
Sage-S2.1-Flash 對決 Qwen 3.8 Flash:八張 H200 對抗十五美分
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 96 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 每百萬 tokens · 87 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 133 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百萬 tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 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 每百萬 tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 152 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 每百萬 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 每百萬 tokens · 219 tok/s
的模型卡Sage-S2.1-Flash長度為二十一個位元組。開頭是授權標頭,寫著 license: mit,然後就結束了。沒有簡介、沒有基準測試表、沒有上下文長度、沒有預期用途、沒有聯絡地址。該儲存庫本身並非空無一物——裡頭有 120 個 bfloat16 權重分片,總計約 645 GB,外加一個配置檔、一個聊天範本、一份部署指南,以及五個小型科學適配器資料夾——但讀者通常用來判斷是否值得關注的一切,都被省略了。權重於 2026 年 11 月 15 日上傳,並在 16 日持續修訂。上海人工智慧實驗室的模型組織 InternLM 則什麼都沒宣布:沒有部落格文章、沒有論文,也沒有在該系列自家網站上發布任何貼文。撰稿時,該儲存庫本月下載次數為零、只有一個讚,且沒有任何推論服務供應商提供其服務。
Qwen 3.8 Flash是另一種截然不同的物件。自 2026 年 8 月 26 日起,Alibaba 透過 QwenCloud 以每百萬輸入 token 0.15 美元、每百萬輸出 token 0.47 美元的價格販售它,公布了其速率限制與工具清單,以 Qwen3.8-Flash-Next 之名釋出開放權重,並在那張卡片上放了十二列的基準測試表。它已在 OrcaRouter 上以 qwen/qwen3.8-flash、按廠商自身的標價上線。你可以在接下來三十秒內向它送出請求。
所以這不是兩個你可以買到的模型之間的比較。這是拿一個有公開定價的廉價託管模型,和一個有 3210 億參數、開放權重、既沒有價格、沒有評分、也沒有發布消息的混合專家模型來比較——而誠實的問題並不是哪一個更好,因為目前還沒有人能回答。問題是,為那個尚未被衡量的模型架設八台 H200,是否比為那個已被衡量的模型支付每百萬個 token 十五美分更划算,以及對多少團隊來說,這個答案究竟會是肯定的。
Sage-S2.1-Flash 儲存庫究竟證明了什麼
先講事實,因為事實比那張空白卡片所暗示的還要多。權重索引中的參數量是 321,323,031,390,而部署指南將其四捨五入為「320B-A18B」——總計 3200 億,每個 token 啟用 180 億。文字配置包含 45 層,其中 34 層是 gated delta-net 類型的線性注意力層,11 層是 DeepSeek 系譜中的稀疏注意力層;共有 288 個路由專家,每個 token 會觸發其中 8 個,外加 1 個共享專家,隱藏維度為 4,096,詞彙表大小為 154,880 個 token。最大位置嵌入設為 1,048,576。

授權條款是 MIT,儲存庫中沒有附帶可接受使用條款。這一點值得停下來想一想:一個以寬鬆授權釋出、下載不設任何門檻的 321B 多模態 MoE,是比周圍的沉默所暗示的更為罕見的存在。
這條譜系可查核,且略帶意外。架構字串是 glm5_next,類別是 Glm5NextForConditionalGeneration,而部署指南明言該模型採用 GLM-5.3-Flash 架構,且要遵循的框架配方是官方 GLM-5.3-Flash 的配方,只是替換了模型路徑。較舊、較大的 Sage-S2.1——753B 參數、架構為 glm_moe_dsa、仍附帶一張「Atria Dawn」模型卡,該卡描述它建構於 744B 的 GLM-5.2 主幹之上——完全是另一個世代的主幹。Flash 並非 S2.1 的蒸餾版。它是一個全新、較小的模型,建構於來自不同實驗室的較新架構之上,只是掛著同樣的家族名稱。
那個家族名稱本身就是個不斷變動的目標。舊的 internlm/Atria-Dawn 儲存庫現在會重新導向到 internlm/Sage-S2.1,而重新導向目標的卡片在每個標題中仍寫著「Atria Dawn」——改名發生了,文件卻沒有跟上。任何在今年稍早讀過 Atria Dawn 相關報導、現在正在尋找「Sage」的人,都應該了解那是同一個儲存庫的兩個名稱,而 Flash 是它更精簡的新兄弟。
科學適配器是儲存庫中那些無論如何廠商公告都不會說明的部分。在 projectors/sage-s2.1-flash/ 底下有五個小型資料夾——cif/jarvis、dna/splice、ecg/phu01、eeg/neu06、protein-seq/mpbind——每個資料夾各含一個設定檔,以及一個四到二十八 MB 的投影器,負責把科學特徵串流映射到主幹的 4,096 維空間。晶體結構會經過 CHGNet 0.3.0 編碼器,每個原子一個 64 維狀態。蛋白質序列會經過 ESM2-t33-650M,每個殘基一個最後層狀態。DNA 適配器是基於三個特徵、經任務適配的 DNABERT2 讀出;ECG 與 EEG 適配器同樣小巧且專屬於特定任務。全部五個的總權重開銷:不到 90 MB,相較之下語言模型為 645 GB。
那些設定檔也洩漏了模型卡未公開的來源資訊。它們標明了主幹檢查點目錄、訓練執行的日期戳記,以及一個讀數為 sage-s2.1-flash-hf111-bf16-norm-261113 的指紋——2026 年 11 月 13 日,也就是權重出現的兩天前。這就是這裡建立譜系的方式:不是來自新聞稿,而是來自打包時忘了移除的設定欄位。
Qwen 3.8 Flash 公布了什麼,又有哪些沒有公布
對比並非在於 Qwen 誠實而 Sage 不誠實,而在於其中一家供應商會為自家產品提供文件說明,另一家則還沒顧得上做這件事。阿里巴巴的 Qwen 3.8 Flash 模型卡載明:上下文長度為 1,000,000 個 token,最大輸入為 991,000 個 token,最大輸出為 131,072 個 token,推理預算為 262,144 個 token;支援文字、圖像與影片的多模態輸入,輸出為文字;支援函式呼叫、結構化 JSON 輸出、前綴補全、上下文快取、批次處理與微調;並且同時支援 OpenAI 與 Anthropic 的請求協定,因此無需修改即可接入 Claude Code 與 Codex。
其背後的開放權重成品是 Qwen3.8-Flash-Next,於 2026 年 8 月 24 日發布:125B 參數,其中 60 億啟用,外加一張 51B 的 n-gram 嵌入表,以及一個 4B 的多 token 預測頭;48 層由十二組重複結構組成,每組包含三個 gated-delta-net 區塊與一個稀疏注意力區塊;512 個專家,每個 token 啟用十個路由專家加一個共享專家;原生上下文為 262,144 個 token,可擴展至一百萬。Alibaba 將託管的 Qwen 3.8 Flash 描述為該架構再加上正式環境功能——預設 1M 視窗與內建工具是額外增添的部分。權重依 Qwen 社群授權條款釋出,而非 MIT。
那張卡片上的基準測試表是廠商自行回報的,尚未經過獨立重現。閱讀時請緊記這個標籤:DeepSWE 1.1 為 58.7、SWE-bench Pro 為 62.5、SWE-bench Multilingual 為 81.0、NL2Repo-Bench 為 48.1、CoWorkBench 為 73.9、JobBench 為 55.7、Toolathlon Verified 為 73.5、IFBench 為 81.3、GPQA Diamond 為 91.7、HLE 為 35.9、LiveCodeBench v6 為 91.9,以及 Agents' Last Exam 為 24.3 pass@1、得分 51.2。這些數字是 Alibaba 在一組包含 397B 前代模型與一個 Claude 模型的比較集合中自己批改自己的作業。它們仍然遠高於 Sage-S2.1-Flash 所提供的一切,而後者什麼都沒有。

將兩者並列比較,聚焦於購買決策真正取決的幾個構面:
• 總參數量——Sage-S2.1-Flash 為 321B,其中每個 token 啟用 18B;相較之下,Qwen 3.8 Flash 為 125B 外加一張 51B 的 n-gram 表,其中啟用 6B
• 上下文 — 設定為 1,048,576 個 token,相對於公布的 1,000,000,Qwen 端最大輸入為 991,000、最大輸出為 131,072
• 輸入價格——Sage-S2.1-Flash 沒有,因為沒有服務提供它,對比之下每百萬個 token 為 $0.15
• 輸出價格 — 無,對比每百萬 $0.47;在我們的價目表上,快取讀取為每百萬 $0.0184
• 授權條款 — MIT,無門檻,相較於 Qwen 社群授權條款
• 已發表的評估——零項基準測試,對比一份十二列的供應商表格,且未重現
• 服務權重 — 645 GB bfloat16,分散於 120 個分片;或 FP8 同級版本的 328 GB;相較於託管端點
這項價格比較其實是資本支出問題
Sage-S2.1-Flash 沒有每 token 價格可與 $0.15 相比,因為這個模型在任何地方都沒有託管端點。它有的是服務需求:根據部署指南自身的參考配置,bfloat16 檢查點需要八張 H200。所以這不是美分對美分的比較,而是租金對 token 的比較,而這歸結為一個沒有人公布過的單一數字。
以具代表性的每 GPU 小時 $3(以 H200 為例)來計算——這是假設,不是報價,而且這個數字會隨雲端與承諾用量而變動。八張就是每小時 $24、每天 $576,在你尚未服務任何一個請求之前,每月約 $17,500。以 Alibaba 的費率計算,$576 可購買 38.4 億個輸入 token 或 12.3 億個輸出 token。因此,損益平衡的問題是:你的流量原本每天是否會花超過 $576 在 Qwen 3.8 Flash 上——大約相當於每天持續 38 億個輸入 token 的量。
唯有你知道 Sage-S2.1-Flash 在八張 H200 上每秒可產生多少 token,這個比較才成立。沒有人測量過,儲存庫也沒有說明。主動參數數量只能給你粗略的直覺——18B 主動參數對上 6B 主動參數,暗示 Sage 模型每生成一個 token 的計算成本約高出三倍——但直覺不是吞吐量數字,而少了這個數字,上述損益兩平計算的兩邊就都各有一個未知數。FP8 同系列版本把常駐權重從 645 GB 降到 328 GB,這會改變你需要哪種硬體;但它不會告訴你結果跑得多快。
對大多數團隊來說,那個未知數就是整場爭論的核心。一個你無法對其吞吐量進行基準測試的模型,就是你無法估算成本的模型;而一個你無法估算成本的模型,就不是生產路徑的候選者——它是一個研究對象。這不是在批評這次發布;這正是未事先公告的發布存在的意義。
證據的不對稱,直白地說
兩個模型,兩種證據的失效模式。Qwen 3.8 Flash 有廠商自行提報的基準測試成績,以及八十二天的第三方使用紀錄,這意味著它的數字未經審核,但它的行為至少是可觀察的:有人在跑它、有人回報它的表現,也有人在公開場合撞上它的極限。Sage-S2.1-Flash 兩者皆無。它那 645 GB 的權重,比一份外流檔案或一張截圖更能證明這是個真實的模型——這是已出貨的成品,不是傳聞——但權重證明的是存在,不是品質。
今日仍然無法得知的具體事項包括:Sage-S2.1-Flash 在任何項目上的得分為何;它的解碼速度多快;它的 1M 位置嵌入在長序列下是否仍站得住腳,還是會像大多數長上下文擴充一樣退化;其配置中的視覺塔是依生產級標準訓練,還是從主幹沿用而來;科學投影器是否在其自身訓練分布之外的任何資料上受評估;以及 InternLM 對託管版本打算收費多少(如果收費的話)。該儲存庫對這些問題一概未答。任何告訴你相反答案的人,都是在從主幹模型的名聲外推;那是合理的先驗,而不是實測。
模型實際上是要用來做什麼的
投影器就是關鍵線索。沒有人會事後才把五個科學模態適配器硬接到通用聊天模型上;資料夾結構、各任務的提示模板與編碼器選擇,都說明這是一個把晶體、剪接位點、心臟訊號軌跡、腦訊號軌跡與蛋白質序列當作一等輸入來讀取的模型,而非把它們當成這些事物的文字描述。晶體結構以原子狀態進行標記化,上限為 512 個原子;蛋白質序列帶有逐殘基狀態,並可選擇配備科學讀出頭;DNA 適配器則是對單一物件進行機率讀出。
Qwen 3.8 Flash 不會這麼做。它能讀取圖像、影片和文字,並且在視覺基準測試上拿出公開數據——CharXiv、MathVision、ERQA、LVBench、OSWorld 2.0——但以 PNG 呈現的晶格並不是晶格。如果你的工作負載是結構生物學、材料篩選或生理訊號分析,誠實的解讀是:這兩個模型並不是在競爭同一份工作,而與 Qwen 的比較只是價格錨點,而非替代方案。如果你的工作負載是文字與程式碼,投影器就無關緊要,而 Sage-S2.1-Flash 是一個 321B 的聊天模型,沒有卡。
關於多模態這個問題,有一點要提醒:這份配置容易讓人過度解讀。此儲存庫包含一座 24 層視覺塔,隱藏大小為 1,024,輸入為 448 像素、patch 為 14 像素,並有影像與影片的起始及結束 token,以及含影像、影片與音訊槽位的聊天模板。但該模板是 GLM-5.3 系列模板,音訊槽位沒有對應的音訊配置,而部署指南中唯一針對媒體的指示,是關於在工具結果內送達的影像。請把這座視覺塔視為存在但未有文件說明:權重是為了能接收文字以外的輸入而建構,而這個發布版本打算讓你餵給它什麼,則未說明。
摩擦力,其值不為零
自行架設 Sage-S2.1-Flash 並不是把 vLLM 指向某個儲存庫這麼簡單。部署指南列出三項要求,而第二項最棘手。
• --trust-remote-code 在每個引擎上都是必要參數——此儲存庫隨附自己的 tokenizer 與 processor,若沒有這個旗標,引擎會悄悄載入預設 tokenizer,將像 <tool_call> 這樣的字串編碼成控制 token 而非文字,導致推理與工具呼叫在無警告的情況下失效
• vLLM 0.33.0 需要為 vllm/renderers/hf.py 提供修補程式,因為當平行工具結果未依呼叫順序回傳時,範本會依呼叫順序呈現這些結果,而 vLLM 則依訊息順序收集其影像,導致每張影像在無提示的情況下被附加到錯誤的結果;上游修正仍是一份草稿提取請求
• LMDeploy 需要 5.17 到 5.19 之間的 transformers,因為 5.19 重新命名了引擎不會接受的層類型;SGLang 需要 0.5.20 或更新版本,並且要明確傳入儲存庫的聊天範本,因為否則 SGLang 會為該架構安裝它自己的內建範本
這些每一項都是針對一個才問世一天的模型所記載的變通方案,而指南也坦率指出這些框架仍在變動。這些做法都並非不合理;它們全都是 Qwen 3.8 Flash 不會要求的工程時間,因為在託管端,它只需要一個基礎 URL 和一個 API 金鑰。
一個關鍵,兩種截然不同的投入程度
Qwen 3.8 Flash 已在 OrcaRouter 上以 qwen/qwen3.8-flash 的形式提供,價格為 Alibaba 的定價,並以零加成的方式原價轉嫁——每百萬個輸入 token 為 0.15 美元、每百萬個輸出為 0.47 美元、每百萬次快取讀取為 0.0184 美元,並具備 1,000,000 token 的上下文與 131,072 token 的輸出上限。QwenCloud 自家頁面標示隱式快取版本為 0.016 美元;原價轉嫁規則意味著無論 Alibaba 何時調整價格,你都會在同一天取得,而不是等到下一次合約續約。Sage-S2.1-Flash 不在目錄中,也沒有任何服務提供它,因此這裡沒有通往它的途徑,也沒有理由假裝它存在。

在這種情況下,路由層真正有用之處,是讓評估保持低成本且可逆。如果你有自己的硬體,就在自己的硬體上執行 Sage 實驗,讓 Qwen 3.8 Flash 繼續作為正式環境路由,並讓 故障轉移鏈置於新路徑之後,這樣一來,模型卡空白的模型在處理真實流量的第一天,也永遠不會成為單點故障。同樣的想法也適用於更難的問題——模型融合:由一組模型用多個模型回答同一個提示,再由評審統整它們,這是查明 321B 科學 MoE 是否值回其租金的最便宜方式:你不需要遷移,而是兩邊都問,再讀答案。
誰該選哪個
若你本季要發布文字或程式碼,Qwen 3.8 Flash 是站得住腳的答案,而 Sage-S2.1-Flash 根本算不上答案。Qwen 模型每個 token 的成本,幾乎比同能力層級的任何東西都便宜,文件記載得夠完整、足以據此規劃,授權夠清楚、足以部署,而且在公開場合可供觀察。它的基準測試是阿里巴巴自家的,應視為主張,但一項主張加上其他人八十二天的經驗,勝過一片沉默加上無人參與的三天。
如果你從事結構生物學、蛋白質設計、材料或生理訊號相關工作,這筆權衡就會反轉。Sage-S2.1-Flash 儲存庫中的五個投影器,是 Qwen 3.8 Flash 與多數開放模型無論花多少錢都不提供的能力;授權是 MIT;而硬體需求——八張 H200,或使用 FP8 checkpoint 時更少——正是研究團隊本來就已承擔的那類成本。正確做法是下載它、執行儲存庫隨附的 CPU 端投影器檢查,並量測它沒告訴你的兩件事:在你硬體上的解碼吞吐量,以及在你自己的保留集上的準確率。那是一週的工作,也是讓這個模型成為決策而非好奇心的唯一方法。
第三個案例是最大的一個。如果你只是好奇,正確的做法是等待模型卡。當 InternLM 發布模型卡時,真正重要的數字會是這個儲存庫無法提供的那些——吞吐量、長上下文退化、視覺塔是否啟用,以及投影器在其訓練分佈之外的得分。在那之前,Sage-S2.1-Flash 是一件真實存在、規格卻尚未被解讀的產物;而它最有用的一點,在於權重確實存在、不受門檻限制,且採用 MIT 授權——這意味著當有人真的對它進行測量時,你不需要取得許可就能核查他們的工作。
本文中的比較2
根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新
