
Sage-S2.1-Flash 与 Gemini 3.8 Flash:一个有价格断崖,另一个则没有价格
- 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
Gemini 3.8 Flash 目前的价格是每百万输入 token 0.75 美元、每百万输出 token 3.75 美元。到 2027 年 1 月 1 日,价格将变为 1.50 美元和 7.50 美元——同一个模型、同一套权重,账单却翻了一倍,因为 Google 对该模型的 introductory pricing 将于 2026 年 12 月 31 日结束。上海人工智能实验室于 2026 年 11 月 15 日悄然发布的 Sage-S2.1-Flash 则没有可翻倍的价格。它拥有 645 GB 的 MIT 许可权重、一份 21 字节的模型卡,以及一份假定你拥有八块 H200 的部署指南。
把这两个事实放在一起,这场对比背后的搜索意图就清楚了:人们真正问的并不是哪个模型更聪明,而是要不要继续租用 Google 的 Flash 档位,还是现在就能下载一个开放科学模型来替代其中一部分账单。答案取决于一个日期,也取决于大多数对比都会略过的一个区别——一种是按 token 计算很便宜的模型,另一种是 token 根本没有计量表的模型。
实际计划要改变的是什么?
谷歌自己关于 Gemini 3.8 Flash 的文档列出了两张费率卡,而其中只有一张真正生效:
• 优惠期价格,截至 2026 年 12 月 31 日 — 每百万输入 $0.75,每百万输出 $3.75,缓存输入 $0.075
• 标准版,自 2027 年 1 月 1 日起 — 每百万输入 $1.50,每百万输出 $7.50
• 上下文 — 1,000,000 个 token,输出上限为 64,000 个 token
• 思考 — 三个级别:低、中(默认)和高;旧的 minimal 设置现在会报错
• 已移除的参数 —— 不再接受 temperature、top_p、top_k、candidate_count 以及预填充的模型回合
最后那句话消耗的是工程时间而不是金钱,而且在定价讨论中很容易被忽略。一条从 Gemini 3.6 Flash 迁移到 3.8 Flash 的流水线无法保留其采样配置;模型会拒绝这些调节项。多轮预填充也没有了,取而代之的是服务端的 previous_interaction_id。从现在到一月,你在 3.8 Flash 上构建的任何东西,都是要重新调校两次的构建——一次是为了你已经做出的 API 变更,一次是为了你尚未面对的费率变更。
Gemini 3.8 Flash 按谷歌自己的说法也是“上一代 Flash 模型”——它稳定可靠,仍是 Antigravity 智能体与 SDK 背后的默认模型,并且被指定为自 2026 年 12 月 1 日起接收 gemini-2.5-pro 请求的迁移目标。它是一匹有已知且无退役之忧的时间窗口的“老黄牛”,而非前沿实验品。这是一种实实在在的优点,而 Sage-S2.1-Flash 目前并不具备这一点。

两款名称中都带有“Flash”的不同产品
这种命名上的巧合承载了它不该承载的分量,因此值得拆解一番。
Gemini 3.8 Flash 是一款托管式专有多模态主力模型。它接受文本、图像、视频、音频和文件输入,并返回文本。Artificial Analysis 在高强度模式下为其智能指数打出 30.8 分,输出速度约为每秒 114 个 token,在其长上下文探测中首 token 时间为 19.7 秒。它按 token 计费、按用量计量,目前可通过 Google 自有 API 及云转售渠道获取。
这个名字的另一面是一件研究制品。Sage-S2.1-Flash 拥有 3200 亿参数,每个 token 激活 180 亿参数,由上海人工智能实验室于 2026 年 11 月 15 日以 MIT 许可证发布为 120 个 bfloat16 分片——645 GB 权重、一个视觉塔,以及一份声明在 45 层上支持 1,048,576 token 上限的配置。其中 34 层使用线性注意力类型;11 层使用稀疏注意力。它不是一项服务。它是一个附带部署指南的下载包。
这两个名称中的“Flash”一词分别表示“托管产品阵容中的小规格层级”和“研究模型家族中的快速变体”。它们并不争夺同一个产品条目。它们争夺的是同一个任务,而且只是有时。
唯一一个与它们同名的基准
到这里,比较变得真正有趣起来,紧接着又以颇具启发性的方式令人失望。
InternLM 针对 Sage-S2.1-Flash 的评测表涵盖 35 个基准测试和八个对比模型: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 和 Claude Opus 5.5。Gemini 3.8 Flash 不在其中。对于这一对决,不存在共享的排行榜,无论是由厂商构建的还是其他来源。
所谓重叠,是一个基准名称。InternLM 报告 Sage-S2.1-Flash 在 Terminal-Bench 2.1 上为 87.9。Artificial Analysis 报告 Gemini 3.8 Flash 在 Terminal-Bench 2.1 上为 87.6。两者相差十分之三,人们很容易称之为平局——但这是错误的。这两个数字来自不同的测试框架,具有不同的脚手架、尝试次数和工具配置,而且两家实验室都没有公布其运行设置。两个私有测试框架之间 0.3 分的差异并不能衡量任何东西。这只是一个巧合,恰好方便任何想声称持平的人。
两者共有的其他一切,都必须通过推理来分析,而不是靠做减法得出。Artificial Analysis 给出的 Gemini 3.8 Flash 成绩是:GPQA Diamond 95.3、MMMU-Pro 85.6、Humanity's Last Exam 47.8、SciCode 56.6,GDPval 为 1,442。InternLM 给出的 Sage-S2.1-Flash 成绩是:BabyVision 75.8、OSWorld-G 84.8、OfficeQA Pro V2 72.2、MLE-bench Lite 90.3、Harvey LAB 25.0。这两份清单几乎没有交集;而在没有交集的地方,就无从比较——只有两家实验室用不同的词汇描述不同的优势。

证据来自哪里,这才是真正的区别所在。
先把数字放一边,看看来源,因为它决定了上述内容能有多大分量。
Gemini 3.8 Flash 由第三方在公开的测试框架上进行评测。30.8 的智能指数、各项速度数据,以及 GPQA 和 MMMU-Pro 的得分,均来自 Artificial Analysis 按照其评测所收录每一款模型时所用的同一流程运行得出。你可以不认同这套测试框架,但不能指责这是谷歌自己编写的。
Sage-S2.1-Flash 仅由其作者测量,测量结果记录在一个制表符分隔的文件中,该文件已提交到 11 月 16 日创建的 GitHub 仓库,并发布到静态站点 internlm.github.io/Sage-S2.1-Flash。Hugging Face 仓库中没有任何内容链接到该站点。模型卡只包含一行许可证,别无其他——21 字节,全部是 YAML 前置元数据。
供应商表格确实有一个值得肯定的可信度标志:它包含了该模型落败的行。Sage 在 DeepSWE 上落后 DeepSeek-V4.1-Flash-1017 6.9 分,在 NL2Repo-Bench 上落后 5.5 分,在 APEX-Agents 上落后 7.5 分,并在 Terminal-Bench 2.1 和 SWE-bench Pro 上落后于 Qwen3.8-Max。一个公布自身败绩的实验室,是一个你能读得懂的实验室。但一张公布了败绩的自发布表格,仍然是一张自发布表格,而且没有任何第三方复现过其中任何一行。
人们真正在问的四个问题
这场对决中的大部分混乱,都源于把几个彼此独立的决定混为一谈。分开来看,每一个都有清晰的答案。
• Sage-S2.1-Flash 能否在高吞吐量的文本工作中取代 Gemini 3.8 Flash?不能,而且原因并不在于质量。对于以数百万次短调用衡量的工作负载而言,Gemini 3.8 Flash 每百万输入 token 0.75 美元的价格,比 Sage 所需节点的电费与摊销成本还要低。无论基准测试分数有多高,它都不是适合这项工作的工具。
• 既然双方都声称支持一百万 token,Sage 会在长上下文上获胜吗?只有在 1 月之后才会。目前,Gemini 3.8 Flash 在其整个窗口内每百万输入 token 收费 $0.75,且没有长提示词附加费;从 1 月 1 日起,$1.50 的价格也同样如此。Sage 根本没有按 token 计价,这意味着问题不是“哪个每 token 更便宜”,而是“哪个每月更便宜”——而这取决于那台八卡 H200 节点是否忙碌。在任务之间闲置的节点,比几乎任何 token 费率都更昂贵。
• 输出上限是个问题吗? 对于 Sage,情况未知——发布材料中没有任何文档说明最大输出长度。对于 Gemini 3.8 Flash,该上限为 64,000 个 token,这对于大多数智能体步骤来说足够,但对于单次调用中的长文本生成来说不够。如果你的工作负载在单次响应中输出 100K 个 token,那么 Gemini 3.8 Flash 会因规格不符而被淘汰,而不是因为评分。
• 周一我实际能调用哪一个? Gemini 3.8 Flash。Sage-S2.1-Flash 没有我们可以确认的托管端点;发布网站上的“Try the API”链接指向一个门户,而该门户无法向非 JavaScript 客户端呈现其目录;并且在撰写本文时,Hugging Face 上没有任何推理提供商列出该模型。

科学主张必须在何处接受检验
Sage-S2.1-Flash 的差异化主张并非“更强的智能体”,而是“在同一个模型中容纳更多种类的科学输入”:分子图、晶体结构、蛋白质序列与三维结构、DNA 与 RNA、光谱、质谱、X 射线衍射、心电图、脑电图以及光变曲线。这份清单来自 InternLM 的英文发布文案,而非模型卡;它是一份设计层面的表述,而不是经过实测的结果。
Gemini 3.8 Flash 的文档并未作出同等声明。它原生支持视频和音频——这是范围上的真正优势,Sage 的配置也通过视频和音频 token 类型支持这一点——但 Google 并未将其描述为在光谱或衍射图案上训练过。诚实的说法是:在科学格式方面,一个模型有文档记载的专长,却没有独立验证;另一个模型具有广泛的多模态输入,以及在通用基准上的第三方评分,而这些通用基准恰好也包含科学类基准(SciCode 为 56.6,GPQA 为 95.3)。
如果这种专长对你的工作很重要,那么检验方式并不是排行榜。而是拿你自己的一小批图表、光谱或冷冻图像,分别让两者处理,再由领域专家检查。十份文档加一个下午所能确定的东西,胜过三十五条供应商条目,而且这是本文中唯一能产生你可以在内部为之辩护的结果的实验。
发球陷阱,因为它们决定周末的胜负
任何下载 Sage-S2.1-Flash 的人,都应该先阅读其部署指南,原因很容易被低估:它记录的每一种故障都是静默发生的。分词器会误读智能体语法,在乱序并行调用中图像会被附加到错误的工具结果上,SGLang 会悄悄替换成自己的聊天模板,FP8 KV 缓存无法在 Hopper 上工作,而除非把 transformers 固定到 5.19 以下,否则 LMDeploy 会拒绝重命名后的层类型。这些情况都不会产生错误消息。它们全都会针对错误的输入生成看似合理的输出,而这正是智能体可能具有的最糟糕的故障模式。
Google 的等效清单更短,支持也更好:没有 temperature、top_p 或 top_k;没有预填充轮次;Malformed_Function_Call 错误可追溯到工具调用前的文本;每个 FunctionResponse 都必须提供 call_id 和 name。两份清单的区别不在于长度。而在于:一份背后有迁移指南和支持路径,另一份只是模型作者为最初少数用户写在 markdown 文件里的一条警告。
两者都测试,但不承诺选择其中任何一个
关于一月断崖的一个实际细节:由于直通式目录反映的是供应商标价,而不是经过谈判的副本,因此费率变动会在供应商发布当天生效。Gemini 3.8 Flash 现在可通过 OrcaRouter 调用,地址为 google/gemini-3.8-flash——每百万 token 输入 $0.75、输出 $3.75,是入门价卡,且 1,048,576 token 的窗口保持不变——当 Google 调至 $1.50 和 $7.50 时,目录也会显示这一价格,无需重新谈判。Sage-S2.1-Flash 根本不在目录中;它是 MIT 许可的权重,需要你在自己的硬件上提供服务,任何路由器都无法改变这一点。
对于正在权衡此事的团队来说,有用的做法不是凭直觉租八块 H200。而是拿上文所述的科学格式测试,去跑一个你下午就能调用的托管模型,并在围绕它做设计之前,先算出 1 月涨价实际会让你的账单增加多少。两行算术就能覆盖大多数团队:把上个月 Gemini 3.8 Flash 的输入 token 分别乘以 $0.75 和 $1.50,输出 token 也同样分别按 $3.75 和 $7.50 计算。如果差额小于每月一个 H200 小时,那么开放模型就不是答案,读再多基准测试也不会让它成为答案。如果差额更大,你现在就知道了自己可用于一次实验的预算,这比排行榜上的名次是好得多的起点。
这套算术也说明了为什么这里的直通定价值得关注。OrcaRouter 采用供应商标价且不额外加价,因此 1 月 1 日的变更会在 Google 发布当天就出现在目录中,而不是等到下一次合同续签时才体现。基于今天 0.75 美元编写的对比,六周后就会出错;而基于实时目录编写的对比,至少会明确地失败。
当这种比较真正落地时——无论是公布了 Sage 价格,还是有一个值得路由的托管端点——路由 DSL 才是让行动成本变低的关键:一条策略把科学格式的调用发送给专用模型,其余所有请求都走廉价的 Flash 层级,并带有自动故障转移,使实验性端点永远不会成为单点故障。这才是这场对比真正需要的姿态。不是迁移,而是分流。
要决定什么,以及何时决定
在2027年1月1日之前,对于任何面向生产且按 token 计费的任务,务实的答案都是 Gemini 3.8 Flash,因为它便宜、经过实测、可调用,而且其价格调整有已知日期,不会让人措手不及。只有当你的工作涉及 Sage-S2.1-Flash 所列举的科学输入格式时,它才值得评估——而且前提是你有足够的 GPU 或耐心。
1 月 1 日之后,Google 这边的计算会正好以两倍的幅度变化,而开放模型无需做任何事,其理由也会变得更有力。这一点现在就值得纳入规划:如果你阅读本文是因为长上下文账单,那么在让架构锁定一个六周后就会到期的费率之前,先按 1.50 美元和 7.50 美元算一算。
并且自始至终要把一件事弄清楚:Sage-S2.1-Flash 不是更便宜的 Gemini。它是一个大型开放科学模型,拥有有据可查的专长领域,没有定价,也没有独立评分,由一家尚未说明其成本的实验室在未作公告的情况下发布。值得关注它的原因在于它可以被拥有。本月不采用它的原因在于,包括其作者在内,没有人告诉过你它在你能检查的评测框架下表现如何。
本文中的对比2
根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新
