การ์ดชื่อเรื่องที่สร้างขึ้นซึ่งมีข้อความว่า 'Sage-S2.1-Flash' อยู่เหนือคำบรรยายว่า '645 GB ของเวต, การ์ดโมเดลขนาด 21 ไบต์, ไม่มีการประกาศ' โดยมีชิปเล็ก ๆ สามอันด้านล่างที่อ่านว่า 'อัปโหลด 15 พ.ย. 2026', 'MIT licence' และ '320B-A18B MoE' พื้นหลังสีขาว เน้นไล่ระดับสีน้ำเงินและสีฟ้า ไอคอนแบบเส้นแบน โลโก้ OrcaRouter ถูกคอมโพสิตไว้ที่มุมขวาล่าง
Guides & Insights

Sage-S2.1-Flash เปิดตัวเงียบ ๆ: น้ำหนักโมเดล 645 GB, การ์ดโมเดล 21 ไบต์ และตาราง Benchmark ที่ไม่มีใครลิงก์

ผู้เขียน

jinhao.song

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

เมื่อวันที่ 15 พฤศจิกายน 2026 เวลา 02:34 UTC บัญชีหนึ่งซึ่งเป็นของ Shanghai AI Laboratory ได้อัปโหลดที่เก็บ (repository) ชื่อ internlm/Sage-S2.1-Flash ไปยัง Hugging Face โดยที่เก็บดังกล่าวมีชาร์ด safetensors จำนวน 120 ชาร์ด รวมขนาดประมาณ 645 กิกะไบต์ ไฟล์การกำหนดค่า เทมเพลตแชต และ README ขนาด 21 ไบต์ ไม่มีโพสต์บล็อก หน้าหลักของแล็บเองไม่มีการกล่าวถึงชื่อดังกล่าวเมื่อเราเข้าดึงข้อมูลในวันที่ 16 พฤศจิกายน ไม่มีข่าวประชาสัมพันธ์ใดที่เราหาเจอ และไม่มีรายการสำหรับ Sage-S2.1-Flash บน Artificial Analysis

สิ่งที่มีอยู่จริง ณ สิ้นสุดสุดสัปดาห์นั้นคือสามสิ่งที่ผู้อ่านสามารถตรวจสอบได้ ได้แก่ ตัวน้ำหนักโมเดลเอง คู่มือการดีพลอยที่เขียนขึ้นสำหรับผู้ที่ตั้งใจจะให้บริการโมเดลนี้บน H200 จำนวนแปดตัว และตาราง benchmark ที่โฮสต์อยู่บนไมโครไซต์ GitHub Pages ซึ่งรีโพซิทอรีของโมเดลไม่เคยลิงก์ไปถึง บทความนี้คือการสำรวจรายการของทั้งสามสิ่งนั้น โดยมีเส้นแบ่งชัดเจนระหว่างสิ่งที่ไฟล์พิสูจน์ได้กับสิ่งที่ InternLM ยังไม่ได้กล่าวถึง

Screenshot of the Hugging Face 'Files and versions' tab for internlm/Sage-S2.1-Flash. The header shows the safetensors and glm5_next tags, the MIT licence, and a repository size of 643 GB. The file list shows .gitattributes, README.md, chat_template.jinja, config.json, deployment_guide.md, generation_config.json, and shards numbered model-00001-of-00120 through model-00013-of-00120 and beyond.

รีโพซิทอรี ทีละไฟล์

หลักฐานชัดเจนผิดปกติเพราะมีอยู่เพียงน้อยนิด รายการไดเรกทอรีเมื่อวันที่ 16 พฤศจิกายนแสดงผล 155 ไฟล์ โดยหนึ่งร้อยยี่สิบไฟล์เป็นชิ้นส่วนน้ำหนัก (weight shards) ขนาดประมาณ 5.35 GB ต่อไฟล์ ที่เหลือเป็นกลไกของโมเดลมัลติโมดัล ได้แก่ tokenizer.json ขนาด 20 เมกะไบต์, chat_template.jinja ขนาด 10.5 KB, config.json ขนาด 5.9 KB, การตั้งค่าการสร้างข้อความที่มี temperature 1.0 และ top_p 0.95, deployment_guide.md และอีกสองไดเรกทอรี — ไดเรกทอรีหนึ่งเก็บแพตช์ vLLM อีกไดเรกทอรีหนึ่งเก็บโปรเจกเตอร์สำหรับโมเดลการรับรู้ที่มาคู่กัน

README นี้ชวนให้พิจารณาอยู่เหมือนกัน สองสิบเอ็ดไบต์ และทุกไบต์ล้วนเป็น YAML frontmatter:

• เส้นคั่นแนวนอน จากนั้นหนึ่งบรรทัดที่ระบุว่า license: mit จากนั้นเส้นคั่นแนวนอนอีกเส้น

นั่นคือการ์ดโมเดลทั้งหมด ไม่มีคำอธิบาย ไม่มีตาราง benchmark ไม่มีตัวอย่างการใช้งาน ไม่มีบล็อกการอ้างอิง ไม่มีลิงก์ไปยังเปเปอร์ Hugging Face เรนเดอร์มันเป็นหน้าหนึ่งที่มีชื่อเรื่อง มีแบดจ์ MIT และเนื้อหาว่างเปล่า รีโพซิทอรีนี้มีหนึ่งไลก์ และ ณ เวลาที่เขียนนี้ มียอดดาวน์โหลดเป็นศูนย์ — ซึ่งสำหรับโมเดลขนาดนี้ ไม่ได้เป็นสัญญาณเกี่ยวกับคุณภาพมากเท่ากับเป็นสัญญาณว่ามีคนเพียงไม่กี่คนที่สามารถจ่ายค่าพื้นที่ดิสก์ได้

รายละเอียดเล็ก ๆ สองอย่างจากรายการไฟล์ควรค่าแก่การบันทึกไว้ เพราะช่วยระบุวันที่ของการเปิดตัวได้ดีกว่าคำประกาศใด ๆ รุ่นพี่น้องที่ผ่านการควอนไทซ์แบบ FP8 ชื่อ internlm/Sage-S2.1-Flash-FP8 ถูกสร้างขึ้นเมื่อวันที่ 13 พฤศจิกายน เวลา 15:04 UTC — ประมาณ 35 ชั่วโมงก่อนที่รีโป bfloat16 จะถูกสร้างขึ้น และคอมมิตสุดท้ายของรีโป bf16 เมื่อเวลา 03:01 UTC วันที่ 16 พฤศจิกายน เป็นเพียง "Upload folder using huggingface_hub" เปล่า ๆ ซึ่งเป็นข้อความเดียวกับการอัปโหลดครั้งแรก ไม่ว่ากระบวนการทำงานใดที่สร้างสิ่งนี้ออกมา มันไม่ใช่การเปิดตัวที่ผ่านการคัดสรร

เอกสารฉบับเดียวที่ห้องแล็บเขียนขึ้นมาจริง ๆ

deployment_guide.md เป็นข้อความร้อยแก้วเพียงชิ้นเดียวที่ InternLM แนบมาในรีโป และเป็นไฟล์ที่ให้ข้อมูลมากที่สุดในนั้น ประโยคเปิดของไฟล์นี้คือข้อกำหนดทั้งหมด:

การเปิดตัว Sage-S2.1-Flash เป็นโมเดล MoE แบบมัลติโมดัลขนาด 320B-A18B ที่จัดเก็บในรูปแบบน้ำหนัก bfloat16 (ประมาณ 645 GB)

ตัวเลขสามตัว และเมทาดาทาของ Hub เองยืนยันสองในนั้น จำนวนพารามิเตอร์บนหน้ารุ่นระบุว่า 321 พันล้าน ซึ่งต่างกันหนึ่งพันล้าน และเกือบแน่นอนว่าเป็นธรรมเนียมการปัดเศษมากกว่าความขัดแย้ง ตัวเลขพื้นที่จัดเก็บตรวจสอบกับเมทาดาทารีโพซิทอรีของ internlm ที่ 642.8 GB ได้ "A18B" — พารามิเตอร์ที่ใช้งานอยู่ 18 พันล้านตัวต่อโทเคน — เป็นคำของ InternLM เอง และไม่สามารถอนุมานได้อย่างอิสระจากคอนฟิก ดังนั้นให้ถือเป็นตัวเลขจากผู้จำหน่าย

config.json เติมส่วนที่เหลือ และมันเป็นเอกสารที่น่าสนใจจริง ๆ โมเดลมี 45 เลเยอร์ และมีเพียง 11 เลเยอร์เท่านั้นที่ใช้ attention แบบ sparse ทั่วไป อีก 34 เลเยอร์ใช้เลเยอร์ประเภท linear-attention ซึ่ง config เรียกว่า kda โดยกำหนดผ่านรายการต่อเลเยอร์ใน linear_attn_config การ routing ใช้ expert 288 ตัว โดยมี shared expert หนึ่งตัวและเลือกแปดตัวต่อ token ที่ routed scaling factor 2.5 เพดานตำแหน่งคือ 1,048,576 token มี vision tower — ความลึก 24, ภาพขนาด 448 พิกเซล, patch size 14 — และคลังคำศัพท์ของ token มี token สำหรับ image, video, image-start, image-end, video-start และ video-end อย่างชัดเจน

Screenshot of deployment_guide.md rendered in the Hugging Face file viewer for internlm/Sage-S2.1-Flash. The opening sentence reads 'The Sage-S2.1-Flash release is a 320B-A18B multimodal MoE model stored in bfloat16 weight format (about 645 GB).' Below it, the guide states the vLLM and SGLang examples use 8x H200 GPUs and that the model uses the GLM-5.3-Flash architecture, followed by the 'Required for Sage-S2.1-Flash' section on --trust-remote-code and the vLLM patch.

สายสถาปัตยกรรมที่สำคัญที่สุด

คู่มือการปรับใช้มีอยู่หนึ่งประโยคที่กำหนดกรอบความเข้าใจต่อการเปิดตัวครั้งนี้ทั้งหมด โดยระบุว่า Sage-S2.1-Flash "ใช้สถาปัตยกรรม GLM-5.3-Flash" และแนะนำให้ผู้อ่านติดตั้งและปรับแต่ง vLLM และ SGLang โดยทำตามสูตรอย่างเป็นทางการของ Z.ai สำหรับ GLM-5.3-Flash โดยแทนที่ชื่อรีโพซิทอรีหนึ่งด้วยอีกชื่อหนึ่ง

สิ่งนี้ได้รับการยืนยันใน config: คลาสสถาปัตยกรรมคือ Glm5NextForConditionalGeneration และประเภทโมเดลคือ glm5_next ดังนั้นโมเดลของ Shanghai AI Laboratory จึงถูกเผยแพร่บนสถาปัตยกรรมของ Z.ai และทางห้องแล็บก็ระบุเช่นนั้นตรง ๆ แทนที่จะปิดบังไว้ GLM-5.3-Flash เองก็เป็นโมเดล multimodal MoE ขนาด 320 พันล้านพารามิเตอร์ ที่มีพารามิเตอร์ทำงาน 18 พันล้านตัว มีบริบท 1M โทเคน และเพดานเอาต์พุต 128K — ซึ่งหมายความว่ารูปทรงของพารามิเตอร์ก็ไม่ใช่เรื่องบังเอิญเช่นกัน

สำหรับใครก็ตามที่กำลังตัดสินใจว่าจะนำสิ่งนี้ไปติดตั้งใช้งานหรือไม่ ประโยคนั้นคือสิ่งที่มีค่าที่สุดเพียงอย่างเดียวในรีลีสนี้ มันหมายความว่าเรื่องราวการให้บริการไม่ได้เป็นของใหม่ มันหมายความว่าสูตรการใช้งาน งานด้านเคอร์เนล และโหมดความล้มเหลวที่ทราบแล้ว ล้วนเป็นสิ่งที่มีการบันทึกไว้แล้วสำหรับโมเดลที่เปิดเผยต่อสาธารณะตั้งแต่เดือนสิงหาคม มันยังหมายความว่าแพตช์ที่ InternLM เพิ่มเข้ามานั้นคุ้มค่าที่จะอ่านอย่างละเอียด เพราะมันอธิบายได้อย่างแม่นยำว่าโมเดลของพวกเขาแตกต่างจากโมเดลฐานตรงจุดใด

สามวิธีที่รีลีสนี้จะพังถ้าคุณเสิร์ฟมันแบบตรง ๆ

คู่มือการติดตั้งใช้งานนั้น หากอ่านอย่างละเอียดแล้ว จะเป็นรายการกับดัก แต่ละข้อคือความล้มเหลวแบบเงียบ ๆ มากกว่าที่จะเป็นข้อผิดพลาด ซึ่งเป็นประเภทที่อันตราย

• การไม่ระบุ --trust-remote-code ทำให้การเรียกเครื่องมือเสียหายโดยไม่มีการเตือน เทรซของเอเจนต์มีสตริงอย่าง <|user|> และ <tool_call> เป็นข้อความธรรมดา รีโพซิทอรีนี้มีโค้ดโทเคนไนเซชันของตัวเองที่จัดการสตริงเหล่านี้เป็นข้อความ หากไม่มีแฟล็กดังกล่าว เอนจินจะโหลดโทเคนไนเซอร์มาตรฐาน เข้ารหัสสตริงเหล่านี้เป็นคอนโทรลโทเคน และโมเดลอาจหยุดก่อนกำหนดหรือทำให้การเรียกเครื่องมือเสียหาย โดยไม่มีการบันทึกใด ๆ

• vLLM ต้องใช้แพตช์ไฟล์เดียว ไม่อย่างนั้นรูปภาพจะถูกแนบไปกับผลลัพธ์ของเครื่องมือผิดตัว เมื่อการเรียกเครื่องมือแบบขนานส่งผลลัพธ์กลับมาในลำดับที่ต่างจากลำดับที่เรียก แชทเทมเพลตจะเรนเดอร์ผลลัพธ์ตามลำดับการเรียก ขณะที่ vLLM เก็บรวบรวมรูปภาพตามลำดับของข้อความ แต่ละรูปภาพจะถูกจับคู่กับผลลัพธ์ผิดตัวอย่างเงียบ ๆ และโมเดลก็ตอบเกี่ยวกับรูปภาพผิดใบ การแก้ไขนี้แทนที่ vllm/renderers/hf.py; การแก้ไขต้นทางกำลังดำเนินการอยู่ใน vllm-project/vllm#67108

• SGLang จะไม่ใช้เทมเพลตแชทของรีโพซิทอรี เว้นแต่คุณจะส่งไฟล์ให้มัน SGLang จะติดตั้งเทมเพลตในตัวของตัวเองสำหรับสถาปัตยกรรมนี้โดยค่าเริ่มต้น ซึ่งข้าม tokenizer ของรีโพซิทอรีไปโดยสิ้นเชิง คุณต้องดาวน์โหลด chat_template.jinja และส่งผ่านด้วย --chat-template

literal? Preserve exact? It's code-ish; keep as-is. - streaming - tool call. Thai translation natural. Need be precise: "FP8 KV cache is not supported on Hopper GPUs, so on H100s and H200s you keep the BF16 cache." -> "Hopper GPUs ไม่รองรับ FP8 KV cache ดังนั้นบน H100 และ H200 คุณจึงยังใช้ BF16 cache" Could keep H100s/H200s plural maybe "H100 และ H200". "LMDeploy needs transformers between 5.17 and 5.19, because 5.19 renames the layer type deepseek_sparse_attention to indexed_attention and LMDeploy rejects the new name." -> "LMDeploy ต้องใช้ transformers เวอร์ชันระหว่าง 5.17 ถึง 5.19 เนื่องจาก 5.19 เปลี่ยนชื่อ layer type จาก deepseek_sparse_attention เป็น indexed_attention และ LMDeploy ไม่ยอมรับชื่อใหม่" "layer type" maybe "ประเภทเลเยอร์". Keep code names exact. "The guide also flags an open vLLM issue — vllm-project/vllm#64326 — where a literal </think> in non-streaming responses can truncate reasoning or swallow a tool call; streaming is unaffected." -> "คู่มือยังระบุถึง issue ที่ยังเปิดอยู่ใน vLLM — vllm-project/vllm#64326 — ซึ่งการมี </think> แบบ literal ใน response แบบ non-streaming อาจทำให้ reasoning ถูกตัดทอนหรือกลืน tool call; การ streaming ไม่ได้รับผลกระทบ" Need "swallow a tool call" maybe "ทำให้ tool call หายไป" better. "literal </think>" no translation. "non-streaming responses" -> "การตอบกลับแบบ non-streaming". "streaming is unaffected" -> "ส่วนการสตรีมมิ่งไม่ได้รับผลกระทบ". Need output only translated text. Ensure no marker issues. Thai punctuation. Should not add explanation. Could include "ยังมีข้อจำกัดเพิ่มอีกสองข้อในเอกสารเดียวกัน" "two more" = another two. Good. Need decide if "H100s and H200s" translate as "H100 และ H200" no plural. Fine. Need preserve "transformers" lower-case. "ระหว่าง 5.17 ถึง 5.19" correct. "5.19 เปลี่ยนชื่อ layer type..." good. Need maybe "open vLLM issue" -> "issue ของ vLLM ที่ยังเปิดอยู่" Good. Potential issue: "literal </think>" contains angle tags maybe could be interpreted? No markers. Keep exact. It might be "" tag. Use as is. Need output only Thai.ยังมีข้อจำกัดเพิ่มอีกสองข้อในเอกสารเดียวกัน Hopper GPUs ไม่รองรับ FP8 KV cache ดังนั้นบน H100 และ H200 คุณจึงยังใช้ BF16 cache อยู่ และ LMDeploy ต้องใช้ transformers เวอร์ชันระหว่าง 5.17 ถึง 5.19 เนื่องจาก 5.19 เปลี่ยนชื่อ layer type จาก deepseek_sparse_attention เป็น indexed_attention และ LMDeploy ไม่ยอมรับชื่อใหม่ คู่มือยังระบุถึง issue ของ vLLM ที่ยังเปิดอยู่ — vllm-project/vllm#64326 — ซึ่งการมี </think> แบบ literal ใน response แบบ non-streaming อาจทำให้ reasoning ถูกตัดทอนหรือทำให้ tool call หายไป ส่วนการ streaming ไม่ได้รับผลกระทบ

ไม่มีส่วนไหนบอกว่าโมเดลนี้แย่ สิ่งที่มันบอกคือการเปิดตัวครั้งนี้อยู่ในระยะที่คนที่เขียนมันขึ้นมาถือเป็นกลุ่มเดียวที่ได้รันมัน และพวกเขาก็กำลังบอกคุณอย่างนั้น

ตาราง benchmark ที่ไม่ได้อยู่ใน repository

InternLM เผยแพร่ตัวเลขการประเมินออกมาแล้ว — 35 ตัวเลข ครอบคลุม Terminal-Bench 2.1, DeepSWE, SWE-bench Pro, APEX-Agents, GDPval, OfficeQA Pro V2, Harvey LAB, OSWorld-Verified, BrowseComp, BabyVision และอีกสองโหล แต่ตัวเลขเหล่านี้ไม่ได้อยู่ใน model card เพราะ model card ว่างเปล่า ตัวเลขเหล่านั้นอยู่ในรีโพ GitHub แยกต่างหากชื่อ InternLM/Sage-S2.1-Flash ซึ่งสร้างขึ้นเมื่อวันที่ 16 พฤศจิกายน เวลา 03:34 UTC โดยมีคำอธิบายว่า "เว็บไซต์และแอปพลิเคชันสาธิตสองภาษาของ Sage 2.1 Flash" และสร้างเว็บไซต์แบบสแตติกที่ internlm.github.io/Sage-S2.1-Flash ข้อมูล benchmark ถูกคอมมิตไว้ที่นั่นในรูปแบบไฟล์ที่คั่นด้วยแท็บและไฟล์ JSON พร้อมกับวิดีโอสาธิตของโมเดลที่ใช้งาน 3D Slicer, Blender และ Fiji

สำเนาภาษาอังกฤษของไซต์นั้นขึ้นต้นด้วย “วันนี้ เราขอแนะนำ Sage 2.1 Flash โมเดลเอเจนต์มัลติโมดัลด้านวิทยาศาสตร์ระดับแนวหน้า” ดังนั้นประกาศนี้มีอยู่จริง — เพียงแต่มันอยู่บนโฮสต์ GitHub Pages ที่ไม่มีสิ่งใดในรีโพซิทอรี Hugging Face ชี้ไปถึง และถูกสร้างขึ้นหลังจากที่ไฟล์เวตดาวน์โหลดได้แล้ว หากคุณต้องการกรอบการนำเสนอของผู้พัฒนาเอง ย่อหน้านั้นคือกรอบนั้น: อินพุตทางวิทยาศาสตร์มากกว่าสิบประเภทในโมเดลเดียว รวมถึงกราฟโมเลกุล โครงสร้างผลึก ลำดับโปรตีนและโครงสร้าง 3 มิติ DNA และ RNA สเปกตรัม แมสสเปกตรัม การเลี้ยวเบนรังสีเอกซ์ คลื่นไฟฟ้าหัวใจ คลื่นไฟฟ้าสมอง และเส้นโค้งแสง

ตารางการประเมินเปรียบเทียบ Sage 2.1 Flash กับแปดโมเดล ได้แก่ 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 และ Claude Opus 5.5 ทุกตัวเลขในตารางเป็นข้อมูลที่ผู้ขายรายงานเอง ไม่มีชุดทดสอบที่เผยแพร่ ไม่มีบันทึกการรัน ไม่มีรายละเอียดแยกตามงาน และไม่มีบุคคลที่สามรายใดทำซ้ำผลใด ๆ จากตารางนี้ได้ ให้อ่านตารางนี้ในฐานะคำแถลงเจตนาของห้องปฏิบัติการ ไม่ใช่การวัดผล

ในจุดที่ตารางผู้ขายมีความแข็งแกร่งผิดปกติ และอ่อนแอผิดปกติ

มีสองรูปแบบที่โดดเด่น และทั้งคู่ให้ข้อมูลได้มากกว่าคะแนนตามพาดหัวข่าว

ประการแรกคือแถวด้านวิทยาศาสตร์และการมองเห็นเป็นจุดที่ช่องว่างคะแนนเกินจริง BabyVision ทำได้ 75.8 สำหรับ Sage เทียบกับ 51.3 สำหรับ GLM-5.3-Flash, 58.0 สำหรับ DeepSeek-V4.1-Flash-1017 และ 63.1 สำหรับ Claude Opus 5 OSWorld-G ทำได้ 84.8 เทียบกับ 61.4 สำหรับ DeepSeek OfficeQA Pro V2 ทำได้ 72.2 ซึ่งสูงที่สุดในตารางของตัวเอง นำหน้า Claude Opus 5 ที่ 67.2 เมื่อโมเดลหนึ่งชนะในแถวหนึ่งด้วยส่วนต่างยี่สิบสี่คะแนน ไม่ความสามารถนั้นเป็นของจริง หรือไม่ก็เกณฑ์วัดถูกตีความต่างออกไปสำหรับโมเดลนี้เมื่อเทียบกับโมเดลอื่น — และเมื่อไม่มีการเผยแพร่ฮาร์เนสทดสอบ คุณจึงบอกไม่ได้ว่าเป็นกรณีใด

ประการที่สองคือ แถวผลการเขียนโค้ดเป็นส่วนที่ดูไม่สวยที่สุดในเอกสารเปิดตัว Terminal-Bench 2.1 ที่ 87.9 ถือว่าแข็งแกร่งแต่ยังไม่นำ; Qwen3.8-Max อยู่ที่ 89.6 และ Claude Opus 5 ที่ 90.2 SWE-bench Pro ที่ 60.6 ตามหลัง DeepSeek-V4.1-Flash-1017 ที่ 64.7 และ Qwen3.8-Max ที่ 65.3 DeepSWE ที่ 67.0 ตามหลัง DeepSeek ที่ 73.9 เกือบเจ็ดคะแนน สำหรับโมเดลที่การตลาดเน้นความเป็นเอเจนต์ นี่คือตารางที่ผู้เขียนของมันเองเลือกจะเผยแพร่ ซึ่งก็มีคุณค่าอยู่บ้าง

สิ่งที่น่าสังเกตไม่แพ้กันคือสิ่งที่ตารางไม่มี: {{1}}Claude Haiku 5.5{{/1}} และ {{2}}Gemini 3.8 Flash{{/2}} ต่างก็ไม่มีอยู่ ดังนั้นการเปรียบเทียบสองอย่างที่คนส่วนใหญ่ต้องการจึงไม่สามารถทำได้จากข้อมูลของผู้จำหน่ายเลย ไม่ว่าจะในทิศทางใด

A generated infographic titled 'Sage-S2.1-Flash - what the weekend actually established', listing four tiers as cards. 'Confirmed by the files': 120 shards, 645 GB, bfloat16, MIT licence, 45 layers, 1,048,576-token ceiling. 'Confirmed by the vendor guide': 320B total, 18B active, GLM-5.3-Flash architecture, 8xH200 reference. 'Vendor-reported, unreproduced': 35 benchmark rows, harness undocumented. 'Not confirmed': no price, no hosted endpoint, no independent score. Footer: 'Sage-S2.1-Flash figures unaudited; file and licence facts from the Hugging Face repository.' The OrcaRouter logo is composited in the bottom-right corner.

สิ่งที่ได้รับการยืนยันแล้ว และสิ่งที่ยังไม่ได้รับการยืนยัน

การแยกหลักฐานของช่วงสุดสัปดาห์ออกเป็นสองกองเป็นสิ่งที่มีประโยชน์ที่สุดที่ผู้อ่านสามารถทำได้กับหลักฐานนั้น

• {{1}}ยืนยันได้จากไฟล์{{/1}} — {{2}}มีน้ำหนักโมเดลอยู่จริงและดาวน์โหลดได้ภายใต้ MIT{{/2}}; {{3}}มี 120 ชาร์ด ประมาณ 645 GB เป็น bfloat16{{/3}}; {{4}}มี 45 เลเยอร์ โดยแบ่ง attention แบบ linear-to-sparse ในอัตรา 34/11{{/4}}; {{5}}มี routed experts 288 ตัว เลือก top-8{{/5}}; {{6}}เพดานตำแหน่ง 1,048,576 โทเคน{{/6}}; {{7}}มี vision tower และโทเคนรูปภาพ/วิดีโอ{{/7}}; {{8}}มีรุ่นพี่น้อง FP8 ที่เผยแพร่เมื่อสองวันก่อน{{/8}}.

• ยืนยันจากคู่มือของผู้จำหน่ายเอง — ขนาดรวม 320B, พารามิเตอร์ที่ใช้งานจริง 18B; สถาปัตยกรรม GLM-5.3-Flash; 8×H200 คือการติดตั้งอ้างอิง; มีกับดักในการให้บริการที่บันทึกไว้ห้าข้อ

• ตามที่ผู้ขายรายงาน ยังไม่มีการตรวจสอบซ้ำ — คะแนนแบบทดสอบมาตรฐานทุกตัว รวมถึงส่วนต่าง 24 จุดใน BabyVision และ 72.2 บน OfficeQA Pro V2

• ยังไม่ยืนยัน — ค่าใช้จ่ายเท่าไร ไม่มีราคาที่ไหนเลย: ไม่มีบน Hub ไม่มีในคู่มือ ไม่มีบนไมโครไซต์ ปุ่ม "Try the API" ชี้ไปที่ discovery.intern-ai.org.cn ซึ่งตอบกลับมาเป็นเชลล์เกือบว่างเปล่าเมื่อดึงข้อมูลแบบไม่ใช้ JavaScript; เราไม่สามารถยืนยันจากภายนอกได้ว่าโมเดลสามารถเรียกใช้ได้ที่นั่น ภายใต้ตัวระบุใด หรือในอัตราเท่าใด

• ยังไม่ได้รับการยืนยันเช่นกัน — ว่าสิ่งนี้เป็นการเปิดตัวจริงหรือไม่ ในความหมายที่คำนี้มักสื่อถึง ไม่มีประกาศ ไม่มีเปเปอร์ภายใต้ชื่อนี้ ไม่มีการเข้าถึงสำหรับพันธมิตร และมีโมเดลการ์ดที่สคริปต์สามารถสร้างขึ้นได้

จะมองเรื่องนี้อย่างไรโดยไม่ต้องเอาเส้นทางสู่โปรดักชันมาเดิมพันกับมัน

คำถามในทางปฏิบัติสำหรับทีมส่วนใหญ่ไม่ใช่ "สิ่งนี้ดีกว่าสิ่งที่เราใช้งานอยู่หรือไม่" แต่เป็น "มันคุ้มค่ากับเวลาหนึ่งชั่วโมงหรือไม่" ด้วยขนาด 645 GB ใน bfloat16 มันไม่ใช่ไฟล์ที่ดาวน์โหลดลงแล็ปท็อปได้ จุดเริ่มต้นที่ตรงไปตรงมาคือโหนด 8×H200 แบบเช่า ใช้เวลาหนึ่งบ่ายกับคู่มือการดีพลอย และยอมรับว่าคุณกำลังรันโมเดลที่ยังไม่มีใครเผยแพร่ฮาร์เนสสำหรับมัน

การทดลองที่ถูกกว่า ก่อนจะไปถึงขั้นนั้น คือการอ่านบรรทัดสถาปัตยกรรมเป็นทางลัด InternLM ระบุในคู่มือของตัวเองว่าโมเดลนี้สร้างบนสถาปัตยกรรม GLM-5.3-Flash และควรปฏิบัติตามสูตรการให้บริการของ Z.ai โดยแทนชื่อรีโพซิทอรีหนึ่งด้วยอีกชื่อหนึ่ง นั่นหมายความว่าสถาปัตยกรรมฐาน — โครงสร้าง 320B/18B แบบเดียวกัน แอตเทนชันแบบไฮบริดที่ผสมแบบสแปร์สและเชิงเส้นแบบเดียวกัน เพดานหนึ่งล้านโทเคนแบบเดียวกัน — พร้อมให้ทดสอบได้วันนี้ผ่าน API แบบโฮสต์ แทนที่จะผ่าน GPU แปดตัวที่คุณต้องหาให้ได้ก่อน หากโมเดลฐานทำงานกับเอกสารวิทยาศาสตร์ของคุณได้ดีอยู่แล้ว โมเดลอนุพันธ์ก็คือการปรับแต่งที่คุ้มค่าที่จะดาวน์โหลด หากไม่เป็นเช่นนั้น คุณก็ประหยัดเวลาช่วงสุดสัปดาห์ไปได้

จุดที่ OrcaRouter พิสูจน์ว่าคุ้มค่ากับตำแหน่งของตนในบริบทนี้ คือช่องว่างระหว่าง "เราอยากลองใช้มัน" กับ "เราให้บริการมันได้" การ failover อัตโนมัติช่วยให้คุณวาง endpoint ทดลองไว้ภายใต้นโยบาย โดยไม่ทำให้มันเป็นเส้นทางเดียวเท่านั้น: หากโมเดลใหม่ส่งคืน tool call ที่ผิดรูปแบบ — และคู่มือการติดตั้งใช้งานบอกคุณอย่างชัดเจนว่าจะเกิดเช่นนั้นได้อย่างไร หากคุณข้าม flag หรือ patch — คำขอจะตกไปยังโมเดลที่คุณไว้วางใจอยู่แล้ว และคุณยังคงเก็บ trace ไว้ได้ นี่เป็นวิธีรวบรวมหลักฐานที่ดีกว่าสคริปต์ eval แบบใช้ครั้งเดียว เพราะมันรวบรวมหลักฐานจากทราฟฟิกจริง

อะไรจะทำให้เรื่องนี้ยุติลง

สามเหตุการณ์ เรียงตามลำดับความเป็นประโยชน์จากน้อยไปมาก การ์ดโมเดลจะบอกเราว่าห้องแล็บคิดว่าโมเดลนี้มีไว้เพื่ออะไร และน่าจะมีตารางเดียวกันกับที่ตอนนี้ติดค้างอยู่บนโฮสต์ GitHub Pages รายการบนลีดเดอร์บอร์ดอิสระจะทำให้ใครบางคนหักลบส่วนต่างของผู้ขายออกจากชุดทดสอบมาตรฐานร่วมได้ และราคา — ราคาใดก็ได้ ที่ใดก็ได้ — จะเปลี่ยน Sage-S2.1-Flash จากการดาวน์โหลดให้กลายเป็นการตัดสินใจ

จนกว่าหนึ่งในสิ่งเหล่านั้นจะเกิดขึ้นจริง คำอธิบายที่ถูกต้องก็คือคำอธิบายที่ไฟล์รองรับ นั่นคือโมเดล MoE แบบมัลติโมดัลขนาดใหญ่ ที่ได้รับสัญญาอนุญาตแบบ MIT ผ่านการปรับแต่งตามหลักวิทยาศาสตร์ สร้างบนสถาปัตยกรรมสาธารณะ เผยแพร่โดยไม่มีคำอธิบายสักคำ และผู้เขียนของมันเองยังคงแพตช์สแตกการให้บริการอยู่ นั่นไม่ใช่เรื่องเล็กน้อย และมันก็ยังไม่ใช่ผลิตภัณฑ์ และความแตกต่างนี้สำคัญที่สุดกับคนที่จะต้องรันมัน

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube