ИИтог

Ultramarine 1 Flash: по заявлению авторов, дешёвая нейросеть обходит Claude Fable 5 на их тесте

моделиРедакция ИИтогHacker News🔥55Рейтинг ИИтог55Влияние40Новизна50Релевантность100Неожиданность55Участники20Достоверность60
Ultramarine 1 Flash: по заявлению авторов, дешёвая нейросеть обходит Claude Fable 5 на их тесте

На странице paperinstruments.com представлена модель Ultramarine 1 Flash. Она построена на базе GLM-5.3 Flash. Авторы утверждают, что по соотношению цены и качества модель находится на границе эффективности («cost-quality frontier») в самой привлекательной ценовой точке.

Главное заявление: при стоимости $0,13 за задачу Ultramarine 1 Flash опережает Claude Fable 5 (max) и GPT-5.6 Sol (max), которые стоят $8,19 и $2,09 за задачу соответственно. От Claude Opus 5.5 (max) и GPT-6 Sol (max) с ценой $6,96 и $1,26 за задачу она отстаёт не более чем на три балла. Замеры сделаны на PI Knowledge Work: это внутренний тест самих авторов, который они называют «тщательно построенным». Его результаты, по их словам, сильно коррелируют с индексом интеллекта Artificial Analysis (r = 0,81). Сами значения баллов на странице не приведены, только стоимость за задачу и разрыв «в пределах трёх баллов».

PI Knowledge Work, по описанию авторов, охватывает профессиональную работу в финансах, юриспруденции, консалтинге и операционной деятельности. Задания требуют сдать готовые книги Excel, презентации PowerPoint и документы Word, а также работать внутри живых бизнес-систем вроде ERP и MES. Для каждой задачи написан свой рубрикатор, оценивающий содержательность, точность и оформление. Все модели работают в одной и той же оболочке (harness), а стоимость считается по официальным тарифам API каждого разработчика.

Цены API Ultramarine за миллион токенов: вход $0,15, вход из кэша $0,03, выход $0,50. Они совпадают с ценами GLM-5.3 Flash. Кроме того, по шести тестам модель генерирует на 6,5% меньше токенов, чем базовая GLM-5.3 Flash: авторы называют это более коротким путём к лучшему результату.

По описанию авторов, модель пишет чистую, простую и прямую прозу и хорошо чувствует визуальную иерархию и иерархию информации; она создана следовать тем же правилам, что требуются от аналитиков в профессиональных услугах. В качестве примера приведён разбор сталелитейной компании Nucor: пять периодов продаж и прибыли по сегментам в одной таблице, где сходятся все промежуточные и итоговые суммы. Прибыль сталелитейных заводов упала с $7,2 млрд в 2022 году до $2,4 млрд в 2025-м, а их доля в продажах выросла с 58% до 62%. Подробности об обучающих данных и оценках авторы отсылают искать в техническом отчёте.

Ключевые факты

  • Ultramarine 1 Flash построена на базе GLM-5.3 Flash; по шести тестам генерирует на 6,5% меньше токенов, чем база.
  • По заявлению авторов, при $0,13 за задачу модель обходит Claude Fable 5 (max) ($8,19) и GPT-5.6 Sol (max) ($2,09) на внутреннем тесте PI Knowledge Work.
  • От Claude Opus 5.5 (max) ($6,96 за задачу) и GPT-6 Sol (max) ($1,26) она отстаёт не более чем на три балла.
  • API стоит $0,15 за миллион входных токенов, $0,03 за кэшированные входные и $0,50 за выходные, как у GLM-5.3 Flash.
  • PI Knowledge Work создан самими авторами, баллы в тексте не приведены; корреляция с индексом Artificial Analysis заявлена на уровне r = 0,81.

Почему это важно

Если заявление подтвердится, модель за цены уровня «центов за задачу» сравнялась бы с гораздо более дорогими флагманами в профессиональной офисной работе. Разница в стоимости на заявленном тесте велика: $0,13 против $8,19 у Claude Fable 5 (max) и $2,09 у GPT-5.6 Sol (max). Пока это лишь утверждение разработчика на его собственном тесте.

Кому это важно

Командам, которые автоматизируют документоёмкую работу в финансах, юриспруденции, консалтинге и операционной деятельности (таблицы Excel, презентации, документы Word), а также тем, кто следит за стоимостью токенов и ищет дешёвые альтернативы флагманским моделям.

Как это применить

Доступ по API с ценами $0,15 за миллион входных токенов, $0,03 за кэшированные входные и $0,50 за выходные, как у GLM-5.3 Flash. Разумно прогнать модель на собственных задачах и своих критериях оценки, а не полагаться на заявленные результаты. Дата релиза, условия доступа и лицензия (открытые или закрытые веса) в тексте страницы не указаны.

Можно ли доверять

Это материал самого разработчика: тест PI Knowledge Work внутренний, независимой проверки в тексте не упоминается. Сами баллы моделей не показаны, только стоимость за задачу и разрыв «в пределах трёх баллов». Корреляция r = 0,81 с индексом Artificial Analysis приведена как довод в пользу теста, но проверить её по странице нельзя. Шесть тестов, на которых получено сокращение токенов на 6,5%, не названы, и не сказано, среднее это или медиана. Компания, стоящая за Ultramarine, в видимом тексте не названа. Пример с Nucor показан как демонстрация, независимая проверка не упомянута.

Риски и подводные камни

Оценка по собственному тесту с собственным рубрикатором может быть смещена в пользу своей модели. Заявленное превосходство относится к одному набору задач (профессиональная работа в офисных форматах и бизнес-системах) и не говорит о других областях. Сравнение идёт по стоимости за задачу при официальных тарифах, так что итог зависит от числа сгенерированных токенов и от оболочки. Технические параметры (размер, контекстное окно, детали обучения) на странице не раскрыты; о данных и оценках для обучения упомянут только технический отчёт.