Ultramarine 1 Flash

Prestaties in Benchmarks

JobBench

  • Ultramarine 1 Flash: 62.9
  • Gemini 3.8 Flash: 60.6
  • DeepSeek V4.1 Flash: 60.4
  • Claude Fable 5: 57.4
  • GLM-5.3 Flash: 56.3
  • Kimi K3: 54.3
  • GPT-5.6 Sol: 45.4

PI Knowledge Work (intern)

  • Ultramarine 1 Flash: 59.3
  • Claude Fable 5: 57.8
  • GPT-5.6 Sol: 55.1
  • GLM-5.3 Flash: 52.0
  • Kimi K3: 51.2
  • Gemini 3.8 Flash: 49.4
  • DeepSeek V4.1 Flash: 47.9

Frontier Finance

  • Ultramarine 1 Flash: 53.3
  • GLM-5.3 Flash: 50.7
  • Gemini 3.8 Flash: 50.0
  • Claude Fable 5: 49.2
  • GPT-5.6 Sol: 46.8
  • Kimi K3: 46.4
  • DeepSeek V4.1 Flash: 46.0

AutomationBench

  • DeepSeek V4.1 Flash: 51.3
  • Ultramarine 1 Flash: 50.2
  • GLM-5.3 Flash: 48.8
  • Gemini 3.8 Flash: 47.3
  • Kimi K3: 46.7
  • Claude Fable 5: 46.2
  • GPT-5.6 Sol: 45.8

DiligenceBench

  • Gemini 3.8 Flash: 53.1
  • Claude Fable 5: 52.9
  • Ultramarine 1 Flash: 50.6
  • Kimi K3: 50.4
  • DeepSeek V4.1 Flash: 50.3
  • GPT-5.6 Sol: 50.0
  • GLM-5.3 Flash: 48.2

APEX-Agents 1.1

  • Gemini 3.8 Flash: 64.3
  • Claude Fable 5: 63.6
  • Ultramarine 1 Flash: 57.0
  • GLM-5.3 Flash: 52.8
  • GPT-5.6 Sol: 51.5
  • Kimi K3: 50.6
  • DeepSeek V4.1 Flash: 39.5

Verbeterde Token-efficiëntie

Over de zes benchmarks heen genereert Ultramarine 1 Flash 6,5% minder tokens dan zijn basis, GLM-5.3 Flash, waardoor er een korter pad naar beter werk wordt gekozen.

  • GLM-5.3 Flash: 32.7M tokens
  • Ultramarine 1 Flash: 30.5M tokens (−6.5%)

Opmerking: Aantal gegenereerde output-tokens over alle zes de benchmarks, inclusief redenering. Waar de score van GLM-5.3 Flash een publieke score is, komen de tokens uit eigen runs die het dichtst bij die score liggen.

Een model van Fable-klasse voor centen per taak

Ultramarine 1 Flash bevindt zich op de grens van kosten en kwaliteit tegen het meest aantrekkelijke prijspunt. Met een prijs van $0,13 per taak scoort het hoger dan Claude Fable 5 (max) en GPT-5.6 Sol (max), die respectievelijk $8,19 en $2,09 per taak kosten. Het komt bovendien binnen drie punten van Claude Opus 5.5 (max) en GPT-6 Sol (max), met kosten van $6,96 en $1,26 per taak.

Deze metingen zijn gebaseerd op PI Knowledge Work, een zorgvuldig opgebouwde interne benchmark waarvan de scores sterk correleren met de Artificial Analysis Intelligence Index (r = 0.81).

API-prijzen (per miljoen tokens)

  • Input: $0.15
  • Gecachte input: $0.03
  • Output: $0.50

(Hetzelfde tarief als GLM-5.3 Flash op de Ultramarine API)

Kosten en scores per taak (gedetailleerd)

  • Ultramarine 1 Flash, max reasoning: 59.3 bij $0.13 per taak
  • GLM-5.3 Flash, max reasoning: 52.0 bij $0.10 per taak
  • GPT-6 Astra, low reasoning: 60.3 bij $1.22 per taak
  • GPT-6 Astra, medium reasoning: 62.4 bij $1.90 per taak
  • GPT-6 Astra, max reasoning: 64.2 bij $5.64 per taak
  • Claude Opus 5.5, low reasoning: 53.9 bij $0.49 per taak
  • Claude Opus 5.5, medium reasoning: 57.0 bij $1.10 per taak
  • Claude Opus 5.5, high reasoning: 61.4 bij $1.53 per taak
  • Claude Opus 5.5, max reasoning: 61.9 bij $6.96 per taak
  • GPT-6 Sol, low reasoning: 55.3 bij $0.15 per taak
  • GPT-6 Sol, medium reasoning: 55.5 bij $0.26 per taak
  • GPT-6 Sol, high reasoning: 56.5 bij $0.42 per taak
  • GPT-6 Sol, max reasoning: 61.4 bij $1.26 per taak
  • Claude Fable 5, low reasoning: 50.8 bij $1.82 per taak
  • Claude Fable 5, medium reasoning: 48.6 bij $2.85 per taak
  • Claude Fable 5, max reasoning: 57.8 bij $8.19 per taak
  • Claude Fable 5.1, max reasoning: 65.5 bij $8.64 per taak
  • GPT-5.6 Sol, low reasoning: 48.8 bij $0.42 per taak
  • GPT-5.6 Sol, medium reasoning: 53.4 bij $0.88 per taak
  • GPT-5.6 Sol, high reasoning: 50.5 bij $1.28 per taak
  • GPT-5.6 Sol, max reasoning: 55.1 bij $2.09 per taak
  • Muse Spark 1.3, low reasoning: 51.2 bij $0.48 per taak
  • Muse Spark 1.3, medium reasoning: 50.7 bij $0.98 per taak
  • Muse Spark 1.3, high reasoning: 55.3 bij $1.09 per taak
  • Muse Spark 1.3, max reasoning: 54.7 bij $1.58 per taak
  • GPT-6 Luna, low reasoning: 43.2 bij $0.008 per taak
  • GPT-6 Luna, medium reasoning: 54.1 bij $0.035 per taak
  • GPT-6 Luna, high reasoning: 53.1 bij $0.054 per taak
  • GPT-6 Luna, max reasoning: 58.3 bij $0.11 per taak
  • Gemini 3.8 Flash, low reasoning: 45.6 bij $0.35 per taak
  • Gemini 3.8 Flash, medium reasoning: 51.0 bij $0.96 per taak
  • Gemini 3.8 Flash, high reasoning: 49.4 bij $1.18 per taak
  • DeepSeek V4.1 Flash, max reasoning: 47.9 bij $0.35 per taak
  • Kimi K3, max reasoning: 51.2 bij $1.33 per taak
  • GLM-5.3, max reasoning: 54.1 bij $1.27 per taak
  • DeepSeek V4 Pro, max reasoning: 54.1 bij $0.43 per taak
  • Ling 3.1 Flash, reasoning: 51.6 bij $0.21 per taak
  • Qwen3.8 2.4T, xhigh reasoning: 50.6 bij $0.94 per taak
  • Qwen3.8 27B, xhigh reasoning: 50.1 bij $0.42 per taak
  • MiniMax M3, reasoning: 44.2 bij $0.24 per taak

Methodologie: PI Knowledge Work

PI Knowledge Work is onze interne benchmark voor professioneel werk in de sectoren financiën, recht, consultancy en operations. De taken vereisen dat het model voltooide Excel-werkmappen, PowerPoint-presentaties en Word-documenten oplevert, en dat het werkt binnen actieve bedrijfssystemen zoals ERP en MES.

Het resultaat wordt per taak gescoord op basis van een rubric die kijkt naar inhoud, nauwkeurigheid en presentatie. Elk model werkt in dezelfde omgeving en de kosten zijn gebaseerd op de officiële API-prijzen van elke ontwikkelaar.

Ontworpen voor directe inzetbaarheid

Ultramarine 1 Flash schrijft in een heldere, eenvoudige en directe proza en heeft een sterk besef van visuele en informatieve hiërarchie. Het is gebouwd om te voldoen aan dezelfde regels die gelden voor analisten in professionele dienstverlening.

Voorbeeld: Nucor door de staalcyclus

Een voorbeeld van de output is een tabel met vijf periodes van segmentomzet en winst, waarbij elk subtotaal en totaal aansluit. Hierin wordt getoond hoe de winst van staalfabrieken daalde van $7,2 miljard in 2022 naar $2,4 miljard in 2025, terwijl hun aandeel in de omzet steeg van 58% naar 62%.