การ์ดชื่อที่สร้างขึ้นซึ่งระบุว่า 'Sage-S2.1-Flash vs DeepSeek V4.1 Flash' เหนือคำบรรยายที่ระบุว่า 'MoE แบบโอเพนเวทสองตัว สกอร์บอร์ดผู้ขายหนึ่งกระดาน' โดยมีชิปสองชิปด้านล่างที่ระบุว่า '18B แอคทีฟ' และ '16B แอคทีฟ' พื้นหลังสีขาว เน้นไล่ระดับสีน้ำเงินและสีฟ้าไซแอน ไอคอนลายเส้นแบบแบน โลโก้ OrcaRouter ถูกคอมโพสิตไว้ที่มุมขวาล่าง
Guides & Insights

Sage-S2.1-Flash พบ DeepSeek V4.1 Flash: การเปรียบเทียบเพียงคู่เดียวที่มีกระดานคะแนนร่วมกัน

ผู้เขียน

jinhao.song

วันที่เผยแพร่

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

บนอินเทอร์เน็ตมีอยู่เพียงแห่งเดียวเท่านั้นที่ Sage-S2.1-Flash และ DeepSeek V4.1 Flash ถูกให้คะแนนเทียบกัน และสถานที่นั้นไม่ได้เป็นกลางเลย InternLM ห้องแล็บที่เผยแพร่ Sage-S2.1-Flash เมื่อวันที่ 15 พฤศจิกายน 2026 ได้ใส่ DeepSeek-V4.1-Flash-1017 ลงในตารางเปรียบเทียบของตัวเอง — 35 benchmark, โมเดลคู่แข่งแปดรุ่น, ไฟล์ที่คั่นด้วยแท็บในที่เก็บ GitHub ซึ่งการ์ดโมเดลบน Hugging Face ไม่ได้ลิงก์ไปถึง ดังนั้นทั้งสองโมเดลจึงใช้กระดานคะแนนร่วมกัน และหนึ่งในนั้นเป็นคนสร้างมันขึ้นมา

นั่นเป็นสิ่งที่พูดไม่ได้สำหรับการเปรียบเทียบอีกสองรายการในซีรีส์นี้ ซึ่งไม่มีตารางร่วมกันเลย นอกจากนี้ยังทำให้หน้านี้มีประโยชน์ที่สุดในบรรดาทั้งสามหน้า เพราะตารางร่วม—แม้จะเป็นตารางของผู้ขายเอง—ทำให้คุณถามคำถามที่บล็อกโพสต์แยกกันสองชิ้นตอบไม่ได้ ต่อไปนี้คือสิ่งที่ตารางร่วมบอก สถาปัตยกรรมสองแบบที่อยู่เบื้องหลังตารางนั้นคืออะไร และคุณควรเชื่อถือมันมากน้อยเพียงใด

ความไม่สมมาตรที่กำหนดกรอบทุกสิ่ง

วางสองรีลีสไว้เคียงข้างกันในฐานะอาร์ติแฟกต์ ก่อนที่คุณจะวางไว้เคียงข้างกันในฐานะโมเดล

DeepSeek V4.1 Flash เปิดตัวเมื่อวันที่ 10 กันยายน 2026 พร้อมการ์ดโมเดลฉบับเต็ม รายงานทางเทคนิค PDF ชื่อ "Pushing the Limits of KV Cache Compression" สัญญาอนุญาต MIT API ที่มีเอกสารประกอบพร้อมอัตราค่าบริการนอกช่วงพีคและช่วงพีคที่เผยแพร่ และสแนปช็อตใหม่หมายเลข 1017 เมื่อวันที่ 17 ตุลาคม รีโพซิทอรี Hugging Face ของโมเดลนี้ถูกดาวน์โหลด 1.69 ล้านครั้งและมี 4,978 ไลก์ Artificial Analysis ให้คะแนนอย่างอิสระที่ 32.6 บน Intelligence Index ที่ระดับความพยายามสูงสุด

Sage-S2.1-Flash เปิดตัวเมื่อวันที่ 15 พฤศจิกายน 2026 พร้อมชาร์ด bfloat16 จำนวน 120 ชาร์ด การ์ดโมเดลขนาด 21 ไบต์ซึ่งเนื้อหาทั้งหมดเป็นการประกาศสัญญาอนุญาต คู่มือการปรับใช้ และไม่มีราคาที่เผยแพร่ที่ใดเลย มีไลก์ 1 ครั้งและยอดดาวน์โหลด 0 ครั้ง ยังไม่มีฮาร์เนสอิสระใดเข้ามาทดสอบเลย

ทั้งสองเป็นโมเดล mixture of experts แบบ open-weights ที่ได้รับสัญญาอนุญาต MIT มีหน้าต่างบริบทหนึ่งล้านโทเค็นและรองรับอินพุตภาพแบบเนทีฟ ตามทฤษฎีแล้วพวกมันอยู่ในระดับเดียวกัน แต่เมื่อดูจากหลักฐานกลับไม่ใกล้เคียงกันเลย

A generated two-column comparison scoreboard titled 'Sage-S2.1-Flash vs DeepSeek V4.1 Flash - the scoreboard'. The Sage-S2.1-Flash column reads: Parameters: 320B, 18B active; Layers: 45, 34 linear; Price: none published; Context: 1,048,576 tokens; Independent score: none; Downloadable: MIT weights. The DeepSeek V4.1 Flash column reads: Parameters: 552B, 16B active; Layers: 40, encoder-decoder; Price: $0.15 / $0.60 off-peak; Context: 1,000,000 tokens; Independent score: AA Index 32.6; Downloadable: open weights. Footer: 'Sage rows from InternLM; DeepSeek price from DeepSeek; DeepSeek score per Artificial Analysis.' The OrcaRouter logo is composited in the bottom-right corner.

แท้จริงแล้วตารางที่แชร์ไว้มีเนื้อหาอะไรบ้าง

ไฟล์ benchmark ของ InternLM มี 31 แถวที่แสดงค่าของ DeepSeek-V4.1-Flash-1017 การอ่านไฟล์นี้ให้ประสบการณ์ที่ต่างจากการอ่านโพสต์เปิดตัว เพราะแถวที่ Sage แพ้ยังคงอยู่ ตัวอย่างที่เป็นตัวแทน โดย Sage มาก่อนในทุกบรรทัด:

• Terminal-Bench 2.1 — 87.9 กับ 87.6 เสมอกันโดยมีผลต่างเพียงสามในสิบ

• DeepSWE — 67.0 เทียบกับ 73.9 เป็นส่วนต่าง 6.9 คะแนน

• SWE-bench Pro — 60.6 เทียบกับ 64.7 ซึ่งต่ำกว่าอยู่ 4.1 จุด

NL2Repo-Bench — 57.2 เทียบกับ 62.7 ถือว่าด้อยกว่าอยู่ 5.5 จุด

• APEX-Agents — 61.7 เทียบกับ 69.2 ซึ่งขาดไป 7.5 จุด

• WideSearch — 81.5 เทียบกับ 86.3

• BrowseComp — 91.2 เทียบกับ 93.8

• CyberGym — 84.3 เทียบกับ 88.8

• τ³-bench Banking — 45.4 vs 47.4

• OSWorld v2.1 — 69.3 เทียบกับ 70.1

• AutomationBench — 56.7 เทียบกับ 57.8

รูปแบบในรายการนั้นชวนให้รู้สึกไม่สบายใจสำหรับโมเดลที่ใหม่กว่า: ในงานเอเจนต์ทั่วไปและงานเขียนโค้ด DeepSeek V4.1 Flash ชนะในแถวส่วนใหญ่ และมักชนะด้วยส่วนต่างที่ไม่ใช่แค่ความคลาดเคลื่อนจากสัญญาณรบกวน โมเดลที่เผยแพร่ก่อนหน้าสองเดือน โดยแล็บที่มีรายงานทางเทคนิคสาธารณะ กลับเอาชนะการเปิดตัวแบบเงียบ ๆ บนเกณฑ์มาตรฐานที่ตัวการเปิดตัวแบบเงียบนั้นเองเลือกจะเผยแพร่

จากนั้นตารางก็พลิกกลับ แถวที่ Sage เป็นผู้นำคือแถวด้านวิทยาศาสตร์และเอกสาร และส่วนต่างอยู่ในระดับที่แตกต่างกันโดยสิ้นเชิง:

• Harvey LAB — 25.0 เทียบกับ 11.7 มากกว่าสองเท่า

• OfficeQA Pro V2 — 72.2 เทียบกับ 69.7

• BabyVision — 75.8 เทียบกับ 58.0 เป็นส่วนต่าง 17.8 จุด

• OSWorld-G — 84.8 เทียบกับ 61.4 ห่างกัน 23.4 คะแนน

• MLE-bench Lite — 90.3 เทียบกับ 89.2

• Workspace-Bench-Lite — 67.1 เทียบกับ 66.8

• GDPval — 78.0 เทียบกับ 77.6

• SpreadsheetBench 2 — 37.1 เทียบกับ 35.8

มีรูปแบบอยู่สองแบบ และทั้งสองชี้ไปในทิศทางที่ตรงกันข้าม ในด้านวิศวกรรมซอฟต์แวร์และงานเอเจนต์ที่ขับเคลื่อนด้วยเครื่องมือในสภาพแวดล้อมทั่วไป DeepSeek V4.1 Flash เป็นโมเดลที่แข็งแกร่งกว่า และตัวเลขของ InternLM เองก็ระบุเช่นนั้น ในด้านการรับรู้ทางวิทยาศาสตร์ งานวิชาชีพที่เน้นเอกสารจำนวนมาก และการควบคุมเดสก์ท็อปแบบกราฟิก Sage-S2.1-Flash ไม่ได้นำอยู่เพียงเล็กน้อย แต่อยู่ในระดับที่ต่างออกไปอย่างชัดเจน

ทำไมสถาปัตยกรรมเหล่านั้นจึงก่อให้เกิดการแบ่งแยกเช่นนั้นพอดี

โมเดลทั้งสองกำลังแก้ปัญหาที่แตกต่างกัน และคอนฟิกของทั้งสองก็แสดงให้เห็นเรื่องนี้ก่อนที่การทดสอบมาตรฐานใด ๆ จะแสดงได้

DeepSeek V4.1 Flash เป็นแกนหลักขนาด 552 พันล้านพารามิเตอร์ โดยมีพารามิเตอร์ที่ใช้งานจริง 16 พันล้านต่อโทเคน สร้างขึ้นบนสถาปัตยกรรมที่ DeepSeek เรียกว่า Causal Encoder-Decoder: 40 เลเยอร์แบ่งเท่า ๆ กันเป็น causal encoder 20 เลเยอร์และ decoder 20 เลเยอร์ กรอบการนำเสนอในรายงานทางเทคนิคคือการบีบอัด KV cache — ข้อกล่าวอ้างหลักของโมเดลเกี่ยวกับประสิทธิภาพในการให้บริการที่หนึ่งล้านโทเคน ไม่ใช่เกี่ยวกับการรับรู้ มันประมวลผลภาพได้โดยตรง แต่จุดเน้นที่เผยแพร่คือเศรษฐศาสตร์ของการให้บริการบริบทแบบยาว

Sage-S2.1-Flash เป็นโมเดลขนาด 320 พันล้านพารามิเตอร์ โดยมีพารามิเตอร์ที่ใช้งานจริง 18 พันล้านตัวต่อโทเคน และตามคู่มือการติดตั้งใช้งานระบุว่ามี 45 เลเยอร์ การกำหนดค่าแบ่งเลเยอร์เหล่านั้นอย่างชัดเจน โดย 34 เลเยอร์ใช้แอตเทนชันเชิงเส้นชนิดที่ไฟล์เรียกว่า kda และมีเพียง 11 เลเยอร์ที่ใช้สแปร์สแอตเทนชันพร้อมดัชนีท็อป-เคขนาด 2,048 โทเคน มีวิชันทาวเวอร์ 24 เลเยอร์ที่อินพุต 448 พิกเซล และคลังคำศัพท์โทเคนมีโทเคนภาพ วิดีโอ เสียง เริ่มต้น และสิ้นสุดอย่างชัดเจน ข้อความประชาสัมพันธ์ฉบับภาษาอังกฤษของ InternLM เอง — ซึ่งโฮสต์อยู่ที่ internlm.github.io/Sage-S2.1-Flash สร้างขึ้นเมื่อวันที่ 16 พฤศจิกายน และไม่ถูกอ้างอิงโดยโมเดลการ์ด — อธิบายถึงการฝึกอบรมครอบคลุมกราฟโมเลกุล โครงสร้างผลึก ลำดับโปรตีน และโครงสร้าง 3 มิติ DNA และ RNA สเปกตรัม แมสสเปกตรัม การเลี้ยวเบนรังสีเอกซ์ คลื่นไฟฟ้าหัวใจ คลื่นไฟฟ้าสมอง และเส้นโค้งแสง

อ่านรายการนั้นเทียบกับแถวที่ Sage ชนะ แล้วภาพรวมจะไม่ดูเหมือนเป็นความโชคดีใน benchmark อีกต่อไป Harvey LAB คืองานด้านกฎหมายที่ทำกับเอกสาร OfficeQA Pro คือการตอบคำถามจากเอกสารทางการเงิน BabyVision คือการรับรู้ทางภาพ OSWorld-G คือการควบคุมเดสก์ท็อปแบบกราฟิก — การคลิก UI ไม่ใช่การเรียก API สิ่งเหล่านี้คือสิ่งที่โมเดลที่ฝึกกับรูปภาพทางวิทยาศาสตร์ สเปกตรัม พล็อต และอินเทอร์เฟซซอฟต์แวร์คาดว่าจะทำได้ดี และเป็นจุดที่โมเดลที่ฝึกมาเพื่อการให้บริการทั่วไปที่ใช้ KV-cache อย่างมีประสิทธิภาพคาดว่าจะด้อยกว่า

ประเด็นนี้ย้อนกลับมาทั้งสองทาง Sage แพ้แถวการเขียนโค้ดเพราะมันไม่ใช่โมเดลสำหรับการเขียนโค้ดโดยหลัก DeepSeek แพ้แถวการมองเห็นเพราะมันไม่ใช่โมเดลสำหรับการรับรู้โดยหลัก ไม่มีผลลัพธ์ใดเป็นเรื่องอื้อฉาว ข้อผิดพลาดคือการอ่านคอลัมน์ใดคอลัมน์หนึ่งเป็นคำตัดสินทั่วไป

Screenshot of the OrcaRouter model page for deepseek/deepseek-v4.1-flash. It shows a 1M-token context window, text and image input, vision, tools, JSON and reasoning tags, a release date of 2026-10-17, and the price row $0.15 input and $0.60 output per million tokens with a 1.20 s time to first token. The page states the model carries a context window of 1,048,576 tokens, can generate up to 384,000 tokens in a response, and is billed at $0.15 per 1M input and $0.60 per 1M output tokens.

สเปรดราคา ซึ่งไม่ใกล้เคียง

DeepSeek V4.1 Flash มีอัตราค่าบริการที่ประกาศไว้ และเป็นหนึ่งในอัตราที่ถูกที่สุดในบรรดาโมเดลที่มีขนาดเดียวกัน:

• นอกช่วงเวลาเร่งด่วน, แคชมิส — $0.15 ต่อล้านอินพุต, $0.60 ต่อล้านเอาต์พุต

• ช่วงพีค, แคชพลาด — $0.30 ต่อล้านอินพุต, $1.20 ต่อล้านเอาต์พุต

• แคชฮิต — $0.003 ต่อล้านนอกช่วงพีค, $0.006 ช่วงพีค

• ช่วงเวลาเร่งด่วน — 01:00–04:00 และ 06:00–10:00 UTC วันจันทร์ถึงวันศุกร์ ยกเว้นวันหยุดนักขัตฤกษ์ของจีน

• บริบท — 1,000,000 โทเค็น โดยมีโทเค็นเอาต์พุตได้สูงสุด 384,000 โทเค็น

Sage-S2.1-Flash ไม่มีอัตราค่าใช้จ่ายที่เผยแพร่ ไม่มีราคาบนการ์ดโมเดล ไม่มีในคู่มือการปรับใช้ และไม่มีบนไมโครไซต์เปิดตัว ลิงก์ "Try the API" ของเว็บไซต์ชี้ไปยังพอร์ทัลที่ไม่แสดงแคตตาล็อกให้ไคลเอนต์ที่ไม่ใช้ JavaScript สิ่งที่ Sage มีแทนคือข้อกำหนดด้านฮาร์ดแวร์: การปรับใช้ตามตัวอย่างในคู่มือใช้ GPU H200 แปดตัวที่ bfloat16 โดยมีน้ำหนักประมาณ 645 GB ทั่วทั้งโหนด

การเปรียบเทียบต้นทุนจึงกลายเป็นเรื่องของรูปแบบมากกว่าตัวเลข DeepSeek V4.1 Flash ราคา $0.15 ต่อโทเค็นอินพุตหนึ่งล้านโทเค็นในช่วงออฟพีก ซึ่งหมายความว่าพรอมต์หนึ่งล้านโทเค็นมีค่าใช้จ่ายสิบห้าเซนต์ การรัน Sage-S2.1-Flash ที่หนึ่งล้านโทเค็นมีค่าใช้จ่ายเท่ากับค่าใช้จ่ายของ H200 แปดตัวในช่วงเวลาจริงที่การเรียกใช้ใช้ไป และยังไม่มีใครเผยแพร่ตัวเลขปริมาณงานที่ประมวลผลได้สำหรับมัน หากคุณมีโหนดนั้นอยู่แล้ว ต้นทุนส่วนเพิ่มของการเรียกใช้แทบจะเป็นศูนย์ และ DeepSeek ดูแพงเมื่อเทียบกัน หากคุณไม่มี DeepSeek ชนะด้วยส่วนต่างที่กว้างมากจนการเปรียบเทียบกับ Sage ไม่คุ้มที่จะทำจนกว่าจะมีราคาแบบโฮสต์

สิ่งที่โต๊ะที่ใช้ร่วมกันบอกคุณไม่ได้

คุณลักษณะประการหนึ่งของการเปรียบเทียบที่จัดทำโดยผู้จำหน่ายสมควรกล่าวถึงให้ชัดเจน เพราะมันส่งผลต่อวิธีอ่านทุกแถวข้างต้น นั่นคือฮาร์เนสไม่มีเอกสารกำกับ InternLM เผยแพร่ตัวเลข แต่ไม่ได้เผยแพร่การกำหนดค่าการรัน ไม่มีคำชี้แจงว่ามีกี่ครั้งที่ลองต่องาน ใช้สแฟฟโฟลดิงอะไร ใช้พารามิเตอร์การสุ่มใด มีเครื่องมือให้ใช้หรือไม่ หรืองบการให้เหตุผลของแต่ละโมเดลเป็นเท่าใด ตัวเลข 32.6 ของ DeepSeek เองบน Artificial Analysis Intelligence Index มาจากฮาร์เนสสาธารณะที่ใช้ขั้นตอนเดียวกันกับทุกโมเดลในดัชนีของตน ส่วนตัวเลข 73.9 ของ InternLM สำหรับ DeepSeek บน DeepSWE มาจากฮาร์เนสส่วนตัว

นั่นไม่ได้ทำให้ตารางไร้ประโยชน์ แต่ทำให้มันบอกทิศทางได้ แถวด้านการเขียนโค้ดและแถวด้านภาพต่างก็มีขนาดใหญ่พอ และสอดคล้องกันภายในมากพอ จนตัวเลือกด้าน scaffolding ไม่น่าเป็นตัวสร้างแถวเหล่านี้ ในทางกลับกัน การถือว่าเสมอกันที่ส่วนต่าง 0.3 คะแนนบน Terminal-Bench 2.1 นั้นอยู่ในช่วงที่ความแปรปรวนของ harness รูปแบบใด ๆ สามารถก่อให้เกิดขึ้นได้สบาย ๆ — ให้ถือว่าความต่าง 0.3 คะแนนเป็นการเสมอกัน แล้วจะไม่มีอะไรเสียไป

น่าสังเกตเช่นกันว่า InternLM เผยแพร่ตัวเลขของ DeepSeek บน DeepSWE (73.9) ซึ่งสูงเมื่อเทียบกับแถวการเขียนโค้ดอื่น ๆ ในตารางของตนเอง โดยที่ DeepSeek อยู่ที่ 64.7 บน SWE-bench Pro ความไม่สอดคล้องภายในเช่นนี้เป็นสิ่งประเภทที่ชุดทดสอบที่เผยแพร่สาธารณะจะแก้ไขได้ภายในบ่ายวันเดียว แต่ชุดทดสอบแบบปิดไม่สามารถแก้ไขได้เลย

Screenshot of the Hugging Face model page for internlm/Sage-S2.1-Flash. The header shows the safetensors and glm5_next tags, an MIT licence, a model size of 321B params and a bfloat16 tensor type. The sidebar notes that the README exists but its content is empty, that the model is not deployed by any Inference Provider, and it lists the collection including internlm/Sage-S2.1-Flash. Download counts are not shown.

การติดตั้งใช้งาน: หนึ่งบ่ายเทียบกับเอกสารหนึ่งฉบับ

หากคุณเลือกโดยอาศัยเหตุผลด้านการปฏิบัติงานแทนที่จะดูแถวผลการทดสอบมาตรฐาน ช่องว่างจะกว้างกว่าที่คะแนนบ่งชี้ และไปในทิศทางเดียวกับช่องว่างของหลักฐาน

DeepSeek V4.1 Flash มาพร้อมรายงานทางเทคนิค สถาปัตยกรรม transformers แบบมาตรฐาน ตัวแปร fp8 และแท็กการปรับใช้สำหรับ Azure และ SageMaker บนการ์ดโมเดลของมัน เปิดใช้งานจริงมาเป็นเวลาสองเดือนแล้ว มีการดาวน์โหลด 1.69 ล้านครั้ง และทุกปัญหาเฉพาะด้านการให้บริการที่มันมี มีคนพบเจอและบันทึกไว้แล้วทั้งนั้น

Sage-S2.1-Flash มาพร้อมคู่มือการดีพลอยที่ หากอ่านอย่างละเอียดแล้ว จะเป็นรายการของความล้มเหลวแบบเงียบ ๆ หากละเว้น --trust-remote-code tokenizer ที่มีมาให้จะเข้ารหัสสตริงแบบ agentic เช่น <|user|> และ <tool_call> เป็นโทเคนควบคุม — โมเดลจะหยุดก่อนกำหนดหรือทำให้ tool call เสียหาย และไม่มีบันทึกใด ๆ หากให้บริการบน vLLM โดยไม่ใช้แพตช์ไฟล์เดียวใน vllm_patch/ ผลลัพธ์เครื่องมือแบบขนานที่ส่งกลับมาไม่ตามลำดับจะแนบรูปภาพไปยังผลลัพธ์ผิดรายการ ทำให้โมเดลตอบเกี่ยวกับรูปภาพผิดรูป; การแก้ไขจากต้นทางยังอยู่ระหว่างดำเนินการใน vllm-project/vllm#67108 หากให้บริการบน SGLang โดยไม่ระบุ chat_template.jinja อย่างชัดเจน เอนจินจะติดตั้งเทมเพลตของตัวเองสำหรับสถาปัตยกรรมนั้น บน Hopper ไม่รองรับ FP8 KV cache LMDeploy จำเป็นต้องปักหมุด transformers ให้อยู่ระหว่าง 5.17 ถึง 5.19 เพราะ 5.19 เปลี่ยนชื่อประเภทเลเยอร์

ทั้งหมดนั้นมีเอกสารบันทึกไว้ ซึ่งนับเป็นเครดิตของห้องแล็บ — มากกว่าที่การเปิดตัวแบบเงียบ ๆ ส่วนใหญ่ทำได้ และยังเป็นลายนิ้วมือของโมเดลที่ผู้เขียนของมันเองยังคงเป็นคนกลุ่มเดียวที่ได้ให้บริการมัน

สิ่งเดียวที่มีประโยชน์ซึ่งโต๊ะที่ใช้ร่วมกันตัดสิน

จากข้อมูลทั้งหมดข้างต้น นี่คือการตัดสินใจที่หลักฐานสนับสนุนจริง ๆ

• หากงานของคุณคือโค้ด เครื่องมือสำหรับเอเจนต์ หรือการให้บริการบริบทแบบยาวทั่วไป — DeepSeek V4.1 Flash มันชนะในแถวส่วนใหญ่เหล่านั้นในตารางของคู่แข่งเอง คิดค่าใช้จ่าย 0.15 ดอลลาร์ต่อโทเค็นอินพุตหนึ่งล้านโทเค็นในช่วงนอกเวลาเร่งด่วน และมีคะแนนอิสระให้ตรวจสอบเทียบได้ ไม่มีเหตุผลหนักแน่นใดที่จะเลือก Sage ในที่นี้

• หากงานของคุณเกี่ยวข้องกับภาพประกอบทางวิทยาศาสตร์ สเปกตรัม พล็อตกราฟ เอกสารวิชาชีพที่สแกน หรือซอฟต์แวร์ที่ใช้งานผ่าน GUI — Sage-S2.1-Flash คุ้มค่ากับเวลาช่วงสุดสัปดาห์ ช่องว่าง 23 คะแนนใน OSWorld-G และช่องว่าง 13 คะแนนใน Harvey LAB เป็นความแตกต่างแบบที่เปลี่ยนว่าภารกิจหนึ่งจะสามารถทำให้เป็นอัตโนมัติได้เลยหรือไม่ และไม่มีโมเดลอื่นในตารางของ InternLM ที่ใกล้เคียงในแถวเหล่านั้น

• หากคุณต้องตัดสินใจวันนี้ — DeepSeek V4.1 Flash เพราะเป็นเพียงตัวเดียวในสองตัวที่คุณสามารถเรียกใช้งานได้โดยไม่ต้องมีช่วงปิดปรับปรุง

DeepSeek V4.1 Flash ถูกจัดเส้นทางบน OrcaRouter ในชื่อ deepseek/deepseek-v4.1-flash ในราคา $0.15 ขาเข้า และ $0.60 ขาออกต่อล้านโทเคน — ราคาของ DeepSeek เองซึ่งเป็นราคาตามรายการช่วง off-peak ที่ส่งต่อโดยไม่บวกกำไร — ด้วยบริบท 1,048,576 โทเคน พร้อมกับสแนปช็อต 1017 ในอัตราเดียวกัน Sage-S2.1-Flash ไม่ได้อยู่ในแคตตาล็อกของเรา; เป็น open weights ที่คุณต้องให้บริการเอง และเราจะไม่สื่อเป็นนัยเป็นอย่างอื่น

สิ่งที่ router ให้คุณในกรณีนี้แคบกว่าการ migrate และมีประโยชน์มากกว่าการ benchmark การแบ่งงานที่บทความนี้อธิบาย — งาน agentic ทั่วไปและงานเขียนโค้ดไปที่โมเดลหนึ่ง งานวิทยาศาสตร์และงานที่ใช้ GUI หนัก ๆ ไปอีกโมเดลหนึ่ง — คือรูปร่างที่นโยบายการเลือกเส้นทาง (routing policy) แสดงออกมาได้พอดี: ปลายทางเดียว กฎที่ส่งคำขอที่มีภาพและเอกสารไปตามเส้นทางเฉพาะทาง และระบบ failover อัตโนมัติที่ป้องกันไม่ให้ความเสื่อมประสิทธิภาพฝั่งผู้ให้บริการทำให้เส้นทางทั้งหมดล่ม ตัวระบุ DeepSeek ทั้งสองตัวอยู่บนคีย์เดียวกัน ดังนั้นการลอง snapshot 1017 เทียบกับตัวเดิมมีต้นทุนเพียงการเปลี่ยนสตริงชื่อโมเดล ไม่ใช่สัญญาฉบับที่สอง ชิ้นที่คุณเลือกเส้นทางไม่ได้ — Sage-S2.1-Flash — คือชิ้นที่คุณต้องตั้งขึ้นเอง ซึ่งเป็นข้อโต้แย้งที่ชัดเจนที่สุดสำหรับการสร้างต้นแบบกับสิ่งที่อยู่ในแคตตาล็อกก่อน

อะไรจะทำให้หน้านี้คุ้มค่าที่จะเขียนใหม่

มีสองเรื่อง ราคาของ Sage-S2.1-Flash ซึ่งจะเปลี่ยนส่วนต้นทุนจากโครงร่างให้กลายเป็นการคำนวณจริง และคะแนนที่เป็นอิสระ ซึ่ง ideally ควรอยู่บนฮาร์เนสเดียวกับที่ทำให้ DeepSeek V4.1 Flash อยู่ที่ 32.6 — เพราะคำถามที่น่าสนใจไม่ใช่แค่ว่าโดยเฉลี่ยแล้ว Sage ชนะ DeepSeek หรือไม่ ข้อมูลทั้งหมดข้างต้นชี้ว่าไม่ชนะ คำถามที่น่าสนใจคือ ข้อได้เปรียบ 23 คะแนนบน OSWorld-G ของ Sage จะยังคงอยู่หรือไม่เมื่อใช้ฮาร์เนสที่ไม่ได้เขียนโดยแล็บที่เผยแพร่ Sage และคะแนนที่ด้อยกว่า 6.9 คะแนนใน DeepSWE นั้นเป็นของจริงอย่างที่แถวการเขียนโค้ดในตารางของมันเองสื่อหรือไม่

จนกว่าจะมีใครรันแถวข้อมูลเหล่านั้นใหม่ สกอร์บอร์ดที่ใช้ร่วมกันก็เป็นหลักฐานที่ดีที่สุดเท่าที่มี และมันถูกสร้างโดยหนึ่งในสองผู้แข่งขัน จงอ่านมันแบบเดียวกับที่คุณจะอ่านการเปรียบเทียบที่เผยแพร่เองใด ๆ ซึ่งบังเอิญรวมความพ่ายแพ้ของตัวเองไว้ด้วย: น่าเชื่อถือกว่าตารางที่ไม่มีรายการแพ้อยู่ในนั้น และก็ยังไม่ใช่สิ่งเดียวกับการวัด

การเปรียบเทียบในบทความนี้1

ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube