellen.

Förbehållen hopar sig här, och det är värt att vara tydlig med alla. Detta är leverantörens benchmarkresultat. DeepSeeks siffror gäller en annan, nyare modell i samma familj, som Paper Instruments identifierar vid namn. Och inget av det har granskats av någon utanför företaget. Vad tabellen faktiskt fastställer är snävt men verkligt: inom arbete med dokumentleverabler har den eftertränade specialisten ett stort försprång framför en effektiv generalist-MoE, och inom automatiserade agentuppgifter försvinner gapet nästan. Om ditt arbete är en promemoria eller en modell pekar den uppdelningen åt ett håll. Om det är en flerstegsagentslinga gör den inte det.

Du kan ladda ner en av dessa

Det här är skillnaden som ingen benchmark fångar, och det är den som med störst sannolikhet avgör ett upphandlingssamtal.

D​eepSeek V4 Flash är MIT-licensierad med vikter på Hugging Face. Du kan ladda ner den, köra den på din egen hårdvara, finjustera den, skeppa den inuti en produkt och aldrig skicka en token till en tredje part. För en advokatbyrå eller en bank med klientkonfidentialitetsförpliktelser är det inte en trevlig extrafunktion; det är ofta hela kravet, och det tar D​eepSeeks modell helt bort från den hostade API-halvan av den här jämförelsen och placerar den på dina egna maskiner i stället.

Ultramarine 1 Flash kan inte göra det i dag. "Modellvikter kommer snart" är en avsiktsförklaring, inte en licens. Det som Paper Instruments faktiskt släppte öppet är byggnadsställningen runt modellen: Feather-agentramverket som den tränades och utvärderades i, och forkarna paper-docx, paper-pptx och paper-xlsx som ger en agent ett säkert gränssnitt mot Office-filformat. De är verkligen användbara – och de är också en annons för modellen, eftersom de finns för att göra dess utdata mindre korrupta än vad en generisk agent producerar med standardbiblioteken.

Så licensraden omorganiserar jämförelsen. Om du måste köra vikterna själv finns det ingen jämförelse: D​eepSeek V4 Flash är svaret och Ultramarine 1 Flash är ett löfte. Om du kan anropa ett API konkurrerar de två på riktigt, och det avgörande beviset är kostnaden per uppgift för dina egna dokument.

Var det routade priset hamnar

På OrcaRouter levereras D​eepSeek V4 Flash till $0,22 för indata och $0,66 för utdata per miljon token — leverantörens listpris vidarebefordrat utan något påslag per token, vilket är anledningen till att det ligger under paret $0,44/$1,32 i Artificial Analysis register: det paret avser en annan leverantörs prislista. Upplägget med vidarebefordran har en andra konsekvens som är värd att känna till om du budgeterar: när en leverantör ändrar ett pris ändras det erbjudna priset samma dag, utan att du behöver göra någon konfigurationsändring.

Mot den routade taxan är Ultramarine 1 Flashs $0.15/$0.50 cirka 1,5 gånger billigare på indata och 1,3 gånger på utdata — mycket snävare än listprisjämförelsen antyder, och ännu snävare när D​eepSeeks 97 % cacherabatt tillämpas på en dokumentarbetsbelastning med ett stort delat prefix. Ultramarine 1 Flashs cachade taxa är $0.03 per miljon, också en kraftig rabatt, men de två ligger tillräckligt nära varandra vid det här laget att ingen vinner enbart på aritmetik.

Vilket lämnar frågan om ditt eget arbete. Skicka en omgång verkliga leverabler till båda, jämför fakturorna och läs utdata. Ultramarine 1 Flash finns inte i vår katalog, så det testet körs mot leverantörens egen slutpunkt på ena sidan. Modellen som den är eftertränad från, GLM-5.3 Flash, serveras här till $0.15/$0.50 — samma prislista — vilket ger dig en rimlig proxy för vad basmodellen producerar innan du lägger till efterträningen ovanpå.

Ställningen, utan en vinnare

Dessa två är egentligen inte substitut, och att tvinga fram en vinnare av dem skymmer den användbara upptäckten. DeepSeek V4 Flash är en nedladdningsbar, oberoende mätt, ovanligt snabb MoE som skriver mer än den behöver. Ultramarine 1 Flash är en stängd, omätt efterträning av en öppen bas som konstruerats för att skriva mindre, såld på en benchmarksvit som ingen annan har kört.

Den lätt avfärdade versionen av den här artikeln skulle säga att det billigare tokenpriset vinner. Den försvarbara versionen säger att licensen avgör upphandlingen, att utförlighetssiffrorna avgör fakturan, och att ingen av modellerna har testats på dina dokument. Två av dessa tre kan du lösa den här veckan. Den tredje kan inte lösas förrän Paper Instruments antingen publicerar oberoende siffror eller släpper de vikter som de säger är på väg.

Jämförelser som denna är också där felmoderna visar sig: de dokumenterade AI-incidenterna och agentfelen bakom modeller i denna klass samlas i the OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och omtvistad flagga.