Paper Instruments 在官网介绍了面向专业工作的模型 Ultramarine 1 Flash。发布方称，它在金融、法律、咨询和运营等知识工作上达到 Fable 级，并且比 Fable 便宜 60 倍。页面把它的基座写为 GLM-5.3 Flash，并给出内部基准上的单价与得分。下文基准结果来自该页面的发布方评测，成本按各开发者的官方 API 价格计算，PI Knowledge Work 也是该公司自建的基准。
官网称，在六项基准上，Ultramarine 1 Flash 生成的 token 比基座 GLM-5.3 Flash 少 6.5%。页面说明，这一统计计入推理过程中的输出 token；若 GLM-5.3 Flash 的分数取自公开成绩，对应的 token 数来自发布方自己最接近该分数的运行。
在 PI Knowledge Work 上，发布方给出的成本是每个任务 0.13 美元。按同一页面的对照，这一得分高于每任务 8.19 美元的 Claude Fable 5（max），也高于每任务 2.09 美元的 GPT-5.6 Sol（max）。与每任务 6.96 美元的 Claude Opus 5.5（max）、每任务 1.26 美元的 GPT-6 Sol（max）相比，分差在 3 分以内。官网称，该基准得分与 Artificial Analysis 智能指数的相关系数为 r = 0.81。
Ultramarine API 的标价为每百万 token 输入 0.15 美元、缓存输入 0.03 美元、输出 0.50 美元，与 GLM-5.3 Flash 相同。
官网把 PI Knowledge Work 定义为金融、法律、咨询和运营方面的内部基准。任务要求模型交付完成的 Excel 工作簿、PowerPoint 和 Word 文档，并在 ERP、MES 等业务系统中工作。每项任务有单独的评分标准，从实质内容、准确性和呈现三方面打分。各模型使用同一套 harness，成本按各开发者的官方 API 价格计算。
官网用一份题为「Nucor through the steel cycle」的幻灯片展示输出形态。示例文字写道：表格列入五个时期的分部销售与收益，小计与合计能够对上；钢厂业务收益从 2022 年的 72 亿美元降至 2025 年的 24 亿美元，销售占比从 58% 升至 62%。这是发布方展示的产出示例。
