
Sage-S2.1-Flash 对比 Claude Haiku 5.5:单个 Token 的成本 vs 上下文窗口的成本
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-0717 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 87 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 133 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百万 tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百万 tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百万 tokens · 219 tok/s
Claude Haiku 5.5 和 Sage-S2.1-Flash 都宣称拥有百万 token 的上下文窗口,而二者的相似之处也大致止步于此。Claude Haiku 5.5 由 Anthropic 于 2026 年 10 月 7 日发布,有公开的价目表、独立的排行榜分数和托管 API。Sage-S2.1-Flash 则由上海人工智能实验室于 2026 年 11 月 15 日悄然上传至 Hugging Face,拥有 645 GB 的 MIT 许可权重、一份 21 字节的模型卡,而且互联网上任何地方都找不到它的价格。因此,按每百万 token 对二者进行比较是不可能的——不是困难,而是不可能,因为计量表的一侧是空白的。
方面,真正有效的比较是另一种,也正是本页要讨论的比较:每个模型向你收取多少费用长上下文。在这个维度上,两者相差甚远,而答案并不是标价所暗示的那样。
两个披着同一基准名称外衣的采购问题
先从双方实际是什么说起,因为这种命名容易引发范畴错误。Claude Haiku 5.5 是 Anthropic 小型层级中的专有文本和图像模型——厂商将其定位为适用于“高吞吐量、对延迟敏感的任务,如分类、提取和路由”。它通过 effort 参数进行自适应思考,该参数默认设为 medium,最多返回 128,000 个输出 token,并在 Anthropic 自有平台以及四大云转售渠道上以 claude-haiku-5-5 的形式接入 API。
Sage-S2.1-Flash 是一个开放权重的科学智能体模型:一个 3200 亿参数的混合专家模型,每个 token 激活 180 亿参数,基于 GLM-5.3-Flash 架构构建,以 bfloat16 打包,约 645 GB,分布在 120 个分片中。其配置声明位置上限为 1,048,576 个 token、一个 24 层视觉塔,以及明确的图像、视频、音频和思考 token 类型。它采用 MIT 许可并可下载;截至 11 月 16 日,没有推理服务商提供它,也没有独立测试框架对其进行评分。
其中一个是明细项。另一个是一个周末加一个 GPU 节点。这种不对称正是整个比较的全部,下面的所有内容都是由它推导出的算术。

没人写进标题的 10 万 token 悬崖
Anthropic 公布 Claude Haiku 5.5 的定价分为两档而非一档,而正是在第二档,该模型自己所宣称的上下文才变得代价高昂:
• 提示词最高可达 100,000 个词元 — 输入每百万 ${{1}}0.10{{/1}},输出每百万 ${{2}}0.50{{/2}}
• 超过 100,000 个 token 的提示 — 每百万输入 $0.50,每百万输出 $2.50
• 缓存写入,五分钟档——每百万 $0.125 和 $0.625,按相同的拆分比例
• 缓存读取 — 低于 100K 时每百万 $0.01,超过 100K 后每百万 $0.05
• Batch API — 双方均享 50% 折扣
这是一次五倍的跃升,而且它触发的提示长度,恰好就是长上下文模型开始值得付费的那个长度。一个 150,000 token 的提示加上 5,000 token 的回答,输入费用为 150,000 × $0.50/1M = $0.075,输出费用为 5,000 × $2.50/1M = $0.0125,合计 $0.0875。若按低于 100K 的费率,同样的调用本应是 $0.015 加 $0.0025——即 $0.0175。五倍的上下文窗口,成本并不是 100K 调用的五倍;以你片刻之前还在支付的价格为基准,相同 token 量大约贵五倍,而那次特定调用则贵十一倍。
上面还叠加了第二个乘数,而且很容易被忽略,因为它藏在文档里,而不是价格表中:Claude Haiku 5.5 使用了随 Claude 4.7 引入的 tokenizer,因此同样的文本计为的 token 数会比在 Claude Haiku 4.5 上多出大约 30%。无论你为每份文档做多少预算,在套用费率之前都要乘以 1.3。Anthropic 对此异常明确,这值得肯定,但它对朴素成本模型的影响是真实存在的:一个从 4.5 迁移到 5.5、token 估算却保持不变的工作负载,将会超支近三分之一。
这一切都不足以让 Claude Haiku 5.5 在绝对意义上显得昂贵。每百万输入 0.10 美元是当前任何接近前沿的模型中最便宜的费率,独立排行榜也同意,这一档位并非玩具:Claude Haiku 5.5 在最高努力程度下于 Artificial Analysis Intelligence Index 上得分 36.5,高于 DeepSeek V4.1 Flash 的 32.6 和 Gemini 3.8 Flash 的 30.8。要点更窄,也更有用:在这个模型上,提示词长度才是价格杠杆,而不是模型选择。
当你拥有权重时,长上下文的成本是什么
现在对 Sage-S2.1-Flash 做同样的计算。没有价目表,所以 token 的边际成本为零——但窗口并非免费,因为你总得把权重存放在某处。InternLM 自己的部署指南给出了参考配置:八块 H200 GPU、bfloat16、张量并行度为八。
这笔算术并不光鲜,却具有决定性。645 GB 的权重分布在八张卡上,每张卡约 81 GB。一张 H200 搭载 141 GB HBM,这就为每张卡留下约 60 GB,用于 KV 缓存、激活值以及视觉塔的工作集。指南明确要求不要在 Hopper 上使用 FP8 KV 缓存,因此这 60 GB 是以 bfloat16 消耗的——这是可用的每 token 缓存格式中最昂贵的一种。在该预算范围内可以达到百万 token 上下文,但这只是因为模型的混合注意力让大多数层保持线性:45 层中有 34 层使用配置中称为 kda 的线性注意力类型,只有 11 层使用带有 top-2,048 索引的稀疏注意力。在传统的 45 层 transformer 上,百万 token 的 KV 缓存根本无法容纳。
所以,诚实的成本对比不是“免费对每单位 0.10 美元”,而是“由你按需选型并租用的八块 H200,对一个用量超过 100K 后价格就涨到五倍的按量计费 API”。前者在什么利用率下能胜过后者,完全取决于你为这些 GPU 支付的每小时费率,以及它们一天中有多少时间处于忙碌状态。而由于我们没有公开的 Sage 价格,也没有它独立的吞吐量数据,任何向你给出盈亏平衡点的人,都是在凭空编造一个。

直白地说,证据缺口
两个模型都有基准测试数据。但其中只有一组能够拿来与任何东西进行核对。
Claude Haiku 5.5 由第三方进行评测。Artificial Analysis 将其在最高 effort 下的 Intelligence Index 得分定为 36.5,并报告输出速度为每秒 257 个 token。这是一个经过审计的数字,来自一个对其列出的每个模型运行相同测试的评测框架,这正是它能用于决策的原因。
Sage-S2.1-Flash 仅由其作者进行评测。InternLM 的数据存放在一个制表符分隔的文件中,该文件位于 11 月 16 日创建的 GitHub 仓库里,并发布到 internlm.github.io/Sage-S2.1-Flash 的静态站点上,而 Hugging Face 模型卡并未链接到该站点。该表有 35 行,将 Sage 与八个模型进行比较。其表现突出的行是科学和视觉类项目——BabyVision 为 75.8,对比 Claude Opus 5 的 63.1;OSWorld-G 为 84.8,对比 DeepSeek-V4.1-Flash-1017 的 61.4;OfficeQA Pro V2 为 72.2,是其自身表格中的最佳数字。其编码类行则平平无奇:SWE-bench Pro 60.6、DeepSWE 67.0,均落后于 DeepSeek V4.1 Flash。
那张表里完全没有出现 Claude Haiku 5.5,也没有 Gemini 3.8 Flash。因此,读者在搜索这组对决时真正想要的那项比较——便宜的托管模型与可下载的科学模型之间的对比——两边都没有厂商数据,而其中一边还没有独立数据。我们能说的是,Sage 已公布的行在科学基准上处于 Opus 级区间,而其编程相关的行则低于一个每百万输入收费 0.30 美元的模型;此外,BabyVision 上二十四分的差距,要么是真实能力,要么是该基准对这个模型采取了不同的解读方式。没有评测框架,你无法判断是哪一种。

各自真正胜出的地方
剔除无法比较的部分,就会剩下一个清晰的分割。
• 大批量、对延迟敏感的工作——毫不犹豫选 Claude Haiku 5.5。分类、抽取、路由和子代理调用,以 $0.10/$0.50 的价格、并附有公开评分,这已是成熟解决的问题。Sage-S2.1-Flash 在此无从竞争:那相当于你租用八块 GPU,去做一件按量计费 API 花几分钱就能完成的事。
• 100K 至 1M token 之间的提示词——这一区间确实存在争议,胜负取决于利用率而非优劣。Claude Haiku 5.5 在此区间按基础费率的五倍收费;Sage 则按你已租用硬件的摊销成本计费。如果你的节点繁忙,Sage 在成本上胜出;若不繁忙,则不然。
• 科学多模态输入——Sage-S2.1-Flash,依据其自身声明。分子图、晶体结构、蛋白质序列、谱图、质谱、XRD、ECG、EEG 和光变曲线是 InternLM 称其训练时使用的输入,而在两者之中,它是唯一一个在文档中列出这些输入的模型。应将其视为一项设计声明,而非实测结果。
• 本周任何需要合同的事项——Claude Haiku 5.5。其中一个有定价、状态页,以及不早于 2027 年 10 月 7 日退役的承诺。另一个的模型卡是空白的,而且截至撰写本文时,下载量为零。
• 数据驻留与权重所有权——Sage-S2.1-Flash,无条件适用。可自行持有、审计和微调的 MIT 权重,与 API 属于截然不同的资产类别,任何价格差异都无法改变这一点。
决定大多数迁移成败的那一个底层细节
如果你要在这两者之间迁移一条长上下文流水线,阻塞你的问题不会是质量,而是分词和工具调用。
Claude Haiku 5.5 更换了分词器代际,这意味着你针对 Claude Haiku 4.5 调优过的每一个提示词都需要重新测量,而任何基于 token 预算假设的分块策略现在大约有 30% 是错误的。Anthropic 恰好为此发布了迁移指南,在你动手修改配置文件之前,值得一读。
Sage-S2.1-Flash 存在同一问题的更严重版本,而这是其部署指南中最值得优先阅读的一项。它的分词器必须从仓库加载——vLLM、SGLang 或 LMDeploy 中内置的分词器会把工具调用标记等智能体语法当作控制 token 而不是文本来编码,模型会因此提前结束一轮,且不会显示任何错误。在这背后还有两个陷阱:在 vLLM 上,如果不应用一个单文件补丁,乱序的并行工具调用会把图像附加到错误的结果上;而 SGLang 除非显式传入该文件,否则会覆盖聊天模板。对于迁移而言,实际后果是 token 计数的工作量翻倍——一次针对 Anthropic 的新分词器,一次针对 InternLM 的自定义分词器——而且两者都无法根据对方来估算。
这三项实际上就是“Sage-S2.1-Flash 是我评估过的模型”和“Sage-S2.1-Flash 是我放弃了的模型”之间的差别。它们全都有文档记录,这比大多数悄无声息的发布所能做到的还要多。
在没有价格的情况下做出决定
Claude Haiku 5.5 目前不在 OrcaRouter 的目录中;它存在于 Anthropic 自己的 API 以及各大云转售渠道上,我们不会暗示并非如此。我们路由的是上一代——anthropic/claude-haiku-4.5,输入每百万 $1.00、输出每百万 $5.00,按标价原样传递,不加价——在 5.5 层级将成本削减至十分之一之前,这仍是衡量 Anthropic 小模型层级成本的诚实基准。用你的真实提示词跑 4.5,可以在同一分词器家族上获得实测 token 数,而实测 token 数才是解决上述 100K 悬崖问题的唯一依据:你的流量是在它之下、之上,还是横跨它,将决定整个比较,这是任何基准行都无法做到的。
当供应商最终公布 Sage-S2.1-Flash 的价格,或独立评测框架给出其评分时,透传模式就很重要:价格目录能在供应商降价当天就反映其标价,这正是避免每季度重新谈判这一比较的方式。
什么会改变此页面
一个数字就能完成大部分工作:Sage-S2.1-Flash 的每 token 价格。有了它,一边是 100K 悬崖,另一边是摊销后的节点,就会变成真正的盈亏平衡计算,而不是只停留在形态上。第二个数字几乎同样有帮助——给 Sage 一个独立评分,最好是在把 Claude Haiku 5.5 定为 36.5 的同一套测试框架上,这样两者就可以相减,而不是靠叙述。
在那之前,站得住脚的立场是这样的。Claude Haiku 5.5 是更便宜地完成大量小任务的方式,而它恰好在上下文窗口变得有意思的地方变得昂贵。Sage-S2.1-Flash 是更便宜地拥有一个超大模型的方式,但它还不是购买任何东西的途径。在两者之间做选择,不是关于基准测试的品味问题。这是一个关于你的工作负载是以 token 还是以节点来衡量的问题——如果你还无法回答这一点,诚实的下一步是为你自己的流量定价,而不是再读一篇对比。
本文中的对比1
根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新
