Ultramarine 1 Flash 与 DeepSeek V4 Flash：低廉的 token 费率并不代表任务成本低

Ultramarine 1 Flash每百万输入 token 收费 0.15 美元，输出 token 收费 0.50 美元。DeepSeek V4 Flash在 Artificial Analysis 的记录中列价为 0.44 美元和 1.32 美元，而按路由费率则为 0.22 美元和 0.66 美元我们的目录正是以该费率提供这一模型。把两张价目表并排摆开，Paper Instruments 的这款模型看起来显然是划算之选——按标价计算，输入便宜三倍，输出便宜两倍半。但这种解读的问题在于，每百万 token 的费率只是账单的一半，而它略去的那一半，恰恰是这两个模型差异最大的地方。DeepSeek V4 Flash 为完成 Intelligence Index 生成了 2.4 亿个输出 token。其比较类别中的中位数模型生成量为 1.4 亿。用 Artificial Analysis 的话说，它非常啰嗦——在该指标上，于其价格档位的 40 个模型中排名第 36 位。

Ultramarine 1 Flash 对自己做出了相反的宣称。在 Paper Instruments 评估的全部六项基准测试中，它生成的 token 比其进行后训练所基于的 GLM-5.3 Flash 模型少 6.5%，却在每一项上都得分更高。一个模型按 token 计便宜，按任务计昂贵。另一个则特意在不改变价格的情况下，让自己按任务计变得更便宜。值得比较的是这两种方法，而不是两个输入费率。

两款车型，两条不同的路径，进入同一价格区间

他们从截然不同的方向来到了这个预算档次，而这一差异解释了接下来大部分的情况。

D​eepSeek V4 Flash 是一个从零开始训练的混合专家模型：总参数 2840 亿，激活参数 130 亿，于 2026 年 4 月 24 日以 MIT 许可证发布，权重发布于 Hugging Face。其 0731 修订版在同一架构上从零重新进行后训练，如今这个带日期的标识符所指的就是它。它拥有 1,048,576 个 token 的上下文窗口，最多可输出 384,000 个 token，输入文本、输出文本，并在 D​eepSeek 自己公布的数据中报告了强劲的智能体基准成绩——Terminal-Bench 2.1 上 82.7，Cybergym 上 76.7，Toolathlon Verified 上 70.3。

Ultramarine 1 Flash 是一个衍生模型。Paper Instruments 拿来了 GLM-5.3 Flash——Z.ai 的 320B 总参数、18B 激活参数的多模态模型——并围绕金融、法律、咨询和运营工作的合成课程，对其进行了大规模强化学习。该 API 于 2026 年 10 月 14 日上线，价格为每百万 token $0.15 / 缓存 $0.03 / $0.50，与 GLM-5.3 Flash 收取的费用相同。权重并未上线；厂商自己的页面写着“模型权重即将推出”。

所以，对这一组合最诚实的界定是：一个可下载的、从零开始训练的 MoE，对上对别人开放基座所做的封闭后训练——其中一个已投入生产六个月，另一个才刚满一天。

双方营销都不拿来当主打的那个啰嗦程度数字

Artificial Analysis 会衡量一个模型为完成 Intelligence Index 需要花费多少输出 token，并将其作为啰嗦程度排名予以报告。DeepSeek V4 Flash 使用了 2.4 亿输出 token，而同类别中位数为 1.4 亿——比典型水平高出 71%，在其同类别的 40 个模型中排第 36 位。正是这一数字，让人对它所公布的每任务 $0.22 这一成本保持谨慎。值得注意的是，这仍是一个优于其大多数竞争对手的每任务成本数字，这也说明该模型的原始速度弥补了多少差距：以每秒 173.7 个输出 token 计，它在同类别 74 个模型中速度排名第八，因此即便 token 总量更多，它也能很快输出完毕。

Ultramarine 1 Flash 的冗长度并未由 Artificial Analysis 公布，因为 Artificial Analysis 尚未评估该模型。Paper Instruments 转而公布的是与其自身基线的对比：在六个基准套件中（推理包含在内），30.5 百万 token 对 GLM-5.3 Flash 的 32.7 百万。这是对比双方共享的一项测量——相同的套件、相同的评测框架、相同的条件——这使它成为本次发布中最可信的数字，也是唯一一个其 token 效率主张是由自身以外的东西加以验证的数字。

把这些放在一起，账目的算法就变了样。DeepSeek V4 Flash 的优势在于，它是一个快速、能力强、经过充分评测的模型，几乎在任何地方都能运行。它的劣势是输出量很大，而在固定输出费率下，这会体现在账单上。Ultramarine 1 Flash 的优势在于，它比它所源自的模型写得少——但仅是相对于那个模型而言，且仅在其自家厂商编写的测试套件上。

六项基准测试实际上说明了什么

Paper Instruments 针对自家模型以及多家竞争对手的模型跑了六套测试套件。D​eepSeek V4.1 Flash 出现在其中；而最初的 D​eepSeek V4 Flash——也就是本标题中所指的那款模型——并没有出现。

• JobBench — Ultramarine 1 Flash 62.9，DeepSeek V4.1 Flash 60.4。Paper Instruments 模型领先 2.5 分。

• PI 知识工作 — Ultramarine 1 Flash 59.3，DeepSeek V4.1 Flash 47.9。差距为 11.4 分，是该组中最大的。

• FrontierFinance — 53.3 对比 46.0。

• AutomationBench——D​eepSeek 唯一胜出的测试套件：V4.1 Flash 以 51.3 对 Ultramarine 的 50.2。

• DiligenceBench — 50.6 对 50.3。基本持平，两者均落后于 Gemini 3.8 Flash 和 Claude Fable 5。

• APEX-Agents 1.1 — 57.0 对 39.5，是整张表中差距最大的一项。

这里的注意事项层层叠加，有必要把它们全部明确说出来。这些是供应商的基准测试。DeepSeek 的数据来自同一系列中一个不同且更新的模型，Paper Instruments 点出了它的名字。而且这一切都没有经过公司外部任何人的检验。这张表确实证明的东西范围很窄，但真实存在：在文档交付类工作上，经过后训练的专家模型大幅领先于高效通用 MoE，而在自动化智能体任务上，差距几乎消失。如果你的工作是写备忘录或做模型，这种分野会指向一个方向。如果是多步骤智能体循环，则不然。

你可以下载其中一个

这正是任何基准测试都无法捕捉的差异，也最有可能左右一场采购谈判。

D​eepSeek V4 Flash 采用 MIT 许可证，权重发布在 Hugging Face 上。你可以下载它、在自己的硬件上运行、对它进行微调、把它打包进产品中交付，而且永远不必向第三方发送任何一个 token。对于负有客户保密义务的律师事务所或银行来说，这不是什么锦上添花的功能；它往往就是全部的要求，而这也就使得 D​eepSeek 的模型彻底退出了本次对比中托管 API 的那一半，转而落到你自己的机器上。

Ultramarine 1 Flash 目前还做不到这一点。“模型权重即将发布”是一种意图声明，而非许可。Paper Instruments 真正公开发布的，是模型周边的脚手架：用于训练和评估它的 Feather agent harness，以及 paper-docx、paper-pptx 和 paper-xlsx 这几个分支，它们为 agent 提供了安全操作 Office 文件格式的接口。这些确实很有用——同时它们也是这款模型的广告，因为它们存在的目的，就是让模型的产出不像通用 agent 用标准库做出来的东西那样容易损坏。

所以许可证这一行重新组织了比较。如果你必须自己运行权重，那就没有比较可言：DeepSeek V4 Flash 就是答案，而 Ultramarine 1 Flash 只是一个承诺。如果你能调用 API，这两者才真正构成竞争，决定性的证据是它们在你自己的文档上的每任务成本。

路由价格最终落地之处

在 OrcaRouter 上，DeepSeek V4 Flash 的调用价格为每百万 tokens 输入 $0.22、输出 $0.66——按提供商的标价原样传递，每 token 不额外加价，正因如此，它在 Artificial Analysis 的记录中低于 $0.44/$1.32 那一对：那一对对应的是另一家提供商的价目表。如果你正在做预算，这种原价传递的方式还有第二个值得了解的影响：当提供商调整费率时，所提供的费率会在同一天随之变动，而你这边无需更改任何配置。

相较这一路由后的价格，Ultramarine 1 Flash 的 $0.15/$0.50 在输入上便宜约 1.5 倍、输出上便宜 1.3 倍——远没有目录价对比所暗示的那么悬殊；而一旦把 D​eepSeek 97% 的缓存折扣应用到带有大规模共享前缀的文档工作负载上，差距还会进一步收窄。Ultramarine 1 Flash 的缓存价格为每百万 $0.03，同样是相当可观的折扣，但到了这一步，两者已经足够接近，仅靠算术谁也无法胜出。

这便把决定权留在了它该在的地方：你自己的实测上。向两者各提交一批真实交付物，对比账单，再阅读输出结果。Ultramarine 1 Flash 不在我们的目录中，因此这项测试有一侧是跑在供应商自己的端点上。它进行后训练所基于的模型 GLM-5.3 Flash 在这里以 $0.15/$0.50 的价格提供服务——完全相同的价目表——这让你能合理推断出，在叠加后训练之前，基础模型会有怎样的表现。

这个位置，没有赢家

这两者其实并不构成真正的替代关系，硬要把它们分出个胜负，反而会掩盖真正有价值的发现。DeepSeek V4 Flash 是一个可下载、经过独立测评、速度异常快的 MoE 模型，只是它写出来的内容比实际需要的要多。Ultramarine 1 Flash 则是对一个开放基座模型进行后训练得到的封闭、未经测评的产物，其设计目标是少写一些，兜售依据是一套除它自己之外无人跑过的基准测试。

这篇文章可被轻易打发的版本会说，更便宜的 token 费率胜出。站得住脚的版本则说，许可证决定采购，冗长度数据决定账单，而且这两个模型都没有在你的文档上测试过。这三者中有两个你本周就能解决。第三个则无法解决，除非 Paper Instruments 要么公布独立数据，要么发布它声称即将推出的权重。

像这样的比较，也正是故障模式暴露之处：OrcaRouter AI Incident Archive 收录了这类模型背后有记录的 AI 事件和智能体故障，其中每个条目都带有各自的来源、严重程度、置信度等级和争议标记。