
Sage-S2.1-Flash vs Gemini 3.8 Flash: Một bên có vách giá, bên kia không có giá
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 90 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 97 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaMỚIOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 87 tok/s
- OrcaMỚIOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 133 tok/s
- OrcaMỚIOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 trên 1 triệu token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 trên 1 triệu token · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Trí tuệ
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Trí tuệ
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 trên 1 triệu token · 219 tok/s
Gemini 3.8 Flash hiện có giá 0,75 USD cho mỗi triệu token đầu vào và 3,75 USD cho mỗi triệu token đầu ra. Vào ngày 1 tháng 1 năm 2027, mức giá sẽ là 1,50 USD và 7,50 USD — vẫn cùng mô hình, cùng trọng số, nhưng hóa đơn gấp đôi, vì giá giới thiệu của Google cho mô hình này kết thúc vào ngày 31 tháng 12 năm 2026. Sage-S2.1-Flash, được Phòng thí nghiệm AI Thượng Hải công bố lặng lẽ vào ngày 15 tháng 11 năm 2026, không có mức giá nào để tăng gấp đôi. Nó có 645 gigabyte trọng số theo giấy phép MIT, một thẻ mô hình 21 byte và một hướng dẫn triển khai giả định rằng bạn có tám H200.
Đặt hai sự thật đó cạnh nhau và ý định tìm kiếm đằng sau cuộc so tài này trở nên rõ ràng: mọi người thực ra không hỏi mô hình nào thông minh hơn. Họ đang hỏi liệu nên tiếp tục thuê gói Flash của Google hay liệu một mô hình khoa học mở mà họ có thể tải về ngay bây giờ sẽ thay thế một phần hóa đơn đó. Câu trả lời phụ thuộc vào một ngày, và vào một sự phân biệt mà hầu hết các so sánh bỏ qua — giữa một mô hình rẻ trên mỗi token và một mô hình mà các token của nó hoàn toàn không có đồng hồ đo nào.
Điều gì thực sự được lên lịch thay đổi?
Tài liệu của chính Google về Gemini 3.8 Flash liệt kê hai bảng giá, và chỉ một trong số đó có hiệu lực:
• Giá giới thiệu, đến hết ngày 31 tháng 12 năm 2026 — 0,75 USD mỗi triệu token đầu vào, 3,75 USD mỗi triệu token đầu ra, 0,075 USD cho token đầu vào được lưu trong bộ nhớ đệm
• Tiêu chuẩn, từ ngày 1 tháng 1 năm 2027 — 1,50 USD mỗi triệu đầu vào, 7,50 USD mỗi triệu đầu ra
• Ngữ cảnh — 1.000.000 token, với giới hạn đầu ra 64.000 token
• Suy nghĩ — ba mức: thấp, trung bình (mặc định) và cao; thiết lập tối thiểu cũ giờ sẽ báo lỗi
• Đã loại bỏ các tham số — temperature, top_p, top_k, candidate_count và các lượt mô hình điền sẵn không còn được chấp nhận
Dòng cuối cùng đó là dòng tốn thời gian kỹ thuật chứ không phải tiền, và rất dễ bị bỏ qua trong một cuộc thảo luận về giá. Một pipeline được chuyển từ Gemini 3.6 Flash sang 3.8 Flash không thể giữ nguyên cấu hình lấy mẫu của nó; mô hình từ chối các tham số điều chỉnh. Prefill đa lượt cũng không còn, được thay bằng previous_interaction_id phía máy chủ. Bất cứ thứ gì bạn xây dựng trên 3.8 Flash từ nay đến tháng Giêng là một bản dựng mà bạn sẽ phải tinh chỉnh lại hai lần — một lần cho thay đổi API bạn đã thực hiện, một lần cho thay đổi giá bạn chưa thực hiện.
Gemini 3.8 Flash cũng được chính Google mô tả là “mô hình Flash thế hệ trước” — ổn định, vẫn là mặc định đằng sau tác nhân và SDK Antigravity, và là đích chuyển đổi được chỉ định cho các yêu cầu gemini-2.5-pro kể từ ngày 1 tháng 12 năm 2026. Đây là một “con ngựa thồ” với thời hạn hoạt động đã biết và không có nguy cơ bị khai tử, chứ không phải một thử nghiệm tiên phong. Đó là một phẩm chất thực sự, và hiện tại Sage-S2.1-Flash chưa có được phẩm chất ấy.

Hai sản phẩm khác nhau có chứa "Flash" trong tên
Sự trùng hợp về cách đặt tên đang được gán nhiều sức nặng hơn mức nó đáng có, nên đáng để mổ xẻ.
Gemini 3.8 Flash là một mẫu mô hình đa phương thức độc quyền, được lưu trữ sẵn, đảm nhận nhiều tác vụ nặng. Nó nhận đầu vào là văn bản, hình ảnh, video, âm thanh và tệp, rồi trả về văn bản. Artificial Analysis chấm nó 30,8 điểm trên Chỉ số Trí tuệ ở thiết lập high effort, chạy với tốc độ khoảng 114 token đầu ra mỗi giây và thời gian đến token đầu tiên là 19,7 giây trong bài kiểm tra ngữ cảnh dài. Giá của nó được tính theo token, tính theo mức sử dụng thực tế, và hiện đã có sẵn thông qua API riêng của Google cùng các kênh bán lại dịch vụ đám mây.
Mặt còn lại của cái tên là một hiện vật nghiên cứu. Sage-S2.1-Flash có 320 tỷ tham số với 18 tỷ tham số hoạt động trên mỗi token, được công bố dưới dạng 120 phân mảnh bfloat16 theo giấy phép MIT bởi Shanghai AI Laboratory vào ngày 15 tháng 11 năm 2026 — 645 GB trọng số, một tháp thị giác và một cấu hình khai báo mức trần 1.048.576 token trải trên 45 lớp. Ba mươi bốn trong số các lớp đó sử dụng loại linear-attention; mười một lớp sử dụng sparse attention. Đây không phải là một dịch vụ. Đây là một bản tải xuống kèm theo hướng dẫn triển khai.
Từ "Flash" trong cả hai tên lần lượt có nghĩa là "bậc nhỏ trong một dòng sản phẩm được lưu trữ" và "biến thể nhanh của một họ mô hình nghiên cứu". Chúng không cạnh tranh cho cùng một hạng mục. Chúng cạnh tranh cho cùng một công việc, và chỉ đôi khi.
Thước đo duy nhất mà chúng có chung tên gọi
Ở đây, sự so sánh trở nên thực sự thú vị, rồi ngay lập tức trở nên đáng thất vọng theo một cách đầy bài học.
Bảng đánh giá của InternLM dành cho Sage-S2.1-Flash bao gồm 35 bộ chuẩn đánh giá và tám mô hình so sánh: 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 và Claude Opus 5.5. Gemini 3.8 Flash không nằm trong số đó. Không có bảng điểm chung nào cho cặp so tài này, dù do nhà cung cấp tự xây dựng hay theo cách khác.
Cái trùng nhau chỉ là tên benchmark. InternLM báo cáo 87,9 cho Sage-S2.1-Flash trên Terminal-Bench 2.1. Artificial Analysis báo cáo 87,6 cho Gemini 3.8 Flash trên Terminal-Bench 2.1. Hai con số cách nhau ba phần mười, và thật dễ muốn gọi đó là hòa — nhưng như vậy là sai. Hai con số đến từ những bộ khung đánh giá khác nhau, với các cấu trúc hỗ trợ, số lần thử và cấu hình công cụ khác nhau, và cả hai phòng thí nghiệm đều chưa công bố thiết lập chạy của mình. Chênh lệch 0,3 điểm giữa hai bộ khung đánh giá riêng không phải là phép đo của bất cứ thứ gì. Đó chỉ là sự trùng hợp tình cờ thuận tiện cho bất kỳ ai muốn tuyên bố ngang bằng.
Mọi điểm chung khác giữa hai bên phải được suy luận chứ không phải bị trừ đi. Artificial Analysis xếp Gemini 3.8 Flash ở mức 95.3 trên GPQA Diamond, 85.6 trên MMMU-Pro, 47.8 trên Humanity's Last Exam, 56.6 trên SciCode và GDPval là 1,442. InternLM xếp Sage-S2.1-Flash ở mức 75.8 trên BabyVision, 84.8 trên OSWorld-G, 72.2 trên OfficeQA Pro V2, 90.3 trên MLE-bench Lite và 25.0 trên Harvey LAB. Những danh sách đó hầu như không giao nhau, và ở những chỗ không giao nhau, không có gì để so sánh — chỉ là hai phòng thí nghiệm mô tả những thế mạnh khác nhau bằng những từ vựng khác nhau.

Bằng chứng đến từ đâu, đó mới là sự khác biệt thực sự
Tạm gác các con số sang một bên và xem xét nguồn gốc, vì nó quyết định mức độ đáng tin mà bất kỳ điều nào ở trên có thể mang.
Gemini 3.8 Flash được một bên thứ ba đo trên một bộ khung đánh giá công khai. Chỉ số Intelligence Index 30.8, các con số tốc độ cùng điểm GPQA và MMMU-Pro đều đến từ việc Artificial Analysis chạy đúng quy trình mà nó áp dụng cho mọi mô hình trong danh sách. Bạn có thể không đồng ý với bộ khung đánh giá; bạn không thể cáo buộc Google đã viết ra nó.
Sage-S2.1-Flash chỉ được đo bởi chính các tác giả của nó, trong một tệp phân tách bằng tab được commit vào một kho GitHub tạo ngày 16 tháng 11, được công bố lên một trang tĩnh tại internlm.github.io/Sage-S2.1-Flash. Không có gì trong kho Hugging Face liên kết đến trang đó. Thẻ mô hình chỉ chứa một dòng giấy phép và không có gì khác — 21 byte, toàn bộ là YAML frontmatter.
Bảng của nhà cung cấp có một dấu hiệu đáng tin cậy đáng ghi nhận: nó bao gồm cả những dòng mà mô hình thua. Sage kém DeepSeek-V4.1-Flash-1017 6,9 điểm trên DeepSWE, 5,5 điểm trên NL2Repo-Bench và 7,5 điểm trên APEX-Agents, đồng thời kém Qwen3.8-Max trên Terminal-Bench 2.1 và SWE-bench Pro. Một phòng thí nghiệm công bố cả những thất bại của chính mình là một phòng thí nghiệm đáng để đọc. Nhưng một bảng tự công bố có cả các thất bại vẫn là một bảng tự công bố, và chưa có bên thứ ba nào tái lập được dù chỉ một dòng.
Bốn câu hỏi mà mọi người thực sự đang đặt ra
Phần lớn sự nhầm lẫn trong cặp đấu này đến từ việc gộp vài quyết định riêng biệt thành một. Khi tách riêng ra, mỗi quyết định đều có câu trả lời rõ ràng.
• Sage-S2.1-Flash có thể thay thế Gemini 3.8 Flash cho công việc văn bản khối lượng lớn không? Không, và không phải vì chất lượng. Gemini 3.8 Flash với giá 0,75 đô-la cho mỗi triệu token đầu vào rẻ hơn tiền điện và khấu hao trên nút mà Sage cần, đối với khối lượng công việc được đo bằng hàng triệu lệnh gọi ngắn. Đây là công cụ sai cho công việc đó, bất kể điểm chuẩn nào.
• Sage có thắng ở ngữ cảnh dài không, vì cả hai đều tuyên bố một triệu token? Chỉ sau tháng 1. Hôm nay Gemini 3.8 Flash tính $0.75 cho mỗi triệu token đầu vào trên toàn bộ cửa sổ của nó, không phụ phí cho prompt dài; mức $1.50 cũng áp dụng từ ngày 1 tháng 1. Sage hoàn toàn không có giá theo token, nghĩa là câu hỏi không phải là "cái nào rẻ hơn trên mỗi token" mà là "cái nào rẻ hơn mỗi tháng" — và điều đó phụ thuộc vào việc node tám-H200 có bận hay không. Một node ngồi không giữa các job còn đắt hơn gần như mọi mức giá theo token.
• Giới hạn đầu ra có phải là vấn đề không? Đối với Sage, điều này chưa rõ — không có tài liệu nào trong bản phát hành nêu độ dài đầu ra tối đa. Đối với Gemini 3.8 Flash, con số này là 64.000 token, đủ cho hầu hết các bước tác nhân và không đủ cho việc tạo nội dung dài trong một lần gọi. Nếu khối lượng công việc của bạn tạo ra 100K token trong một phản hồi duy nhất, Gemini 3.8 Flash bị loại dựa trên thông số kỹ thuật, không phải điểm số.
• Thứ Hai tôi thực sự có thể gọi cái nào? Gemini 3.8 Flash. Sage-S2.1-Flash không có endpoint được lưu trữ nào mà chúng tôi có thể xác nhận; liên kết "Try the API" trên trang phát hành trỏ đến một cổng thông tin không hiển thị danh mục của nó cho một ứng dụng khách không dùng JavaScript, và không có nhà cung cấp suy luận nào niêm yết mô hình này trên Hugging Face vào thời điểm viết bài.

Nơi mà tuyên bố khoa học sẽ phải được kiểm chứng
Tuyên bố khác biệt của Sage-S2.1-Flash không phải là “agent tốt hơn”, mà là “nhiều loại đầu vào khoa học hơn trong một mô hình”: đồ thị phân tử, cấu trúc tinh thể, trình tự protein và cấu trúc ba chiều, DNA và RNA, phổ, phổ khối, nhiễu xạ tia X, điện tâm đồ, điện não đồ và đường cong ánh sáng. Danh sách đó đến từ nội dung công bố tiếng Anh của InternLM, không phải từ thẻ mô hình, và đó là một tuyên bố thiết kế chứ không phải kết quả đo lường.
Tài liệu của Gemini 3.8 Flash không đưa ra tuyên bố tương đương. Nó chấp nhận video và âm thanh một cách gốc — một lợi thế thực sự về phạm vi mà cấu hình của Sage cũng hỗ trợ thông qua các loại token video và âm thanh — nhưng Google không mô tả nó là được huấn luyện trên phổ hoặc mẫu nhiễu xạ. Cách nói trung thực là: trên các định dạng khoa học, một mô hình có chuyên môn được tài liệu hóa và không có xác minh độc lập, còn mô hình kia có đầu vào đa phương thức rộng và điểm số của bên thứ ba trên các benchmark tổng quát mà tình cờ bao gồm cả các benchmark khoa học (SciCode đạt 56.6, GPQA đạt 95.3).
Nếu chuyên môn đó quan trọng với công việc của bạn, thì phép thử không phải là một bảng xếp hạng. Mà là một vài hình vẽ, phổ hoặc ảnh cryo của chính bạn, được đưa qua cả hai, rồi được một chuyên gia trong lĩnh vực kiểm tra. Mười tài liệu và một buổi chiều giải quyết được nhiều hơn ba mươi lăm dòng của nhà cung cấp, và đó là thử nghiệm duy nhất trong bài viết này tạo ra kết quả mà bạn có thể bảo vệ trong nội bộ.
Những cái bẫy phục vụ, vì chúng quyết định cuối tuần.
Bất cứ ai tải Sage-S2.1-Flash đều nên đọc hướng dẫn triển khai của nó trước, vì một lý do dễ bị đánh giá thấp: mọi lỗi mà nó ghi lại đều diễn ra âm thầm. Tokenizer sẽ đọc sai cú pháp agentic, hình ảnh sẽ gắn vào kết quả công cụ sai trong một lệnh gọi song song không đúng thứ tự, SGLang sẽ âm thầm thay bằng chat template của riêng nó, FP8 KV cache sẽ không hoạt động trên Hopper, và LMDeploy sẽ từ chối một kiểu layer đã đổi tên trừ khi transformers được ghim dưới 5.19. Không cái nào trong số đó tạo ra thông báo lỗi. Tất cả đều tạo ra kết quả trông hợp lý nhưng dựa trên đầu vào sai, đó là kiểu lỗi tệ nhất mà một agent có thể gặp.
Danh sách tương đương của Google ngắn hơn và được hỗ trợ tốt hơn: không có temperature, top_p hay top_k; không có các lượt điền sẵn; lỗi Malformed_Function_Call được truy vết về văn bản trước công cụ; call_id và name là bắt buộc trên mọi FunctionResponse. Sự khác biệt giữa hai danh sách không nằm ở độ dài. Mà ở chỗ một bên có hướng dẫn migration và lộ trình hỗ trợ phía sau, còn bên kia chỉ là một cảnh báo trong tệp markdown, do chính những người viết mô hình viết cho vài người dùng đầu tiên.
Thử cả hai mà không cam kết với bên nào.
Một chi tiết thực tế về cú sốc tháng Một: vì một danh mục chuyển tiếp phản ánh giá niêm yết của nhà cung cấp chứ không phải bản sao đã thương lượng của giá đó, thay đổi giá sẽ có hiệu lực ngay ngày nhà cung cấp công bố. Gemini 3.8 Flash hiện có thể gọi qua OrcaRouter tại google/gemini-3.8-flash — 0,75 USD đầu vào và 3,75 USD đầu ra mỗi triệu token, theo bảng giá giới thiệu, với cửa sổ 1.048.576 token còn nguyên vẹn — và khi Google chuyển sang 1,50 USD và 7,50 USD, danh mục cũng hiển thị như vậy, không cần đàm phán lại. Sage-S2.1-Flash hoàn toàn không có trong danh mục; đó là trọng số MIT mà bạn sẽ tự phục vụ trên phần cứng của riêng mình, và không router nào thay đổi được điều đó.
Động thái hữu ích cho một đội đang cân nhắc điều này không phải là thuê tám chiếc H200 dựa trên linh cảm. Mà là chạy bài kiểm tra định dạng khoa học được mô tả ở trên với một mô hình được host mà bạn có thể gọi trong một buổi chiều, và định lượng xem mức tăng tháng Một thực sự ảnh hưởng đến hóa đơn của bạn ra sao trước khi bạn thiết kế xoay quanh nó. Hai dòng tính toán là đủ cho hầu hết các đội: nhân số token đầu vào của Gemini 3.8 Flash tháng trước với $0.75 rồi lại với $1.50, và làm tương tự với đầu ra ở $3.75 và $7.50. Nếu khoảng chênh nhỏ hơn một giờ H200 mỗi tháng, mô hình mở không phải là câu trả lời và đọc bao nhiêu benchmark cũng không biến nó thành câu trả lời. Nếu khoảng chênh lớn hơn, bạn đã biết ngân sách mình có cho một thử nghiệm, một điểm khởi đầu tốt hơn nhiều so với một vị trí trên bảng xếp hạng.
Phép tính đó cũng là lý do vì sao định giá chuyển tiếp đáng được quan tâm ở đây. OrcaRouter giữ nguyên giá niêm yết của nhà cung cấp mà không cộng thêm markup, nên thay đổi ngày 1 tháng 1 sẽ xuất hiện trong danh mục ngay ngày Google công bố, thay vì vào lần gia hạn hợp đồng tiếp theo. Một bài so sánh viết dựa trên mức $0.75 hôm nay sẽ sai trong sáu tuần nữa; còn một bài viết dựa trên danh mục trực tiếp thì ít nhất sẽ lộ lỗi rõ ràng.
Khi việc so sánh thực sự đi vào hoạt động — một mức giá Sage được công bố, hoặc một endpoint được lưu trữ đáng để định tuyến — thì DSL định tuyến chính là thứ khiến việc hành động trở nên rẻ: một chính sách gửi các lệnh gọi ở định dạng khoa học đến mô hình chuyên biệt và mọi thứ còn lại đến tầng Flash giá rẻ, với cơ chế failover tự động để một endpoint thử nghiệm không bao giờ trở thành điểm lỗi duy nhất. Đó chính là tư thế mà cuộc so tài này thực sự cần. Không phải một cuộc di chuyển, mà là một sự tách ra.
Quyết định điều gì, và khi nào
Trước ngày 1 tháng 1 năm 2027, câu trả lời thực dụng là Gemini 3.8 Flash cho mọi thứ hướng đến môi trường sản xuất và tính phí theo token, vì nó rẻ, được đo lường, có thể gọi được, và thay đổi giá của nó là một ngày đã biết chứ không phải bất ngờ. Sage-S2.1-Flash chỉ đáng để đánh giá nếu công việc của bạn liên quan đến các định dạng đầu vào khoa học mà nó nêu tên — và chỉ khi bạn có GPU hoặc đủ kiên nhẫn.
Sau ngày 1 tháng 1, phép tính thay đổi đúng một hệ số hai về phía Google, và lập luận ủng hộ mô hình mở trở nên mạnh hơn mà mô hình mở không cần làm gì cả. Điều đó đáng để lập kế hoạch ngay bây giờ: nếu hóa đơn ngữ cảnh dài là lý do bạn đang đọc bài này, hãy tính toán với mức $1.50 và $7.50 trước khi bạn gắn kiến trúc của mình với một mức giá sẽ hết hạn sau sáu tuần.
Và hãy luôn giữ một điều cho thật rõ. Sage-S2.1-Flash không phải là một Gemini rẻ hơn. Đây là một mô hình khoa học mở lớn với chuyên môn đã được ghi nhận trong tài liệu, không có giá và không có điểm đánh giá độc lập, được công bố mà không kèm thông báo từ một phòng thí nghiệm vẫn chưa nói nó tốn bao nhiêu. Lý do để theo dõi nó là nó có thể được sở hữu. Lý do để chưa áp dụng nó trong tháng này là không ai, kể cả các tác giả của nó, đã cho bạn biết nó làm gì dưới một khung kiểm thử mà bạn có thể tự kiểm tra.
So sánh trong bài viết này2
Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày
