Eine generierte Titelkarte mit der Überschrift ‘2,2 Punkte Abstand, und ein Preis, der sich verdoppelt’, mit dem Untertitel ‘d1.2-ultra vs Drex Max v1.1 - Decision Index v2.1’. Zwei abgerundete Karten zeigen ‘d1.2-ultra’ über ‘75’ und ‘Drex Max v1.1’ über ‘73’, getrennt durch einen dünnen vertikalen Trenner; darunter zeigt ein breiter Streifen ‘$133 pro 1 Mio. Aufgaben vs. $103 jetzt, etwa $206 zum Standardpreis’, und ein umrandeter Chip zeigt ‘unabhängiges Gremium, beide Modelle von Artificial Analysis betrieben’. Das OrcaRouter-Zeichen ist unten rechts eingefügt.
Guides & Insights

d1.2-ultra vs. Drex Max 1.1: Eine Lücke von 2,2 Punkten und ein Preisschild, das sich im Dezember verdoppelt

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Liquid AI d1.2-ultra liegt auf dem Artificial Analysis Decision Index v2.1 mit 2,23 Punkten vor Drex Max v1.1 von Nace.AI – 74,85 gegenüber 72,62 – und beim Listenpreis ist es das teurere Modell: 0,042 US-Dollar pro Million Eingabetoken gegenüber 0,03 US-Dollar. Beide Zahlen stimmen heute, und nur eine von ihnen wird noch stimmen, wenn der Einführungsrabatt auf Nace-Seite ausläuft. Artificial Analysis versieht die Kostenzeile von Drex Max v1.1 mit einem Sternchen: Die 103 US-Dollar pro Million Aufgaben, die es meldet, „spiegeln einen temporären Einführungspreis wider“, und zum Standardpreis würden sich diese Kosten verdoppeln. Das bedeutet: Das Paar, das wie ein Premiummodell gegenüber einem Value-Modell aussieht, ist bei den Kosten, die einen Einsatz tatsächlich bestimmen, genau umgekehrt.

Das Ranking ist real und unabhängig gemessen – beide Modelle wurden von Artificial Analysis auf eigener Hardware betrieben, nicht von einem der Anbieter – daher ist dies ein Vergleich zweier bewerteter Zeilen statt zweier Pressemitteilungen. Im Folgenden wird getrennt, welche Punkte die Preisänderung überstehen werden und welche nicht.

Zunächst: Was die Fußnote mit dem Kostenvergleich macht

A generated two-column scoreboard titled ‘d1.2-ultra vs Drex Max v1.1 - the scoreboard’. The d1.2-ultra column reads Decision Index 75, AA-Paperclip 75.8 at 67.7% all-pass, AA-Symmetry 86.3, HLE accuracy 2.36%, context window 66k and cost per 1M tasks $133. The Drex Max v1.1 column reads Decision Index 73, AA-Paperclip 72.8 at 63.0% all-pass, AA-Symmetry 79.8, HLE accuracy 8.25%, context window 262k and cost per 1M tasks $103 at launch price. The footer reads ‘Both figures per Artificial Analysis Decision Index v2.1; Drex cost reflects a temporary launch price and would double at standard pricing.’

Preise pro Token sind die falsche Zahl, mit der man planen sollte, wenn einer der beiden Anbieter Rabatte gewährt. Die Kosten pro Aufgabe sind die richtige Zahl, denn sie berücksichtigen, wie viele Token jedes Modell verbraucht, um dasselbe Dokument zu beantworten, und genau das veröffentlicht Artificial Analysis zusammen mit dem Index.

• Je Million Eingabe-Tokens — d1.2-ultra 0,042 $, Drex Max v1.1 0,03 $.

• Pro Million Aufgaben zu aktuellen Preisen — d1.2-ultra 133 $, Drex Max v1.1 103 $, wobei letzteres als vorübergehender Einführungspreis gekennzeichnet ist.

• Pro Million Aufgaben zum Standardpreis — d1.2-ultra 133 $, Drex Max v1.1 ungefähr 206 $, laut eigener Anmerkung des Boards, dass seine Kosten doppelt so hoch wären.

• Klassenmedian — $135 pro Million Aufgaben, sodass das Liquid-Modell knapp darunter liegt und das Nace-Modell deutlich darüber liegen wird.

Diese Umkehrung ist wichtiger, als die Zwei-Cent-Lücke bei den Tokens vermuten lässt, denn sie ändert, zu welchem Modell man bei hohem Volumen greift. Die Drex-Reihe ist in dieser Kategorie seit dem Start von v2 am 8. November die günstige Option gewesen; wenn der Rabatt eine Einführungsaktion und keine Neupreisgestaltung ist, wird die günstige Option die teure, ohne dass sich auch nur ein einziger Benchmark-Wert ändert. Wer sein Budget an der Zahl von $103 ausgerichtet hat, sollte Nace fragen, wann der Standardpreis in Kraft tritt, bevor er den Traffic eines Quartals darauf festlegt.

Woraus die 2,2 Punkte tatsächlich bestehen

A headless-browser screenshot of the Artificial Analysis model page for Drex Max v1.1, captured 17 November 2026 in English, showing the Nace.AI vendor label, the heading ‘Drex Max v1.1: Release, Decision Index Score, Performance & Price’, a Decision Index score of 73, a 262k-token context window, and a summary describing the model as amongst the leading decision models and reasonably priced, but notably slow.

Der Gesamtwert ist nah dran. Die Komponenten sind es nicht, und sie zeigen in unterschiedliche Richtungen, was der nützliche Teil ist.

• AA-Symmetry, 15 % — der größte Abstand unter den sechs. d1.2-ultra erzielt 86,34 gegenüber 79,82 von Drex Max v1.1. Beim strengeren All-Pass-Maß, das dieselbe Antwort über Paraphrasen hinweg statt eines guten Durchschnitts verlangt, sind es 56,7 % gegenüber 53,3 %. Drex Max v1.1 war in diesem Test bereits das zweitbeste Modell seiner eigenen Familie; das Liquid-Modell ist einfach stabiler bei Umformulierungen.

• AA-Paperclip, 30 % – 75,81 gegenüber 72,82 beim Entscheidungs-Score und 67,7 % gegenüber 63,0 % vollständig korrekter Dokumente. Drei Prozentpunkte bei der Dokument-All-Pass-Rate sind der größte Einzelbeitrag zur Indexlücke und diejenige, die sich am direktesten auf eine reale Extraktionspipeline abbilden lässt, denn ein Dokument, dem eine von fünfzehn Antworten fehlt, zählt in jedem Fall als Fehler.

• When2Call, 10 % — 96,49 gegenüber 95,26. Beide liegen nahe an der Obergrenze der Bewertung; ein Punkt und ein Viertel bei einem Test, bei dem die gesamten Top Ten innerhalb eines Zwei-Punkte-Bereichs liegen, ist kein Unterscheidungskriterium.

• EvalSafe-O*NET-AA, 15 % – 89,53 gegenüber 88,32, ebenfalls ein Unterschied wie ein Münzwurf.

• AA-Omniscience-Decision v1.1, 15 % – 60,80 gegenüber 60,27. Bei der Punktzahl praktisch gleichauf und darunter gespalten: Drex beantwortet mehr dieser Fragen korrekt, 28,0 % gegenüber 23,6 %, während d1.2-ultra ehrlicher auf eine Antwort verzichtet, 83,8 % Nicht-Halluzination gegenüber 65,3 %.

• HLE-MultiChoice v1.1, 15 % — 46,36 gegenüber 46,61, der einzige Entscheidungswert, den Nace gewinnt – um einen Viertelpunkt. Dahinter ist der rohe Genauigkeitsabstand nicht ein Viertelpunkt: 8,25 % gegenüber 2,36 %.

Wo Drex Max 1.1 noch gewinnt – und warum es sich dabei nicht um einen Rundungsfehler handelt

Drei Dinge auf dem Brett sprechen für das Nace-Modell, und die ersten beiden sind von der Sorte, die entscheidet, ob eine Arbeitslast überhaupt möglich ist.

Das Kontextfenster ist der große Punkt. Drex Max v1.1 akzeptiert 262k Tokens; d1.2-ultra akzeptiert 66k, was selbst doppelt so viel ist, wie das vorherige Flaggschiff von Liquid bot. Das ist ein vierfacher Unterschied bei der Größe des Zustands, den man dem Modell in einem einzigen Aufruf übergeben kann, und keines der beiden Modelle erzeugt Ausgabe-Tokens, es gibt also kein Ausgabebudget, das man dagegen aufrechnen könnte. Ein 200-seitiger Vertrag, eine lange Schadensakte oder ein Aktenbündel aus mehreren Dokumenten, das in eine einzige Drex-Anfrage passt, muss auf der Liquid-Seite in Chunks aufgeteilt, erneut abgefragt und wieder zusammengesetzt werden – und jede Chunk-Grenze ist eine Stelle, an der eine dokumentübergreifende Frage nicht mehr beantwortbar ist.

Der zweite Punkt ist Wissen. Bei HLE-MultiChoice beantwortet Drex 8,25 % der Fragen korrekt gegenüber 2,36 %, und bei AA-Omniscience-Decision beantwortet es 28,0 % gegenüber 23,6 % – während es sich deutlich seltener enthält. Die hohen Nicht-Halluzinationsraten von d1.2-ultra sind teils Tugend, teils Symptom: Ein Modell, das in drei von vier Fällen „Ich weiß nicht“ sagt, ist gut kalibriert und bei einer Frage, die tatsächlich eine Antwort hat, nicht sehr nützlich. Wenn Ihre Aufgabe Entscheidungen über Dokumente sind, ist dieser Kompromiss in Ordnung. Wenn es Entscheidungen sind, die Wissen erfordern, ist Drex das Modell, das mehr weiß.

Der dritte Punkt ist die Geschwindigkeit, und zwar nur auf dem Papier. 283 ms gegenüber 218 ms pro Aufgabe im Index, beide langsamer als der Klassenmedian von 209 ms, und beide schnell genug, dass keiner in einer Pipeline, die irgendetwas anderes erledigt, zum Engpass wird.

Die beiden Modelle sind nicht austauschbar, was die Wahl vereinfacht.

Keine noch so ausgefeilte Indexarithmetik macht diese austauschbar, und vorzugeben, das Gegenteil sei der Fall, ist genau der Punkt, an dem die meisten Vergleichstexte schiefgehen. Das eine ist ein Dokumentenleser mit 66k Token, abgestimmt auf Kalibrierung und Paraphrasenstabilität; das andere ein Leser mit 262k Token, der seinen Preis diskontiert und mehr schwierige Fragen beantwortet. Der Übergangspunkt ist kein Score, sondern eine Zustandsgröße.

• Wenn Ihre Zustände in 66k passen und Sie die Wahrscheinlichkeit als Schwellenwert verwenden — über 0,9 automatisch genehmigen, darunter eskalieren —, ist d1.2-ultra das bessere Instrument. Bester Brier-Score der 24 Modelle auf dem Board bei 0,150, gegenüber 0,160 für Drex, und ein um sechs und einen halben Punkte höherer Symmetrie-Score.

• Wenn Ihre Zustände über 66k hinausgehen oder Ihre Fragen Wissen statt Lesen erfordern, ist Drex Max v1.1 der Einzige der beiden, der die Aufgabe überhaupt bewältigen kann, und die Indexlücke ist nicht mehr die entscheidende Zahl.

• Wenn Sie bei hohem Volumen kostenempfindlich sind und der Nace-Preis stabil bleibt, ist Drex heute pro Aufgabe günstiger. Kehrt er wieder auf das frühere Niveau zurück, ist es das teurere der beiden, und das Liquid-Modell gewinnt sowohl bei Score als auch bei Kosten.

Beides testen, ohne auf eines zu setzen

Keines der beiden Modelle steht in unserem Katalog, und nichts hier ist eine Verfügbarkeitsaussage für eines von beiden: d1.2-ultra wird über Liquids eigene API bereitgestellt, Drex Max v1.1 über die von Nace. Das ist genau die Situation, in der sich eine Routing-Schicht bezahlt macht, statt nur eine Kostenposition zu sein, denn die Frage, die ein Team tatsächlich hat – reproduziert sich die 2,2-Punkte-Lücke auf meinen Dokumenten? –, wird beantwortet, indem man dieselben Zustände durch beide Modelle laufen lässt, nicht indem man ein Leaderboard liest.

Das dritte Modell, das es wert ist, in diesen Test aufgenommen zu werden, ist Jev 1.14, das wir tatsächlich hosten – und zwar zu 0,042 US-Dollar pro Million Eingabetoken für dieselbe systemoneAnfrageform. Es führt EvalSafe-O*NET-AA mit 91,14 an – die einzige Komponente, bei der keines der beiden anderen an erster Stelle steht – und antwortet in 92 ms, mit großem Abstand das schnellste der drei. Ein dreigleisiger Shadow-Run über einen Schlüssel, bei dem die Routing-DSL dieselbe Nutzlast an jedes Modell sendet und automatisches Failover einen Produktionspfad am Leben hält, falls ein Anbieter einen schlechten Nachmittag hat, ist ein günstigerer Weg, das zu klären, als ein Beschaffungszyklus.

Was man sehen sollte, und wann

Zwei Daten entscheiden dieses Duell. Das erste ist der Zeitpunkt, zu dem Naces Einführungspreis endet: Bei $103 pro Million Aufgaben ist Drex Max v1.1 die günstige Wahl, bei rund $206 die Premium-Option, und der Indexwert ändert sich in beiden Fällen nicht. Fragen Sie nach, bevor Sie budgetieren.

Die zweite ist die nächste Indexrevision. Decision Index v2.1 ist aktuell genug, dass das Board noch einen Hinweis darauf trägt, dass es am 16. November aktualisiert wurde, und eine Lücke von 2,2 Punkten zwischen dem ersten und dem zweiten liegt innerhalb des Bereichs, den eine Komponentenrevision verschieben kann. Wenn das private Dokumentenset von AA-Paperclip aktualisiert wird, ist die mit 30 % gewichtete Komponente, die den größten Teil der Lücke ausmacht, diejenige, die sich zuerst bewegen wird.

Bis dahin lautet die ehrliche Zusammenfassung: d1.2-ultra ist den Belegen zufolge das bessere Modell, mit einem Vorsprung, der beim Composite klein und bei Symmetrie und Dokument-All-Pass-Rate groß ist, und es ist das günstigere Modell pro Aufgabe, sobald der Nace-Rabatt ausläuft. Drex Max v1.1 bleibt das einzige der beiden, das einen Zustand von 200k Token aufnehmen kann, und bei Fragen, die Wissen statt Lesen erfordern, ist es nach wie vor das stärkere der beiden. Entscheiden Sie zuerst nach Zustandsgröße, dann nach Preis und dann nach Index.

A headless-browser screenshot of the OrcaRouter model page for typesafe/jev-1.14, captured 17 November 2026 in English, showing the /v1/systemone endpoint, Zero Data Retention availability, an input and output list price of $0.04, and measured latencies of 182 ms and 372 ms.