بطاقة مقارنة مُولّدة بعنوان 'Drex Max v1.1 مقابل Liquid AI d1-ultra'، تتضمن صفوفًا لمؤشر القرار 73.4 مقابل 70.4، ودرجة قرار المستند 72.8 مقابل 64.7، ومعدل الامتناع 65.3 بالمئة مقابل 88.6 بالمئة، والوقت لكل مهمة 275 ms مقابل 295 ms، والتكلفة لكل مليون مهمة 102 دولار مقابل 132 دولارًا، مع تذييل نصه Artificial Analysis Decision Index v2، 8 نوفمبر 2026.
Guides & Insights

Drex Max v1.1 مقابل Liquid AI d1-ultra: مُقيّمان متعددا الوسائط، وعنوان لم يعد قائمًا

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

أطلقت Liquid AI نموذج d1-ultra في 15 أكتوبر 2026 مع جملة كانت قابلة للدفاع عنها آنذاك: إنه "يتفوق على جميع نماذج القرار الأخرى في مؤشر Artificial Analysis للقرار بفارق 8 نقاط على الأقل". وبعد ثلاثة أسابيع، استبدلت Artificial Analysis ذلك المؤشر بالإصدار v2، وأعادت تقييم سبعة عشر نموذجًا على بيانات جديدة، فحلّ d1-ultra في المركز الخامس بنتيجة 70.4 — خلف Drex Max v1.1 بنتيجة 73.4، وGLiDE v1.2 بنتيجة 72.8، وMammoth 27B بنتيجة 72.4، وخلف Decider v1.2 من Perplexity بفارق ثلاثة أجزاء من المئة من النقطة بنتيجة 70.5. لقد تلاشى فارق الثماني نقاط، ولم يكن قد قيس قط على هذه الأداة.

ذلك هو إطار هذه المقارنة، ويستحق أن نكون دقيقين بشأن ما يعنيه وما لا يعنيه. فهو لا يعني أن d1-ultra أصبح أسوأ. بل يعني أن لوحة الصدارة تغيّرت في ظل ادعاء قيل مقابل اللوحة القديمة، وهو الخطر المعتاد لاقتباس موقع على لوحة الصدارة وكأنه خاصية من خصائص النموذج. كلاهما من مقيمي القرارات متعددة الوسائط الأقوياء. وهما أيضًا أقرب مما يوحي به تسويق أي من البائعين، ويجيدان أشياء مختلفة بشكل واضح.

حيث يتفق النموذجان، وهو ما يمثل معظم السطح

كلاهما نموذجا قرار بالمعنى الدقيق: تُرسل حالة وأسئلة محددة الأنواع، وتُعيد تمريرة أمامية واحدة احتمالًا لكل خيار، ولا يُولَّد أي نص. وكلاهما يستقبل الصور إلى جانب النص. وكلاهما يجيب عن الأشكال الثلاثة نفسها من الأسئلة — اختيار بين خيارات مسمّاة، وسؤال نعم/لا، ودرجة على مقياس. وكلاهما يفوتر على المدخلات فقط، دون فوترة للمخرجات، لعدم وجود مخرجات.

• الوسائط — يقرأ Drex Max v1.1 النصوص ولقطات الشاشة والمخططات والنماذج والمستندات الممسوحة ضوئيًا والصور وإطارات الفيديو، ثماني صور لكل طلب. يقرأ d1-ultra النصوص أو الصور أو كليهما؛ ومثال الإطلاق لدى Liquid هو صورة فوتوغرافية للوحة دائرة تُفحص مقابل مواصفاتها.

• سعر كل مليون رمز إدخال — 0.03 دولار لـ Drex Max v1.1 خلال فترة إطلاقه (خصم 50% من سعر قائمة قدره 0.06 دولار)، و0.042 دولار لـ d1-ultra. Nace أرخص اليوم وقد لا يكون كذلك بعد انتهاء الخصم.

• فوترة الصور — يحتسب Drex Max v1.1 رموز الصور ضمن حد 131,072 رمزًا لكل سؤال. وتحتسب d1-ultra 1.5 رمز لكل رقعة بحجم 32×32 بكسل، لذا تكلّف صورة بحجم 1024×1024 مقدار 1,536 رمزًا، وتحتسب كل سؤال كموجّه خاص به يشمل جميع الصور.

• السياق — 131,072 رمزًا لكل سؤال في Drex Max v1.1، مع 262,144 للطلب المعبأ بالكامل. لا تنشر Liquid نافذة مماثلة لكل سؤال.

• التوفر — يُباع Drex Max v1.1 عبر واجهة API ووحدة تحكم Nace؛ ويُباع d1-ultra عبر واجهة Liquid API ووحدة التحكم. لا يوجد أي منهما في قائمة مساراتنا، ولا شيء هنا يُعد ادعاءً منّا بشأن التوفر.

قاعدة الفوترة لكل سؤال على d1-ultra هي التفصيل الذي يحدد التكلفة على نطاق المستندات، وقد قاسها المجلس. تُفيد Artificial Analysis بأن Drex Max v1.1 يستهلك نحو 9,000 رمز إدخال لمهمة مستند من خمسة عشر سؤالًا مقابل نحو 63,000 للنماذج التي تعيد فوترة الإدخال لكل سؤال — وجاءت تكلفة المهمة الواحدة على d1-ultra عند 132 دولارًا مقابل 102 دولار لـ Drex، أي قريبة من نسبة أسعار قائمتهما وأسوأ قليلًا.

اللوحة، مكوّنًا بمكوّن

الفارق الإجمالي المركّب هو 2.9 نقطة. والفوارق بين المكوّنات متفاوتة إلى حد كبير، والنمط ثابت: يتفوّق Drex في المستندات، ويتفوّق d1-ultra في معرفة الأشياء وفي الامتناع عن الإجابة.

Screenshot of the Artificial Analysis Decision Index v2 page, showing the leaderboard navigation and the board's stated definition - a composite index testing decision models across document decisions and extraction, tool calling, knowledge, reasoning and invariance, built from six evaluations including AA-Paperclip's 1,500 resumes, receipts and invoices.

• مؤشر القرار v2 — Drex Max v1.1 73.39، d1-ultra 70.45.

• مؤشر الدقة — Drex Max v1.1: 58.41، d1-ultra: 54.94، وهي الدرجة بعد استبعاد مكوّن المعايرة.

• درجة قرار مستند AA-Paperclip — Drex Max v1.1 ‏72.82، d1-ultra ‏64.69. معدل الإجابات الصحيحة على الخمس عشرة كافة: 63.0% مقابل 51.3%.

• استدعاء الأدوات في When2Call — Drex Max v1.1: 95.26، d1-ultra: 93.83. متقاربان، وكلاهما أعلى بكثير من 84.39 الخاصة بـ Jev 1.14.

• اتساق إعادة الصياغة AA-Symmetry — Drex Max v1.1 84.96، d1-ultra 77.81، فجوة قدرها 7 نقاط وهي ثاني أكبر تباين في المجموعة.

• AA-Omniscience-Decision — d1-ultra 64.39، Drex Max v1.1 60.27. التقييم الوحيد الذي ينقلب فيه الترتيب.

• HLE-MultiChoice — d1-ultra 47.39، وDrex Max v1.1 46.61، لكن في الدقة الخام يبلغ d1-ultra 6.09% وDrex 8.25%.

• الامتناع — يمتنع d1-ultra عن الإجابة في 88.61% من أسئلة المعرفة الشاملة التي لا يستطيع الإجابة عنها، وDrex Max v1.1 في 65.28%، وMicrosoft-Decision-1 في 21.74%.

• الوقت لكل مهمة — Drex Max v1.1 275 مللي ثانية، d1-ultra 295 مللي ثانية.

• تكلفة كل مليون مهمة — Drex Max v1.1 $102، d1-ultra $132.

اقرأ صف الامتناع مرتين، لأنه يفسّر صف المعرفة المطلقة وهو أقل خاصية بديهية في لوحة النتائج. درجة قرار المعرفة المطلقة الأعلى لدى d1-ultra ليست معرفة في الأساس: فدقته الخام هناك 28.0%، وهي نفس دقة Drex Max v1.1. وهو يسجّل درجة أعلى لأنه يقول «لا أعرف» أكثر بكثير، ودالة التقييم تكافئ ذلك. يتصدّر Mammoth 27B وElephant 9B تقييم التماثل للسبب نفسه — تقول Artificial Analysis صراحةً إن نماذج Baseten «تعترف باستمرار بأنها لا تعرف الإجابة بثقة عالية عبر تنويعات الأسئلة».

لا شيء من ذلك عيبٌ في المقياس. إنه بيانٌ عمّا تشتريه. d1-ultra هو النموذج الذي تلجأ إليه عندما يكون السؤال بلا إجابة أرخص من الإجابة الخاطئة. Drex Max v1.1 هو النموذج الذي تلجأ إليه عندما يجب أن يعود شيء ما بقرار، وتُحال الحالات ذات الثقة المنخفضة إلى إنسان.

A generated scoreboard headed 'Two multimodal scorers, five uneven gaps', listing Drex Max v1.1 against Liquid AI d1-ultra on document decision score at 72.8 versus 64.7, paraphrase symmetry at 85.0 versus 77.8, tool calling at 95.3 versus 93.8, knowledge and abstention at 60.3 versus 64.4, and abstention on unanswerable items at 65.3 percent versus 88.6 percent.

ما قاسه تقييم Liquid الخاص، وما لم يقسه

تقارن منشورة إطلاق Liquid بين d1-ultra وd1 وJev 1.14 عبر «112 تقييمًا فريدًا»، وتفيد بأنه يتفوق على Jev في كل واحد منها، مع معايرة أفضل بالسعر نفسه. تلك مقارنة أجراها المورّد على أداة اختارها المورّد، ولا تقول شيئًا عن Drex Max، الذي لا يظهر فيها. وقد سُجّل ادعاء مؤشر النقاط الثماني مقابل Decision Index v1.0، المنشور في 13 أكتوبر 2026 — أي قبل يومين من وجود d1-ultra — ولم تُدرج تلك اللوحة d1-ultra قط.

المورّد يقدّم بالفعل ادعاءً واحدًا تؤكده اللوحة الجديدة: أنه درّب d1-ultra تحديدًا ليكون أقل إفراطًا في الثقة، وأن المعايرة التي تظهر عند 64.39 في المعرفة الشاملة مقابل 60.14 لدى Jev، والنتيجة المركبة الأعلى بمقدار 2.0 نقطة من Jev عند دقة مماثلة، حقيقية. كما أن d1-ultra عند 70.45 مقابل Jev 1.14 عند 66.96 على الأداة نفسها يمثل تحسنًا حقيقيًا على النظام القائم، مقيسًا بشكل مستقل.

Screenshot of Liquid AI's d1-ultra announcement dated October 15, 2026, headed 'Introducing the World's Best Decision Model', describing the model as built for harder real-world cases such as spotting a defect on a circuit board against its spec or checking a damage claim against a customer photo, and stating availability on the Liquid API at $0.042 per million input tokens.

الادعاء الذي لا يصمد هو الترتيب. على v2، يحتل d1-ultra المركز الخامس من بين سبعة عشر، والنماذج الأربعة التي تسبقه كلها ضمن نطاق 3 نقاط. إن فارق 3 نقاط بين أفضل خمسة ليس تسلسلاً هرمياً؛ بل هو تعادل يحسمه المكوّن الذي يصادف أن يمنحه عبء عملك وزناً.

ما الذي ينبغي تشغيله فعليًا

كلا النموذجين مستضاف، ولا يوجد أي منهما في كتالوجنا، والطريقة الصادقة للاختيار بينهما هي مقارنة تنافسية على حالاتك الخاصة بدلاً من مجموعة اختبارات أي من المورّدين. وإذا أجريتها، فأجرها على ما يعاقب عليه مجلس الإدارة: المستندات ذات النتيجة كلها أو لا شيء. النموذج الذي يصيب في 97% من الإجابات الفردية ويصيب في 63% من المستندات إصابة كاملة ليس أفضل بمرتين من نموذج عند 51%؛ بل قيمته تعادل تماماً احتمال ألا تكون أي إجابة من خمس عشرة إجابة مترابطة خاطئة، وهذا هو ما سيواجهه مسار معالجتك.

ما يغيّره الموجّه هنا ليس الاختيار بين هذين — فنحن لا نوفّر أيًا منهما — بل شكل خط المعالجة المحيط بهما. كلاهما أداتا تقييم تقعان قبل شيء يتولى الكتابة. وخطوة الكتابة هي استدعاء نموذج عام، وهذا هو الجزء الذي توفّر فيه نقطة نهاية واحدة تضم أكثر من 200 نموذج، مع تمرير سعر القائمة لدى المزوّد دون أي هامش لكل رمز وتحويل تلقائي عند الفشل عليك في الواقع تكاملًا واحدًا، لأن النموذج الذي توجّه إليه سيتغيّر أكثر مما ستتغيّر أداة التقييم.

إذا أردت سببًا واحدًا لتفضيل Drex Max v1.1 اليوم، فهو ليس النتيجة المركبة البالغة 2.9 نقطة. بل إنه أسرع، وأقل تكلفة لكل مهمة، وأكثر اتساقًا بسبع نقاط عندما تُصاغ المسألة نفسها بطريقتين — والاتساق هو الخاصية التي تنهار بهدوء في بيئة الإنتاج بدلًا من أن تنهار بصخب في اختبار قياسي. وإذا أردت سببًا واحدًا لتفضيل d1-ultra، فهو أنه يرفض. كلا الخيارين قابل للدفاع عنه. أما العنوان الرئيسي لأي من المورّدين فليس كذلك.