Ultramarine 1 Flash 與 DeepSeek V4 Flash：便宜的 Token 費率不等於便宜的任務

Ultramarine 1 Flash 每百萬個輸入 token 的費用為 $0.15，輸出為 $0.50。D​eepSeek V4 Flash 在 Artificial Analysis 的紀錄中列價為 $0.44 與 $1.32，或是以路由費率 $0.22 與 $0.66我們的目錄 提供服務。將兩張費率卡並排比較，Paper Instruments 模型看起來明顯是划算的選擇——以定價來說，輸入只要三分之一，輸出只要五分之二。這種解讀的問題在於，每百萬 token 的費率只占帳單的一半，而它遺漏的那一半，正是這兩個模型差異最大的地方。D​eepSeek V4 Flash 完成 Intelligence Index 會產生 2.4 億個輸出 token。其比較類別中的中位數模型產生 1.4 億個。用 Artificial Analysis 的說法，它非常冗長——在該指標上於其價格類別中排名第 36（共 40 名）。

Ultramarine {{1}}Flash{{/1}} 對自身提出了相反的宣稱。在 {{2}}Paper Instruments{{/2}} 評估的全部六項基準測試中，它產生的 token 數比它後訓練所依據的 {{3}}GLM-5.3 Flash{{/3}} 模型少了 6.5%，卻在每一項上得分更高。一款模型每 token 便宜、每項任務昂貴。另一款則特意讓每項任務變得更便宜，卻沒有改變價格。值得做的比較是這兩種做法之間的比較，而不是兩個輸入費率之間的比較。

兩款車型，兩條不同路線，通往同一個價格級距

他們從相反的方向來到這個預算層級，而這項差異解釋了接下來的大部分情況。

DeepSeek V4 Flash 是一個從零打造的混合專家模型：總參數達 2,840 億，啟用參數 1,300 億，於 2026 年 4 月 24 日以 MIT 授權條款發布，權重發布於 Hugging Face。其 0731 修訂版是在相同架構上從零重新進行後訓練，如今這個帶日期的識別碼所指的正是它。它擁有 1,048,576 個權杖的上下文視窗，輸出權杖最多可達 384,000 個，輸入文字並輸出文字，且在 DeepSeek 自家公布的數據上回報了強勁的代理基準測試成績——Terminal-Bench 2.1 為 82.7，Cybergym 為 76.7，Toolathlon Verified 為 70.3。

Ultramarine 1 Flash 是一項衍生模型。Paper Instruments 採用 GLM-5.3 Flash——Z.ai 旗下總參數量 320B、活躍參數 18B 的多模態模型——並針對涵蓋金融、法律、顧問與營運工作的合成課程，對其進行大規模強化學習。該 API 於 2026 年 10 月 14 日正式上線，價格為每百萬個 token $0.15／快取 $0.03／$0.50，與 GLM-5.3 Flash 的收費標準相同。權重並未上線；供應商自家的頁面寫著「模型權重即將推出」。

所以，對這個組合最誠實的定位是：一個可下載、從零開始打造的 MoE，對上一個封閉的、以他人開放基礎模型進行後訓練的成果；其中一個已投入生產六個月，另一個才剛誕生一天。

雙方行銷都不會主打的那個冗長度數字

Artificial Analysis 衡量一個模型完成 Intelligence Index 需要花費多少輸出 token，並將其報告為冗長度排名。DeepSeek V4 Flash 使用了 2.4 億個輸出 token，而同級中位數為 1.4 億——比典型高出 71%，在其級別 40 個模型中排名第 36。這個數字正是對它所公布每項任務 0.22 美元成本需要謹慎看待的原因。值得注意的是，這也是比其大多數競爭對手更好的每項任務成本數字，這說明了該模型的原始速度補償了多少：以每秒 173.7 個輸出 token 計算，它是其級別 74 個模型中第八快的，因此即使 token 量更多，它也能迅速到達。

Ultramarine 1 Flash 的冗長程度並未由 Artificial Analysis 發布，因為 Artificial Analysis 尚未評估該模型。Paper Instruments 改為發布的，是與自家基礎模型的比較：在六個基準測試套件中（包含推理在內），3,050 萬個 token 對上 GLM-5.3 Flash 的 3,270 萬個。這是比較雙方共用的同一項量測——相同的套件、相同的測試框架、相同的條件——這使它成為該發布中最值得信賴的數字，也是唯一一項 token 效率主張是拿自身以外的對象來驗證的。

把這些放在一起，算術就變了樣。DeepSeek V4 Flash 的優勢在於它是個快速、能力強、調校得宜的模型，幾乎在任何地方都能運行。它的劣勢是輸出量很大，而在固定輸出費率下，這會反映在帳單上。Ultramarine 1 Flash 的優勢是它比它所承襲的模型寫得少——但僅限於與那個模型相比，而且僅限於自家製造商撰寫的測試套件上。

這六項基準實際上說明了什麼

Paper Instruments 對自家模型和幾個競爭對手跑了六套測試。D​eepSeek V4.1 Flash 出現在其中；而原始 D​eepSeek V4 Flash，也就是這則標題中的模型，則沒有。

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

• PI 知識工作 — Ultramarine 1 Flash 59.3，D​eepSeek V4.1 Flash 47.9。11.4 分的差距，為整組中最大。

FrontierFinance — 以 53.3 比 46.0。

• AutomationBench — 唯一一個 DeepSeek 勝出的測試套件：V4.1 Flash 51.3 對上 Ultramarine 的 50.2。

• DiligenceBench — 50.6 對 50.3。實際上平分秋色，兩者都落後於 Gemini 3.8 Flash 與 Claude Fable 5。

• APEX-Agents 1.1 — 57.0 對 39.5，是整張表中差距最大的一項。

這裡的但書層層疊加，值得把每一項都說清楚。這些是廠商的基準測試。DeepSeek 的數據屬於同一系列中另一個較新的模型，Paper Instruments 有明確指名該模型。而且這一切都未經公司外部任何人查核。這張表確實能確立的結論雖然狹窄，卻很真實：在可交付文件的工作上，受過後訓練的專門模型大幅領先高效率的通用型 MoE；而在自動化代理任務上，差距幾乎消失。如果你產出的成果是備忘錄或模型，這種分野會指向某一邊；如果你的成果是多步驟代理迴圈，就不是如此。

你可以下載其中一個。

這是任何基準測試都無法捕捉的差異，而這正是最有可能決定採購洽談結果的關鍵。

D​eepSeek V4 Flash 以 MIT 授權，權重發佈於 Hugging Face。你可以下載它、在自己的硬體上執行、微調它、將它隨產品交付，而且永遠不必把任何 token 傳送給第三方。對於負有客戶保密義務的律師事務所或銀行而言，這不是可有可無的加分項；這往往正是全部的要求，而且這會讓 D​eepSeek 的模型完全排除在本次比較的託管 API 那一半之外，改放到你自己的機器上。

Ultramarine 1 Flash 目前做不到這件事。「模型權重即將推出」是一種意向聲明，而非授權。Paper Instruments 真正公開發布的是模型周邊的鷹架：訓練與評估時所使用的 Feather 代理程式測試框架，以及 paper-docx、paper-pptx、paper-xlsx 這幾個分支版本，它們讓代理程式能以安全介面存取 Office 檔案格式。這些確實很實用——同時也是該模型的廣告，因為它們存在的目的，就是要讓模型的輸出比一般代理程式用標準函式庫產生的結果更不易損毀。

所以授權條款那一行重新組構了整個比較。如果你必須自己跑權重，那就根本沒得比：DeepSeek V4 Flash 是答案，而 Ultramarine 1 Flash 只是個承諾。如果你可以呼叫 API，這兩者才真正在競爭，而決定性的證據，就是在你自己的文件上計算出的每項任務成本。

路由價格的落點

在 OrcaRouter 上，DeepSeek V4 Flash 以每百萬個 token 輸入 $0.22、輸出 $0.66 的價格提供——供應商的定價原樣傳遞，每個 token 不加收任何費用，這就是為什麼它在 Artificial Analysis 的紀錄中低於 $0.44/$1.32 這一組：那組數字追蹤的是另一家供應商的價目表。這種原樣傳遞的安排還有第二個後果，如果你正在編列預算，值得了解：當供應商調整價格時，提供的價格也會在同一天隨之調整，而你這端無需變更設定。

相對於那個路由後的費率，Ultramarine 1 Flash 的 $0.15/$0.50 在輸入上便宜約 1.5 倍、輸出上便宜 1.3 倍——遠比定價表上的比較所顯示的差距來得小，而一旦把 DeepSeek 的 97% 快取折扣套用到具有大量共用前綴的文件工作負載上，差距還會更小。Ultramarine 1 Flash 的快取費率是每百萬 $0.03，同樣是相當可觀的折扣，但雙方此時已接近到單憑算術誰也贏不了的程度。

這就把決定權留在它該在的地方：你自己的實際工作上。把一批真實的交付成果分別送給兩邊，比較帳單，並閱讀輸出結果。Ultramarine 1 Flash 並不在我們的目錄中，因此那項測試在某一邊是對供應商自家的端點執行。它進行後訓練所依據的模型 GLM-5.3 Flash，在我們這裡以 $0.15/$0.50 提供——完全相同的價目表——這讓你能合理推估，在加上後訓練之前，基礎模型會產出什麼。

這個位置，沒有贏家

這兩者其實算不上替代品，硬要分出誰勝誰負，反而會掩蓋真正有用的發現。DeepSeek V4 Flash 是一個可下載、經獨立實測、速度異常快的 MoE，而且它寫出來的內容比實際需要的還多。Ultramarine 1 Flash 則是對一個開放基礎模型所做的封閉、未經實測的後訓練成果，該基礎模型被設計成寫得更少，並靠一套沒有其他人跑過的基準測試套件來推銷。

這篇文章若採用可被輕易打發的版本，會說較便宜的符元費率勝出。站得住腳的版本則說：授權條款決定採購，冗長度數據決定帳單，而且這兩個模型都還沒在你的文件上受過測試。這三點中有兩點，你本週就能解決。第三點則要等到 Paper Instruments 公布獨立數據，或交付它聲稱即將推出的權重，才能解決。

像這樣的比較，也正是失效模式會浮現的地方：這一類模型背後有紀錄的 AI 事故與代理失效，都彙集在OrcaRouter AI 事故檔案庫，其中每一筆條目都附有自己的來源、嚴重程度、信心等級與爭議標記。