Pratinjau konten prototipe. Gambar, detail penulis, klaim produk, dan contoh API menunggu verifikasi; contoh instruksi integrasi tidak dikonfirmasi.
Model flash lebih murah 10×, tetapi apakah kesenjangan kualitas itu penting? Kami menguji tingkatan model 4 di seluruh pengkodean, penalaran, dan tugas kreatif.
Model kelas flash harganya sekitar sepersepuluh dari model frontier dan menjawab dalam sepertiga waktu. Pertanyaannya bukanlah apakah hal tersebut lebih buruk, namun apakah kesenjangan tersebut muncul dalam tugas spesifik Anda.
Dimana kesenjangan itu hilang
- Klasifikasi dan perutean: tidak ada perbedaan terukur di atas contoh berlabel 200 di prompt
- Ekstraksi terhadap skema yang ketat: flash cocok dengan perbatasan setelah Anda memberikan skema secara eksplisit
- Ringkasan singkat di bawah token 4k: dalam poin 2 berdasarkan preferensi manusia
- Terjemahan pasangan bahasa yang umum: tidak dapat dibedakan dalam tinjauan buta
Dimana tidak
Penalaran multi-langkah, kode yang harus dikompilasi, dan apa pun yang mengharuskan model menyadari bahwa pertanyaannya agak salah. Pada tolok ukur pengkodean kami, tingkat perbatasan melewati tugas 78% dan tingkat flash 44% — sebuah celah yang tidak ada jumlah permintaan yang ditutup.
Pola yang benar adalah kaskade: jawaban cepat, pemeriksaan validator murah, dan hanya kegagalan yang meningkat. Hal ini mencakup sebagian besar penghematan dan hampir tidak ada penurunan kualitas.
Menerapkan kaskade
resp = client.chat.completions.create(
model="qwen-3.8-flash",
messages=messages,
extra_body={"amplink": {"escalate": {
"to": "gpt-5",
"when": "schema_invalid or confidence < 0.7"
}}},
)
Di seluruh penyewa yang menjalankan kaskade, lalu lintas 83% berakhir pada tingkat flash. Biaya campuran berada di dekat 2.4x harga awal, bukan 10x harga perbatasan.