การ์ดชื่อเรื่องสำหรับการเปรียบเทียบ 'Sage-S2.1-Flash vs Qwen 3.8 Flash' พร้อมคำบรรยายใต้ชื่อ 'ตัวหนึ่งมีรายการราคา ส่วนอีกตัวมีน้ำหนักโมเดล 645 GB และการ์ดโมเดลที่ว่างเปล่า' การ์ดสามใบที่ระบุว่า 'รวม 321B / ใช้งาน 18B', '645 GB BF16 / ต้องใช้ 8x H200 ในการให้บริการ' และ '/bin/bash.15 ขาเข้า / /bin/bash.47 ขาออก ต่อ 1M โทเคน' และส่วนท้ายที่ระบุว่าตัวเลขของ Sage-S2.1-Flash มาจากที่เก็บ Hugging Face ของโมเดลนี้ และราคาป้ายของ Qwen 3.8 Flash มาจาก QwenCloud ณ วันที่ 16 พฤศจิกายน 2026; โลโก้ OrcaRouter ถูกคอมโพสิตไว้ที่มุมขวาล่าง
Guides & Insights

Sage-S2.1-Flash vs Qwen 3.8 Flash: H200 แปดตัวกับสิบห้าเซนต์

ผู้เขียน

Gideon Frost

วันที่เผยแพร่

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

การ์ดโมเดลสำหรับ Sage-S2.1-Flash มีความยาวยี่สิบเอ็ดไบต์ เปิดต้นด้วยส่วนหัวสัญญาอนุญาต ระบุว่า license: mit แล้วจบเพียงเท่านั้น ไม่มีบทนำ ไม่มีตาราง benchmark ไม่มีความยาวคอนเท็กซ์ ไม่มีวัตถุประสงค์การใช้งานที่ระบุไว้ ไม่มีที่อยู่ติดต่อ รีโปเองไม่ได้ว่างเปล่า — มีชาร์ดน้ำหนัก bfloat16 จำนวน 120 ชาร์ด รวมประมาณ 645 GB พร้อมไฟล์คอนฟิกูเรชัน เทมเพลตแชต คู่มือการดีพลอย และโฟลเดอร์อะแดปเตอร์วิทยาศาสตร์ขนาดเล็กห้าโฟลเดอร์ — แต่ทุกสิ่งทุกอย่างที่ผู้อ่านปกติจะใช้ตัดสินว่าควรสนใจหรือไม่ถูกเว้นออกไป น้ำหนักโมเดลถูกอัปโหลดเมื่อวันที่ 15 พฤศจิกายน 2026 และได้รับการแก้ไขต่อเนื่องถึงวันที่ 16 InternLM ซึ่งเป็นองค์กรโมเดลของ Shanghai AI Laboratory ไม่ได้ประกาศอะไรเลย: ไม่มีโพสต์บล็อก ไม่มีบทความ ไม่มีโพสต์บนเว็บไซต์ของตระกูลโมเดลนี้ ณ เวลาที่เขียนนี้ รีโปแสดงยอดดาวน์โหลดเป็นศูนย์สำหรับเดือนนี้ มีถูกใจหนึ่งครั้ง และไม่มีผู้ให้บริการ inference รายใดให้บริการโมเดลนี้

Qwen 3.8 Flash เป็นอีกประเภทหนึ่งที่ตรงกันข้าม Alibaba ขายมันผ่าน QwenCloud ตั้งแต่วันที่ 26 สิงหาคม 2026 ในราคา 0.15 ดอลลาร์ต่อโทเค็นอินพุต 1 ล้านโทเค็น และ 0.47 ดอลลาร์ต่อโทเค็นเอาต์พุต 1 ล้านโทเค็น เผยแพร่ขีดจำกัดอัตราการใช้งานและรายการเครื่องมือของมันแล้ว เปิดตัวน้ำหนักโมเดลแบบเปิดภายใต้ชื่อ Qwen3.8-Flash-Next และใส่ตารางผลการทดสอบมาตรฐาน 12 แถวไว้บนการ์ดนั้น มันพร้อมใช้งานจริงบน OrcaRouter ในชื่อ qwen/qwen3.8-flash ในราคาตามรายการของผู้จำหน่ายเอง คุณสามารถส่งคำขอไปยังมันได้ภายใน 30 วินาทีข้างหน้า

ดังนั้นนี่จึงไม่ใช่การเปรียบเทียบระหว่างสองโมเดลที่คุณซื้อได้ แต่เป็นการเปรียบเทียบระหว่างโมเดลที่โฮสต์ไว้ราคาถูกซึ่งมีราคาเปิดเผย กับ mixture of experts แบบ open-weights ขนาด 321 พันล้านพารามิเตอร์ที่ไม่มีทั้งราคา คะแนน หรือประกาศใด ๆ — และคำถามที่ตรงไปตรงมาก็ไม่ใช่ว่าอันไหนดีกว่า เพราะยังไม่มีใครตอบได้ในตอนนี้ แต่คือการติดตั้ง H200 แปดตัวสำหรับตัวที่ยังไม่ได้วัดผล คุ้มค่ากับเงินมากกว่าการจ่ายสิบห้าเซนต์ต่อหนึ่งล้านโทเค็นสำหรับตัวที่วัดผลแล้วหรือไม่ และมีกี่ทีมที่คำตอบนั้นจะเป็นใช่

สิ่งที่รีโพซิทอรี Sage-S2.1-Flash พิสูจน์ได้จริง

ข้อเท็จจริงมาก่อน เพราะสิ่งเหล่านี้มีมากกว่าที่การ์ดเปล่าบ่งชี้ จำนวนพารามิเตอร์ในดัชนีน้ำหนักคือ 321,323,031,390 และคู่มือการติดตั้งใช้งานปัดเป็น “320B-A18B” — รวม 320 พันล้าน และเปิดใช้งาน 18 พันล้านต่อโทเคน การกำหนดค่าข้อความมี 45 เลเยอร์ โดย 34 เลเยอร์เป็นเลเยอร์ linear-attention ชนิด gated delta-net และ 11 เลเยอร์เป็นเลเยอร์ sparse-attention ในสายตระกูล D​eepSeek โดยมีผู้เชี่ยวชาญแบบ routed จำนวน 288 ราย ซึ่งเปิดใช้งานแปดรายบวกหนึ่ง shared expert ต่อโทเคน ขนาด hidden 4,096 และคำศัพท์ขนาด 154,880 โทเคน ค่า maximum position embeddings ถูกตั้งไว้ที่ 1,048,576

A two-column comparison scoreboard titled 'Sage-S2.1-Flash vs Qwen 3.8 Flash — the scoreboard': the left column Sage-S2.1-Flash reads Parameters '321B total, 18B active', Context '1,048,576 configured', Input price 'no hosted endpoint', Output price 'no hosted endpoint', Licence 'MIT, ungated', Published benchmarks 'none'; the right column Qwen 3.8 Flash reads Parameters '125B plus 51B n-gram, 6B active', Context '1,000,000 tokens', Input price '$0.15 per 1M', Output price '$0.47 per 1M', Licence 'Qwen community licence', Published benchmarks '12 rows, unreproduced'; the footer reads 'Sage-S2.1-Flash figures read from its repository; Qwen 3.8 Flash per Alibaba, vendor-reported.'; the OrcaRouter logo is composited in the bottom-right corner.

สัญญาอนุญาตคือ MIT โดยไม่มีข้อกำหนดแนบท้ายเรื่องการใช้งานที่ยอมรับได้ในรีโพซิทอรี สิ่งนี้ควรค่าแก่การหยุดคิดสักหน่อย: โมเดล MoE แบบมัลติโหมดขนาด 321B ภายใต้สัญญาอนุญาตแบบผ่อนปรน โดยไม่มีข้อจำกัดใด ๆ ในการดาวน์โหลด ถือเป็นสิ่งที่หายากยิ่งกว่าที่ความเงียบรอบตัวมันบ่งชี้

สายการสืบทอดนี้ตรวจสอบได้และค่อนข้างน่าประหลาดใจ สตริงสถาปัตยกรรมคือ glm5_next คลาสคือ Glm5NextForConditionalGeneration และคู่มือการปรับใช้ระบุตรง ๆ ว่าโมเดลใช้สถาปัตยกรรม GLM-5.3-Flash และสูตรของเฟรมเวิร์กที่ต้องปฏิบัติตามคือสูตรทางการของ GLM-5.3-Flash โดยสลับพาธของโมเดล Sage-S2.1 ที่เก่ากว่าและใหญ่กว่า — พารามิเตอร์ 753B สถาปัตยกรรม glm_moe_dsa ซึ่งยังคงมีการ์ดโมเดล "Atria Dawn" ที่อธิบายว่าสร้างบนแกนหลัก GLM-5.2 ขนาด 744B — เป็นแกนหลักคนละรุ่นกันโดยสิ้นเชิง Flash ไม่ใช่ S2.1 ที่ผ่านการกลั่น แต่เป็นโมเดลใหม่ที่เล็กกว่า สร้างบนสถาปัตยกรรมใหม่กว่าจากห้องแล็บอื่น โดยใช้ชื่อตระกูลเดียวกัน

ชื่อตระกูลนั้นเองก็เป็นเป้าที่เคลื่อนที่อยู่ตลอด รีโปเก่า internlm/Atria-Dawn ตอนนี้เปลี่ยนเส้นทางไปยัง internlm/Sage-S2.1 แล้ว และการ์ดของปลายทางที่เปลี่ยนเส้นทางไปนั้นยังคงเขียนว่า “Atria Dawn” ในทุกหัวข้อ — การเปลี่ยนชื่อเกิดขึ้นโดยที่เอกสารไม่ได้ตามไปด้วย ใครก็ตามที่อ่านข่าวความเคลื่อนไหวเกี่ยวกับ Atria Dawn เมื่อต้นปีและตอนนี้กำลังมองหา “Sage” ควรเข้าใจว่านั่นคือรีโปเดียวกันภายใต้สองชื่อ และ Flash คือรุ่นน้องใหม่ที่กระชับกว่า

อะแดปเตอร์ทางวิทยาศาสตร์เป็นส่วนหนึ่งของรีโพซิทอรีที่ไม่มีประกาศของผู้จำหน่ายรายใดจะอธิบายไว้อยู่แล้ว ภายใต้ projectors/sage-s2.1-flash/ มีโฟลเดอร์เล็ก ๆ ห้าโฟลเดอร์ — cif/jarvis, dna/splice, ecg/phu01, eeg/neu06, protein-seq/mpbind — แต่ละโฟลเดอร์มีไฟล์การกำหนดค่าและโปรเจกเตอร์ขนาดสี่ถึงยี่สิบแปดเมกะไบต์ที่แมปสตรีมฟีเจอร์ทางวิทยาศาสตร์เข้าสู่พื้นที่กว้าง 4,096 ของแบ็กโบน โครงสร้างผลึกจะผ่านเอนโคเดอร์ CHGNet 0.3.0 โดยมีสถานะ 64 มิติหนึ่งสถานะต่ออะตอม ลำดับโปรตีนจะผ่าน ESM2-t33-650M โดยมีสถานะเลเยอร์สุดท้ายหนึ่งสถานะต่อเรซิดิว อะแดปเตอร์ DNA เป็นรีดเอาต์ DNABERT2 ที่ปรับให้เข้ากับงานจากสามฟีเจอร์; อะแดปเตอร์ ECG และ EEG ก็มีขนาดเล็กและเฉพาะงานในลักษณะเดียวกัน ต้นทุนน้ำหนักรวมสำหรับทั้งห้าตัว: ต่ำกว่า 90 MB เทียบกับ 645 GB สำหรับโมเดลภาษา

ไฟล์การกำหนดค่าเหล่านั้นยังรั่วไหลแหล่งที่มาที่การ์ดโมเดลปกปิดไว้ด้วย ไฟล์เหล่านี้ระบุชื่อไดเรกทอรีเช็กพอยต์ของ backbone ตราประทับวันที่ของการรันฝึก และค่าลายนิ้วมือที่อ่านได้ว่า sage-s2.1-flash-hf111-bf16-norm-261113 — 13 November 2026 ซึ่งเป็นสองวันก่อนที่น้ำหนักจะปรากฏขึ้น นี่คือวิธีที่ลำดับเชื้อสายถูกยืนยันในที่นี้ — ไม่ได้มาจากข่าวประชาสัมพันธ์ แต่มาจากฟิลด์คอนฟิกที่กระบวนการแพ็กเกจลืมลบออก

สิ่งที่ Qwen 3.8 Flash เผยแพร่ และสิ่งที่มันไม่เผยแพร่

ความแตกต่างไม่ใช่ว่า Qwen ซื่อสัตย์และ Sage ไม่ใช่ แต่คือผู้ขายรายหนึ่งจัดทำเอกสารผลิตภัณฑ์ของตน ส่วนอีกรายยังไม่ได้ลงมือทำ การ์ดของ Alibaba สำหรับ Qwen 3.8 Flash ระบุบริบท 1,000,000 โทเคน พร้อมอินพุตสูงสุด 991,000 โทเคน เอาต์พุตสูงสุด 131,072 โทเคน และงบประมาณการให้เหตุผล 262,144 โทเคน; รองรับอินพุตหลายรูปแบบทั้งข้อความ รูปภาพ และวิดีโอ โดยมีเอาต์พุตเป็นข้อความ; การเรียกใช้ฟังก์ชัน เอาต์พุต JSON แบบมีโครงสร้าง การเติมคำนำหน้า การแคชบริบท การประมวลผลแบบแบตช์ และการปรับแต่งละเอียด; และรองรับโปรโตคอลคำขอทั้งของ OpenAI และ Anthropic ซึ่งเป็นเหตุผลที่สามารถใช้งานใน Claude Code และ Codex ได้โดยไม่ต้องแก้ไข

อาร์ติแฟกต์แบบ open-weights ที่อยู่เบื้องหลังคือ Qwen3.8-Flash-Next ซึ่งเผยแพร่เมื่อวันที่ 24 สิงหาคม 2026: พารามิเตอร์ 125B โดยเปิดใช้งาน 6 พันล้าน พร้อมตาราง embedding แบบ n-gram ขนาด 51B และ head สำหรับทำนายหลายโทเคนขนาด 4B, เลเยอร์ 48 ชั้นจัดเรียงเป็นการซ้ำ 12 รอบของบล็อก gated-delta-net สามบล็อกและบล็อก sparse-attention หนึ่งบล็อก, ผู้เชี่ยวชาญ 512 ตัว โดยเปิดใช้งาน routed สิบตัวบวก shared หนึ่งตัวต่อโทเคน และบริบทแบบเนทีฟ 262,144 โทเคนที่ขยายได้ถึงหนึ่งล้าน A​libaba อธิบายว่า Qwen 3.8 Flash แบบโฮสต์คือสถาปัตยกรรมนั้นบวกกับฟีเจอร์ระดับโปรดักชัน — หน้าต่าง 1M ค่าเริ่มต้นและเครื่องมือในตัวคือสิ่งที่เพิ่มเข้ามา น้ำหนักอยู่ภายใต้สัญญาอนุญาต Q​wen community ไม่ใช่ MIT

ตาราง benchmark บนการ์ดนั้นเป็นข้อมูลที่ผู้ขายรายงานเองและยังไม่ได้รับการทำซ้ำอย่างอิสระ โปรดอ่านโดยแนบป้ายกำกับนั้นไว้: DeepSWE 1.1 ที่ 58.7, SWE-bench Pro ที่ 62.5, SWE-bench Multilingual ที่ 81.0, NL2Repo-Bench ที่ 48.1, CoWorkBench ที่ 73.9, JobBench ที่ 55.7, Toolathlon Verified ที่ 73.5, IFBench ที่ 81.3, GPQA Diamond ที่ 91.7, HLE ที่ 35.9, LiveCodeBench v6 ที่ 91.9 และ Agents' Last Exam ที่ 24.3 pass@1 พร้อมคะแนน 51.2 ตัวเลขเหล่านั้นเป็น A​libaba ที่กำลังตรวจการบ้านของตัวเองในชุดเปรียบเทียบที่รวมถึงรุ่นก่อนหน้าที่ 397B และโมเดล Claude ถึงอย่างนั้นก็ยังมากกว่าสิ่งที่ Sage-S2.1-Flash เสนออยู่มาก ซึ่งก็คือไม่มีอะไรเลย

A screenshot of the Hugging Face repository page for internlm/Sage-S2.1-Flash, captured in English on 16 November 2026, showing the YAML frontmatter line 'license: mit', the Safetensors format tag with the repository's parameter count, and the file listing that includes the chat template, on a repository whose model card has no description, no benchmark table and no intended-use statement.

วางทั้งสองไว้เคียงข้างกันในมิติต่างๆ ที่การตัดสินใจซื้อขึ้นอยู่กับจริงๆ:

• จำนวนพารามิเตอร์ทั้งหมด — Sage-S2.1-Flash 321B โดยมี 18B ที่ใช้งานต่อโทเคน เทียบกับ Qwen 3.8 Flash 125B พร้อมตาราง n-gram ขนาด 51B ซึ่งมี 6B ที่ใช้งาน

• บริบท — กำหนดค่าไว้ 1,048,576 โทเค็น เทียบกับ 1,000,000 โทเค็นที่ประกาศเผยแพร่ โดยมีอินพุตสูงสุด 991,000 และเอาต์พุตสูงสุด 131,072 ในฝั่ง Q​wen

• ราคาอินพุต — Sage-S2.1-Flash ไม่มี เนื่องจากไม่มีระบบใดให้บริการ เทียบกับ $0.15 ต่อหนึ่งล้านโทเค็น

• ราคาเอาต์พุต — ไม่มี เทียบกับ $0.47 ต่อล้าน โดยการอ่านจากแคชอยู่ที่ $0.0184 ต่อล้านในรายการของเรา

• สัญญาอนุญาต — MIT แบบไม่มีข้อจำกัดการเข้าถึง เทียบกับสัญญาอนุญาตชุมชนของ Qwen

• การประเมินที่เผยแพร่ — ไม่มีเกณฑ์มาตรฐานใด ๆ เมื่อเทียบกับตารางผู้จำหน่ายสิบสองแถว และไม่มีการทำซ้ำ

• น้ำหนักโมเดลที่ใช้ให้บริการ — 645 GB bfloat16 กระจายอยู่บน 120 shards หรือ 328 GB ใน FP8 sibling เมื่อเทียบกับ hosted endpoint

การเปรียบเทียบราคาที่แท้จริงแล้วเป็นคำถามเรื่องรายจ่ายลงทุน

ไม่มีราคาต่อโทเคนสำหรับ Sage-S2.1-Flash ให้เปรียบเทียบกับ $0.15 เพราะโมเดลนี้ไม่มีโฮสต์เอนด์พอยต์ที่ใดเลย สิ่งที่มันมีคือข้อกำหนดด้านการให้บริการ: H200 จำนวนแปดตัวสำหรับเช็กพอยต์ bfloat16 ตามการกำหนดค่าอ้างอิงในคู่มือการปรับใช้ของตัวมันเอง ดังนั้นการเปรียบเทียบจึงไม่ใช่การเทียบเซนต์กับเซนต์ แต่เป็นการเทียบค่าเช่ากับจำนวนโทเคน และลงเอยที่ตัวเลขเดียวที่ยังไม่มีใครเผยแพร่

สมมติราคาตัวอย่างที่ $3 ต่อ GPU-ชั่วโมงสำหรับ H200 — เป็นสมมติฐาน ไม่ใช่ใบเสนอราคา และตัวเลขนี้เปลี่ยนแปลงตามคลาวด์และตามระดับข้อผูกพัน H200 แปดตัวคิดเป็น $24 ต่อชั่วโมง, $576 ต่อวัน, ประมาณ $17,500 ต่อเดือน ก่อนที่คุณจะให้บริการคำขอแม้แต่รายการเดียว ด้วยอัตราของ Alibaba $576 ซื้อโทเคนอินพุตได้ 3.84 พันล้านโทเคน หรือโทเคนเอาต์พุต 1.23 พันล้านโทเคน ดังนั้นคำถามเรื่องจุดคุ้มทุนคือว่า ปริมาณการใช้งานของคุณจะใช้จ่ายมากกว่า $576 ต่อวันกับ Qwen 3.8 Flash หรือไม่ — ซึ่งเทียบเท่าโทเคนอินพุตประมาณ 3.8 พันล้านโทเคน ทุกวันอย่างต่อเนื่อง

การเปรียบเทียบนั้นใช้ได้ก็ต่อเมื่อคุณรู้ว่า Sage-S2.1-Flash สร้างกี่โทเคนต่อวินาทีบน H200 จำนวนแปดตัว ยังไม่มีใครวัดค่านี้ และรีโพซิทอรีก็ไม่ได้ระบุไว้ จำนวนพารามิเตอร์ที่ใช้งานอยู่ให้สัญชาตญาณคร่าว ๆ — 18B ที่ใช้งานอยู่เทียบกับ 6B ที่ใช้งานอยู่บ่งชี้ว่าโมเดล Sage ใช้คอมพิวต์ประมาณสามเท่าต่อโทเคนที่สร้างขึ้น — แต่สัญชาตญาณไม่ใช่ตัวเลขทรูพุต และหากไม่มีตัวเลขนั้น การคำนวณจุดคุ้มทุนข้างต้นก็มีค่าที่ไม่ทราบทั้งสองด้าน รุ่น FP8 ลดน้ำหนักที่ต้องเก็บในหน่วยความจำจาก 645 GB เหลือ 328 GB ซึ่งเปลี่ยนฮาร์ดแวร์ที่คุณต้องการ; แต่ไม่ได้บอกว่าผลลัพธ์ทำงานได้เร็วแค่ไหน

สำหรับทีมส่วนใหญ่แล้ว สิ่งที่ไม่รู้นั้นคือประเด็นทั้งหมด โมเดลที่คุณไม่สามารถทดสอบ benchmark ด้านทรูพุตได้ คือโมเดลที่คุณประเมินต้นทุนไม่ได้ และโมเดลที่คุณประเมินต้นทุนไม่ได้ก็ไม่ใช่ตัวเลือกสำหรับเส้นทางสู่โปรดักชัน — มันคือวัตถุวิจัย นั่นไม่ใช่การวิจารณ์การเปิดตัวครั้งนี้; การปล่อยแบบไม่ประกาศล่วงหน้าก็มีไว้เพื่อสิ่งนี้

ความไม่สมดุลของหลักฐาน เมื่อกล่าวอย่างตรงไปตรงมา

สองโมเดล สองรูปแบบความล้มเหลวของหลักฐาน Qwen 3.8 Flash มีผลทดสอบมาตรฐานที่ผู้ขายรายงานเอง และมีการใช้งานโดยบุคคลที่สามมาแปดสิบสองวัน ซึ่งหมายความว่าตัวเลขของมันยังไม่ผ่านการตรวจสอบ แต่อย่างน้อยพฤติกรรมของมันก็สังเกตได้: มีคนรันมัน รายงานเกี่ยวกับมัน และเผชิญขีดจำกัดของมันในที่สาธารณะ ส่วน Sage-S2.1-Flash ไม่มีทั้งสองอย่าง เวต 645 GB ของมันเป็นหลักฐานว่าเป็นโมเดลจริงได้มากกว่าการรั่วไหลหรือภาพหน้าจอ — นี่คืออาร์ติแฟกต์ที่ถูกปล่อยออกมาแล้ว ไม่ใช่ข่าวลือ — แต่เวตเป็นหลักฐานของการมีอยู่ ไม่ใช่ของคุณภาพ

สิ่งที่ยังไม่อาจรู้ได้ในวันนี้ ได้แก่: Sage-S2.1-Flash ทำคะแนนได้เท่าใดกับสิ่งใดก็ตาม; มันถอดรหัสได้เร็วแค่ไหน; ตัวฝังตำแหน่ง 1M ของมันยังคงทำงานได้ดีเมื่อความยาวเพิ่มขึ้น หรือเสื่อมลงแบบที่ส่วนขยายบริบทแบบยาวส่วนใหญ่เป็นหรือไม่; vision tower ในคอนฟิกของมันถูกฝึกให้ได้มาตรฐานระดับการผลิตจริง หรือถูกยกต่อมาจาก backbone; scientific projectors ถูกประเมินกับสิ่งใดนอกเหนือจากการกระจายข้อมูลฝึกของตัวเองหรือไม่; และ InternLM ตั้งใจจะคิดค่าบริการเท่าใด (ถ้ามี) สำหรับเวอร์ชันที่ให้บริการแบบโฮสต์ รีโปซิทอรีไม่ได้ตอบคำถามเหล่านี้เลย ใครก็ตามที่บอกคุณเป็นอย่างอื่นกำลังคาดเดาจากชื่อเสียงของ backbone ซึ่งเป็น prior ที่สมเหตุสมผล ไม่ใช่การวัด

โมเดลนี้มีไว้เพื่ออะไรกันแน่

โปรเจกเตอร์นี่แหละคือหลักฐานบอกใบ้ ไม่มีใครไปติดอะแดปเตอร์สำหรับ modality ทางวิทยาศาสตร์ถึงห้าตัวเข้ากับโมเดลแชตทั่วไปแบบเป็นของแถมทีหลังหรอก โครงสร้างโฟลเดอร์ เทมเพลตพรอมป์แยกตามงาน และการเลือกเอนโคเดอร์ สื่อถึงโมเดลที่ถูกสร้างมาเพื่ออ่านโครงสร้างคริสตัล ตำแหน่งสplice ไซต์ สัญญาณหัวใจ สัญญาณสมอง และลำดับโปรตีนเป็นอินพุตระดับแรก โดยไม่ต้องพึ่งคำอธิบายสิ่งเหล่านั้นเป็นข้อความ โครงสร้างคริสตัลถูก tokenise เป็นสถานะอะตอมโดยมีเพดาน 512 อะตอม ลำดับโปรตีนมีสถานะต่อเรซิดิวพร้อมหัวอ่านค่าทางวิทยาศาสตร์แบบเลือกได้ ส่วนอะแดปเตอร์ DNA เป็นหัวอ่านค่าความน่าจะเป็นเหนือออบเจกต์เดียว

Qwen 3.8 Flash ไม่ทำเช่นนี้ มันอ่านภาพ วิดีโอ และข้อความ และทำได้โดยมีตัวเลขที่เผยแพร่บนเบนช์มาร์กด้านภาพ — CharXiv, MathVision, ERQA, LVBench, OSWorld 2.0 — แต่ผลึกแลตทิซที่เรนเดอร์เป็น PNG ไม่ใช่ผลึกแลตทิซจริง หากงานของคุณคือชีววิทยาเชิงโครงสร้าง การคัดกรองวัสดุ หรือการวิเคราะห์สัญญาณทางสรีรวิทยา การตีความอย่างตรงไปตรงมาคือโมเดลสองตัวนี้ไม่ได้แข่งขันกันในงานเดียวกัน และการเปรียบเทียบ Qwen เป็นเพียงราคาอ้างอิงมากกว่าตัวทดแทน หากงานของคุณเป็นข้อความและโค้ด โปรเจกเตอร์ก็ไม่เกี่ยวข้อง และ Sage-S2.1-Flash เป็นโมเดลแชทขนาด 321B ที่ไม่มี card

ข้อควรระวังประการหนึ่งเกี่ยวกับคำถามด้านมัลติโมดัล เพราะการกำหนดค่านี้ชวนให้ตีความเกินจริง รีโปมี vision tower 24 เลเยอร์ที่ hidden size 1,024 พร้อมอินพุตขนาด 448 พิกเซลและแพตช์ขนาด 14 พิกเซล มีโทเคนเริ่มต้นและสิ้นสุดสำหรับภาพและวิดีโอ และมี chat template ที่มีช่องสำหรับภาพ วิดีโอ และเสียง แต่ template นี้เป็น template ตระกูล GLM-5.3 ช่องเสียงไม่มี audio configuration ที่สอดคล้องกัน และคำสั่งเฉพาะสื่อเพียงอย่างเดียวใน deployment guide คือเรื่องภาพที่เข้ามาภายใน tool results ให้ถือว่า tower นี้มีอยู่แต่ไม่มีเอกสารกำกับ: weights ถูกสร้างมาให้รับได้มากกว่าข้อความ และสิ่งที่ release ตั้งใจให้คุณป้อนเข้าไปนั้นไม่ได้ระบุไว้

แรงเสียดทาน ซึ่งไม่เป็นศูนย์

การโฮสต์ Sage-S2.1-Flash ด้วยตนเองไม่ใช่แค่การชี้ vLLM ไปยังรีโพซิทอรี มีข้อกำหนดสามข้อที่มาจากคู่มือการปรับใช้ และข้อที่สองคือข้อที่ยุ่งยาก

• --trust-remote-code จำเป็นอย่างยิ่งสำหรับทุกเอนจิน — รีพозиทอรีมี tokenizer และ processor ของตัวเอง และหากไม่มีแฟล็กนี้ เอนจินจะโหลด tokenizer มาตรฐานโดยไม่แจ้งเตือน ซึ่งเข้ารหัสสตริงอย่าง <tool_call> เป็น control token แทนที่จะเป็นข้อความ ทำให้การให้เหตุผลและการเรียกเครื่องมือเสียหายโดยไม่มีคำเตือน

• vLLM 0.33.0 ต้องใช้แพตช์ที่จัดหาให้กับ vllm/renderers/hf.py เนื่องจากเมื่อผลลัพธ์ของเครื่องมือแบบขนานกลับมาไม่ตรงตามลำดับการเรียก เทมเพลตจะเรนเดอร์ตามลำดับการเรียก ขณะที่ vLLM รวบรวมรูปภาพของผลลัพธ์เหล่านั้นตามลำดับข้อความ ทำให้แต่ละรูปถูกแนบไปยังผลลัพธ์ผิดอย่างเงียบ ๆ; การแก้ไขต้นทางยังเป็นดราฟต์พูลรีเควสต์อยู่

LMDeploy ต้องการ transformers เวอร์ชันระหว่าง 5.17 ถึง 5.19 เนื่องจากเวอร์ชัน 5.19 เปลี่ยนชื่อชนิดเลเยอร์ที่เอนจินจะไม่ยอมรับ ส่วน SGLang ต้องการเวอร์ชัน 0.5.20 ขึ้นไป พร้อมทั้งต้องระบุ chat template ของรีโพซิทอรีอย่างชัดเจน เพราะหากไม่ระบุ SGLang จะติดตั้งเทมเพลตในตัวของตัวเองสำหรับสถาปัตยกรรมนั้นแทน

ทุกข้อในนั้นล้วนเป็นวิธีเลี่ยงปัญหาที่มีการบันทึกเอกสารไว้ สำหรับโมเดลที่เพิ่งมีอายุได้แค่วันเดียว และคู่มือก็ยอมรับอย่างตรงไปตรงมาว่าเฟรมเวิร์กทั้งหลายยังคงเคลื่อนไหวเปลี่ยนแปลงอยู่ ไม่มีข้อใดที่ไร้เหตุผล แต่ทั้งหมดนั้นคือเวลาในการทำงานเชิงวิศวกรรมที่ Qwen 3.8 Flash ไม่ต้องเรียกร้องเลย เพราะในฝั่งโฮสต์แล้ว มันเป็นเพียง base URL กับ API key เท่านั้น

คีย์เดียว สองระดับความมุ่งมั่นที่แตกต่างกันอย่างมาก

Qwen 3.8 Flash อยู่บน OrcaRouter ในชื่อ qwen/qwen3.8-flash ด้วยราคาตามรายการของ A​libaba ส่งต่อโดยไม่บวกกำไร — $0.15 ต่อล้านโทเค็นอินพุต, $0.47 ต่อล้านโทเค็นเอาต์พุต, $0.0184 ต่อล้านสำหรับการอ่านจากแคช, หน้าต่างบริบทขนาด 1,000,000 โทเค็น และเพดานเอาต์พุต 131,072 โทเค็น หน้าเพจของ QwenCloud เองระบุราคา $0.016 สำหรับรูปแบบแคชโดยนัย; กฎการส่งต่อราคาหมายความว่าอะไรก็ตามที่ A​libaba เปลี่ยนแปลง คุณจะได้รับในวันเดียวกันแทนที่จะเป็นตอนต่อสัญญาครั้งถัดไป Sage-S2.1-Flash ไม่ได้อยู่ในแคตตาล็อกและไม่มีบริการใดรองรับมัน ดังนั้นจึงไม่มีเส้นทางเข้าถึงมันได้ที่นี่และไม่มีเหตุผลที่จะแสร้งทำเป็นอย่างอื่น

A screenshot of the OrcaRouter model page for qwen/qwen3.8-flash, captured in English on 16 November 2026, showing the model name and model id, the per-million-token input and output pricing, the context window and maximum output limits, and the API access details for the model.

สิ่งที่ชั้นการกำหนดเส้นทางทำได้ดีจริง ๆ ในสถานการณ์นี้ คือการทำให้การประเมินมีต้นทุนต่ำและย้อนกลับได้ หากคุณมีฮาร์ดแวร์ของคุณเอง ให้รันการทดลอง Sage บนฮาร์ดแวร์นั้น เก็บ Qwen 3.8 Flash ไว้เป็นเส้นทางโปรดักชัน และปล่อยให้ ห่วงโซ่การสลับเมื่อเกิดความล้มเหลวอยู่เบื้องหลังเส้นทางใหม่ เพื่อที่โมเดลที่มีการ์ดว่างจะไม่กลายเป็นจุดล้มเหลวจุดเดียวในวันแรกที่มันรับทราฟฟิกจริง แนวคิดเดียวกันนี้ใช้กับคำถามที่ยากกว่า — การหลอมรวมโมเดล ซึ่งเป็นวิธีที่ถูกที่สุดในการค้นหาว่า MoE ทางวิทยาศาสตร์ขนาด 321B คุ้มกับค่าเช่าหรือไม่ โดยที่คณะผู้ตอบจะตอบพร้อมต์เดียวด้วยโมเดลหลายตัวและผู้ตัดสินจะประสานคำตอบเหล่านั้นเข้าด้วยกัน: คุณไม่ต้องย้ายระบบ คุณถามทั้งสองทาง แล้วอ่านคำตอบ

ใครควรเลือกอันไหน

หากคุณกำลังส่งมอบข้อความหรือโค้ดในไตรมาสนี้ Qwen 3.8 Flash คือคำตอบที่มีเหตุผลรองรับ และ Sage-S2.1-Flash ไม่ใช่คำตอบเลย โมเดล Qwen ถูกกว่าต่อโทเค็นกว่าเกือบทุกตัวในระดับความสามารถเดียวกัน มีเอกสารประกอบดีพอที่จะใช้วางแผนได้ มีสัญญาอนุญาตชัดเจนพอที่จะนำไปใช้งานได้ และเปิดให้ตรวจสอบได้ต่อสาธารณะ ผลวัดประสิทธิภาพของมันเป็นของ Alibaba เอง และควรถือว่าเป็นเพียงคำกล่าวอ้าง แต่คำกล่าวอ้างหนึ่งบวกกับประสบการณ์แปดสิบสองวันจากคนอื่น ย่อมเหนือกว่าความเงียบหนึ่งบวกกับสามวันโดยที่ไม่มีประสบการณ์ของใครเลย

ถ้าคุณทำงานด้านชีววิทยาโครงสร้าง การออกแบบโปรตีน วัสดุ หรือสัญญาณทางสรีรวิทยา การคำนวณจะกลับด้าน โปรเจกเตอร์ห้าตัวในรีโพซิทอรี Sage-S2.1-Flash คือความสามารถที่ทั้ง Qwen 3.8 Flash และโมเดลเปิดส่วนใหญ่ไม่มีให้ในราคาใด ๆ สัญญาอนุญาตเป็น MIT และข้อกำหนดฮาร์ดแวร์ — H200 จำนวนแปดตัว หรือน้อยกว่าหากใช้ checkpoint FP8 — เป็นค่าใช้จ่ายประเภทที่กลุ่มวิจัยมีอยู่แล้ว สิ่งที่ควรทำคือดาวน์โหลดมัน รันการตรวจสอบโปรเจกเตอร์ฝั่ง CPU ที่รีโพซิทอรีมีให้ และวัดสองสิ่งที่มีได้ไม่ได้บอกคุณ: throughput การถอดรหัสบนฮาร์ดแวร์ของคุณ และความแม่นยำบนชุด held-out ของคุณเอง นั่นคืองานหนึ่งสัปดาห์ และเป็นทางเดียวที่โมเดลนี้จะกลายเป็นการตัดสินใจแทนที่จะเป็นของแปลกน่าดู

กรณีที่สามเป็นกรณีที่ใหญ่ที่สุด หากคุณเพียงแค่อยากรู้ ท่าทีที่ถูกต้องคือรอการ์ดโมเดล เมื่อ InternLM เผยแพร่การ์ดโมเดลออกมา ตัวเลขที่สำคัญจะเป็นตัวเลขที่รีโพซิทอรีนี้ให้ไม่ได้ ได้แก่ throughput, การเสื่อมลงเมื่อบริบทยาว, vision tower ทำงานอยู่จริงหรือไม่ และโปรเจกเตอร์ทำคะแนนได้เท่าใดนอกการแจกแจงที่ใช้ฝึก จนถึงตอนนั้น Sage-S2.1-Flash คืออาร์ติแฟกต์จริงที่มีสเปกที่ยังไม่มีใครอ่าน และสิ่งที่มีประโยชน์ที่สุดเกี่ยวกับมันคือ weights มีอยู่ ไม่มีเกต และเป็น MIT ซึ่งหมายความว่าเมื่อมีคนวัดมันจริง คุณจะไม่ต้องขออนุญาตเพื่อตรวจสอบงานของพวกเขา

การเปรียบเทียบในบทความนี้2

ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube