US$ 0,13: é quanto custaria, segundo a Paper Instruments (abre em nova aba), para concluir uma tarefa completa de trabalho de conhecimento no novo modelo Ultramarine 1 Flash. Para efeito de comparação, a mesma empresa calcula que a mesma tarefa custaria US$ 8,19 no Claude Fable 5 e US$ 2,09 no GPT-5.6 Sol, dois modelos concorrentes muito mais caros. O número vem de um teste interno feito pela própria laboratório, então convém tratá-lo como alegação de fabricante, não como fato comprovado. Ainda assim, é a peça central do anúncio, e explica o alvoroço em torno do lançamento.
O anúncio oficial foi feito em 14 de outubro de 2026. A Paper Instruments, um laboratório de inteligência artificial sediado em São Francisco, descreve o Ultramarine 1 Flash como um modelo "agentic" para trabalho profissional de conhecimento. A palavra agente, aqui, tem sentido específico: em vez de apenas responder a uma pergunta e encerrar a conversa, o modelo conduz tarefas em várias etapas, como preencher uma planilha, montar uma apresentação ou operar sistemas internos de uma empresa, decidindo por conta própria os próximos passos conforme avança.
Como o modelo foi construído
O Ultramarine não começou do zero. Ele é o que o setor chama de pós-treinamento: os engenheiros pegaram um modelo de base já existente, o GLM-5.3 Flash, e o submeteram a um treinamento adicional em larga escala com aprendizado por reforço. Esse método funciona por tentativa e erro: o modelo executa tarefas, recebe notas pelo desempenho e ajusta seu comportamento para melhorar. É o mesmo princípio que treina animais com petiscos, só que o "petisco" é uma pontuação matemática.
O detalhe que a empresa destaca é o tipo de recompensa. Nas tarefas de conhecimento profissional, quase nunca existe uma resposta única e verificável, como em uma equação de matemática. Para lidar com isso, o treinamento do Ultramarine usou recompensas baseadas em rubricas, ou seja, listas de critérios de qualidade pelas quais a saída do modelo é julgada. O currículo de treinamento cobriu quatro domínios (finanças, direito, consultoria e operações), 19 áreas de prática profissional e 88 tipos de ambientes diferentes, segundo o relatório técnico publicado pela própria empresa.
Os detalhes técnicos do treino, também do relatório, incluem uma função de perda chamada CISPO com um objetivo de duas políticas modificado, ajustes com LoRA de classificação 64 (uma técnica que treina apenas uma pequena parte do modelo, mais barata), taxa de aprendizado de 5×10⁻⁵ e janela de contexto de 131.072 tokens, que é a quantidade de texto que o modelo consegue ler de uma vez, equivalente a algo em torno de algumas centenas de páginas. O agente pode dar até 250 turnos de trabalho antes de precisar resumir o próprio histórico quando a janela enche.
Os números dos benchmarks
A empresa compara o Ultramarine 1 Flash com seu modelo de base em seis benchmarks, que são testes padronizados de desempenho. São eles: JobBench, PI Knowledge Work, FrontierFinance, AutomationBench, DiligenceBench e APEX-Agents 1.1. O ganho médio alegado é de 4,1 pontos, com uma economia adicional: o modelo pós-treinado gera 6,5% menos tokens de saída que a base, ou seja, escreve menos para fazer a mesma coisa, o que reduz custo e tempo.
JobBench62,956,3PI Knowledge Work59,352,0FrontierFinance53,350,7AutomationBench50,248,8DiligenceBench50,6não informado na tabelaAPEX-Agents 1.157,052,8Vale olhar esses números com uma ressalva que a própria tabela já sugere: nem em todos os testes o Ultramarine fica em primeiro lugar entre os modelos comparados. No AutomationBench, o DeepSeek V4.1 Flash pontua 51,3 contra 50,2. No DiligenceBench, o Gemini 3.8 Flash (53,1) e o Claude Fable 5 (52,9) superam o novo modelo. E no APEX-Agents 1.1, o Gemini 3.8 Flash alcança 64,3, bem acima dos 57,0 do Ultramarine. O que a empresa afirma é que ele melhora sobre sua própria base em todos os seis testes, o que os números sustentam, e que alcança a "classe Fable" no conjunto de trabalho de conhecimento, o que é um julgamento dela sobre o que essa classe significa.
O teste de custo que rende a manchete, porém, é o PI Knowledge Work, que é um benchmark interno da própria Paper Instruments. Nele, pede-se ao modelo trabalho acabado: planilhas funcionais no Excel, apresentações no PowerPoint, documentos no Word e operações dentro de sistemas vivos como ERP (software de gestão empresarial) e MES (sistema que acompanha a produção industrial). Ali o Ultramarine pontua 59,3 contra 57,8 do Claude Fable 5, com o custo por tarefa já mencionado. A empresa informa ainda que as pontuações desse teste correlacionam-se com um índice externo de inteligência, o Artificial Analysis Intelligence Index, com coeficiente de 0,81, o que, em tese, daria alguma validade externa ao teste interno.
O comparativo de custo que dá o tom do anúncio se apoia em um benchmark interno da própria Paper Instruments e, segundo uma cobertura secundária publicada em 14 de outubro, ainda não foi reproduzido independentemente. Todos os modelos do comparativo rodaram na configuração máxima de raciocínio que suportam, e os custos usam o preço oficial de API de cada desenvolvedor em outubro de 2026.
Preço e acesso
Quem quiser usar o modelo hoje pode: a empresa afirma que uma API (interface de programação que permite a aplicativos conversar com o modelo) compatível com o padrão da OpenAI já está no ar, sob o identificador ultramarine-1-flash. O preço por milhão de tokens anunciado é de US$ 0,15 na entrada, US$ 0,03 na entrada em cache e US$ 0,50 na saída, o mesmo valor praticado pelo GLM-5.3 Flash, segundo a página do produto. Tokens são as unidades de texto com que os modelos processam informação, algo entre palavras e sílabas.
O plano, contudo, é que o modelo fique ainda mais aberto. Daanish Khazi, fundador e executivo-chefe da Paper Instruments, publicou no X, na data do lançamento, que os pesos do modelo, ou seja, o arquivo do modelo treinado que qualquer pessoa pode baixar e rodar por conta própria, sairiam em cerca de duas semanas, o que apontaria para o fim de outubro de 2026. Na mesma publicação, ele fez uma afirmação que dá a medida da ambição do projeto:
Estamos lançando o Ultramarine 1 Flash, um modelo de classe de fronteira construído para trabalho de conhecimento. Ele é de código aberto e alcança desempenho semelhante ao Fable 5, sendo 60 vezes mais barato.
Foi pós-treinado por uma equipe de 5 pessoas por cerca de US$ 300 mil no total. Disponível via API agora, com os pesos sendo liberados em 2 semanas.
O número do custo de treinamento é citado também na cobertura independente da notícia, sempre como declaração do executivo, não como dado auditado. Se estiver certo, seria um valor bem abaixo do que laboratórios grandes costumam gastar em modelos de fronteira, embora uma parte considerável do mérito pertença ao modelo de base já pronto da Zhipu, sobre o qual a Paper Instruments construiu.
O que não melhorou
Um detalhe honesto do relatório técnico, reiterado na cobertura secundária, é que o Ultramarine regrediu um tiquinho em programação, justamente o campo onde modelos são mais fáceis de medir. No Terminal-Bench 2.1, a nota caiu de 84,3 (base) para 83,2. No DeepSWE 1.1, de 63,4 para 61,5. Não são quedas dramáticas, mas indicam que o ganho em trabalho de conhecimento foi pago com uma perda pequena em outra habilidade, o que é comum nesse tipo de treinamento especializado.
Fica, então, a pergunta que ainda não tem resposta: quando os pesos do modelo forem efetivamente liberados e terceiros rodarem os testes por conta própria, os 4,1 pontos de ganho e o custo de US$ 0,13 por tarefa se confirmarão, ou o histórico de alegações de fabricante pesará mais do que as rubricas da Paper Instruments?
Perguntas frequentes
O que significa dizer que o Ultramarine 1 Flash é um modelo "agentic"?
Significa que ele foi treinado para executar tarefas profissionais em várias etapas, decidindo sozinho os próximos passos, em vez de apenas responder perguntas isoladas. Ele pode trabalhar dentro de planilhas, documentos e sistemas corporativos como ERP e MES.
O modelo já está disponível para uso?
Segundo a Paper Instruments, sim, via uma API compatível com o padrão da OpenAI, sob o identificador ultramarine-1-flash, desde o lançamento em 14 de outubro de 2026. Os pesos para download, porém, ainda não haviam sido liberados no momento do anúncio; o executivo Daanish Khazi disse que sairiam em cerca de duas semanas.
Os resultados divulgados foram verificados por terceiros?
Não, até o momento do lançamento. O comparativo de custo usa um benchmark interno da própria empresa, e a cobertura secundária da notícia aponta que os números não foram reproduzidos de forma independente. Todos os dados vêm do relatório da Paper Instruments e de declarações do fundador.
Quanto custa usar o Ultramarine 1 Flash?
O preço anunciado por API é de US$ 0,15 por milhão de tokens de entrada, US$ 0,03 por milhão de tokens de entrada em cache e US$ 0,50 por milhão de tokens de saída, o mesmo do GLM-5.3 Flash. No teste interno da empresa, o custo médio fica em US$ 0,13 por tarefa concluída.
Fontes
- Ultramarine 1 Flash: Scaling Non-Verifiable RL — Paper Instruments · paperinstruments.com · 13/10/2026
- Ultramarine 1 Flash — Paper Instruments · paperinstruments.com
- Paper Instruments releases Ultramarine 1 Flash: non-verifiable-RL knowledge-work model on GLM-5.3 Flash · aicoder.com · 13/10/2026