Ultramarine 1 Flash

Paper Instruments представила открытую модель Ultramarine 1 Flash, ориентированную на профессиональную работу в финансах, юриспруденции, консалтинге и операционной деятельности. Она относится к классу Fable, но стоит в 60 раз дешевле. На внутреннем бенчмарке PI Knowledge Work модель набирает 59,3 балла при цене всего $0,13 за задачу — это лучший результат на кривой «цена-качество». Для сравнения: Claude Fable 5 (max) даёт 57,8 балла за $8,19, а GPT-5.6 Sol (max) — 55,1 за $2,09. До Claude Opus 5.5 (max) и GPT-6 Sol (max) с их 61,9 и 61,4 баллами модель не дотягивает всего три пункта, но те стоят $6,96 и $1,26 соответственно.

Модель на 6,5% эффективнее по токенам, чем её база GLM-5.3 Flash, то есть приходит к лучшему результату более коротким путём. Цены на API — $0,15 за миллион входных токенов, $0,03 за кэшированные и $0,50 за выходные, как у GLM-5.3 Flash. Бенчмарк PI Knowledge Work требует от модели готовых Excel-книг, презентаций PowerPoint и документов Word, а также работы в живых бизнес-системах вроде ERP и MES; каждая задача оценивается по содержанию, точности и подаче. Ultramarine 1 Flash пишет чистым и простым языком, соблюдая правила, принятые у аналитиков профессиональных услуг.

Комментарии (104)

Сообщество скептически относится к маркетинговым графикам из-за подозрений в черрипикинге, но подтверждает высокую эффективность модели по соотношению цена/качество в узких задачах. Пользователи @CobrastanJorji, @digitcatphd и @N_Lens обвиняют авторов в манипуляции статистикой и сокрытии более сильных моделей (Fable 5.1, GPT-6 Astra) в основных бенчмарках, в то время как @torginus считает оправданным тестирование только в профильных задачах. Модель базируется на GLM-5.3 Flash с применением крупномасштабного обучения с подкреплением (RL), что отличает её от простых оберток над open-source решениями. По опыту @vehemenz, заявленное соотношение цены и производительности подтверждается при сравнении с Haiku, GPT-mini и Deepseek v4 0731. Совет: По мнению @zer00eyz, из-за низкой стоимости модели следует использовать стратегию «грубой силы» (brute force), запуская задачу многократно до получения верного результата, вместо поиска идеального one-shot ответа. Для реализации функций создания офисных документов модель требует внешней «обвязки» (harness), например, через интерпретатор Python с соответствующими библиотеками или специализированные инструменты вроде Feather или Radix. Спор: Возник спор о классе модели: авторы заявляют о Fable-class, но @Kevcmk утверждает, что согласно графикам она относится к Luna-class.