
Drex Max v1.1 vs. Liquid AI d1-ultra: Zwei multimodale Scorer und eine Schlagzeile, die nicht mehr zutrifft
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 180 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 223 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 89 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 98 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
Liquid AI d1-ultra wurde am 15. Oktober 2026 mit einem Satz ausgeliefert, der damals vertretbar war: Es „übertreffe alle anderen Entscheidungsmodelle im Artificial Analysis Decision Index um mindestens 8 Punkte“. Drei Wochen später ersetzte Artificial Analysis diesen Index durch v2, bewertete siebzehn Modelle anhand neuer Daten neu, und d1-ultra landete mit 70,4 auf dem fünften Platz – hinter Drex Max v1.1 mit 73,4, GLiDE v1.2 mit 72,8, Mammoth 27B mit 72,4 und, um drei Hundertstel Punkte, Perplexitys Decider v1.2 mit 70,5. Der Vorsprung von acht Punkten ist dahin, und er wurde nie mit diesem Instrument gemessen.
Das ist der Rahmen für diesen Vergleich, und es lohnt sich, präzise zu sein, was er bedeutet und was nicht. Er bedeutet nicht, dass d1-ultra schlechter geworden ist. Er bedeutet, dass sich das Leaderboard unter einer Aussage verändert hat, die noch gegen das alte Leaderboard getroffen wurde – was die übliche Gefahr ist, wenn man eine Leaderboard-Position zitiert, als sei sie eine Eigenschaft des Modells. Beide sind starke multimodale Entscheidungs-Scorer. Sie liegen auch näher beieinander, als das Marketing beider Anbieter impliziert, und sie sind gut in sichtbar unterschiedlichen Dingen.
Wo die beiden Modelle übereinstimmen, was den Großteil der Oberfläche ausmacht
Beide sind im strengen Sinne Entscheidungsmodelle: Man sendet einen Zustand und typisierte Fragen, ein Forward-Pass liefert eine Wahrscheinlichkeit pro Option, und es wird kein Text generiert. Beide nehmen Bilder zusammen mit Text entgegen. Beide beantworten dieselben drei Frageformen – eine Auswahl unter benannten Optionen, ein Ja/Nein und einen Punktwert auf einer Skala. Beide berechnen nur den Input, der Output wird nicht berechnet, da es keinen Output gibt.
• Modalität — Drex Max v1.1 liest Text, Screenshots, Diagramme, Formulare, gescannte Dokumente, Fotos und Video-Einzelbilder, acht Bilder pro Anfrage. d1-ultra liest Text, Bilder oder beides; Liquids Beispiel zur Markteinführung ist ein Foto einer Leiterplatte, das gegen ihre Spezifikation geprüft wird.
• Preis pro Million Eingabe-Tokens — 0,03 $ für Drex Max v1.1 während seiner Einführungsphase (50 % Rabatt auf einen Listenpreis von 0,06 $), 0,042 $ für d1-ultra. Nace ist heute günstiger und könnte es nach Ende des Rabatts nicht mehr sein.
• Bildabrechnung — Drex Max v1.1 zählt Bild-Token innerhalb des Limits von 131.072 Token pro Frage. d1-ultra berechnet 1,5 Token pro 32×32-Pixel-Patch, sodass ein Bild mit 1024×1024 Pixeln 1.536 Token kostet, und rechnet jede Frage als eigenen Prompt ab, einschließlich aller Bilder.
• Kontext — 131.072 Token pro Frage für Drex Max v1.1, mit 262.144 für die gesamte gepackte Anfrage. Liquid veröffentlicht kein vergleichbares Fenster pro Frage.
• Verfügbarkeit — Drex Max v1.1 wird über Naces API und Konsole vertrieben; d1-ultra über die Liquid API und Konsole. Keines der beiden steht auf unserer Streckenliste, und nichts hier ist eine Verfügbarkeitsaussage unsererseits.
Diese Abrechnungsregel pro Frage bei d1-ultra ist das Detail, das die Kosten bei Dokumenten im großen Maßstab entscheidet, und der Vorstand hat es gemessen. Artificial Analysis berichtet für Drex Max v1.1 von etwa 9.000 Eingabe-Tokens für eine Dokumentenaufgabe mit fünfzehn Fragen gegenüber ungefähr 63.000 bei Modellen, die die Eingabe pro Frage erneut abrechnen — und die Kosten pro Aufgabe von d1-ultra lagen bei 132 $ gegenüber 102 $ bei Drex, nahe am Verhältnis ihrer Listenpreise und etwas schlechter.
Die Platine, Bauteil für Bauteil
Die Gesamtlücke beträgt 2,9 Punkte. Die Lücken in den Einzelbereichen sind äußerst ungleichmäßig, und das Muster ist konsistent: Drex gewinnt bei Dokumenten, d1-ultra gewinnt beim Wissen und beim Ablehnen einer Antwort.

• Entscheidungsindex v2 — Drex Max v1.1 73,39, d1-ultra 70,45.
• Genauigkeitsindex — Drex Max v1.1 58,41, d1-ultra 54,94, also der Wert ohne die Kalibrierungskomponente.
• AA-Paperclip Bewertung der Dokumententscheidung — Drex Max v1.1 72,82, d1-ultra 64,69. Trefferquote bei allen fünfzehn: 63,0 % gegenüber 51,3 %.
• When2Call-Tool-Aufruf — Drex Max v1.1 95,26, d1-ultra 93,83. Knapp beieinander, und beide weit über den 84,39 von Jev 1.14.
• AA-Symmetrie-Paraphrase-Konsistenz — Drex Max v1.1 84,96, d1-ultra 77,81, eine Lücke von 7 Punkten, die die zweitgrößte Abweichung im Set ist.
• AA-Omniscience-Decision — d1-ultra 64,39, Drex Max v1.1 60,27. Die einzige Bewertung, bei der sich die Reihenfolge umkehrt.
• HLE-MultiChoice — d1-ultra 47,39, Drex Max v1.1 46,61, aber bei der Rohgenauigkeit liegt d1-ultra bei 6,09 % und Drex bei 8,25 %.
• Enthaltung – d1-ultra lehnt 88,61 % der Allwissensfragen ab, die es nicht beantworten kann, Drex Max v1.1 65,28 %, Microsoft-Decision-1 21,74 %.
• Zeit pro Aufgabe — Drex Max v1.1 275 ms, d1-ultra 295 ms.
• Kosten pro 1 Mio. Aufgaben — Drex Max v1.1 102 $, d1-ultra 132 $.
Lies die Zeile zur Enthaltung zweimal, denn sie erklärt die Allwissenheitszeile und ist die am wenigsten intuitive Eigenschaft auf der Übersicht. Der höhere Allwissenheits-Entscheidungswert von d1-ultra beruht nicht vor allem auf Wissen: Seine Rohgenauigkeit dort beträgt 28,0 %, genauso hoch wie die von Drex Max v1.1. Es erzielt einen höheren Wert, weil es viel häufiger „Ich weiß es nicht“ sagt und die Bewertungsfunktion das belohnt. Mammoth 27B und Elephant 9B führen die Symmetrie-Bewertung aus demselben Grund an – Artificial Analysis erklärt rundheraus, Basetens Modelle „räumen durchgängig ein, dass sie eine Antwort über verschiedene Fragevarianten hinweg nicht mit hoher Sicherheit wissen“.
Nichts davon ist ein Fehler in der Metrik. Es ist eine Aussage darüber, was man kauft. d1-ultra ist das Modell der Wahl, wenn eine unbeantwortete Frage billiger ist als eine falsche. Drex Max v1.1 ist das Modell der Wahl, wenn etwas mit einer Entscheidung zurückkommen muss und der Tail mit geringer Konfidenz an einen Menschen geht.

Was Liquids eigene Evaluierung gemessen hat – und was nicht
Der Launch-Beitrag von Liquid vergleicht d1-ultra mit d1 und Jev 1.14 über „112 einzigartige Evaluierungen“ und berichtet, dass es Jev bei jeder einzelnen übertrifft, mit besserer Kalibrierung zum selben Preis. Das ist ein vom Anbieter durchgeführter Vergleich auf einem vom Anbieter gewählten Instrument und sagt nichts über Drex Max aus, das darin nicht vorkommt. Die Behauptung zum Acht-Punkte-Index wurde gegenüber Decision Index v1.0 erhoben, veröffentlicht am 13. Oktober 2026 – zwei Tage bevor d1-ultra existierte – und diese Rangliste führte d1-ultra nie auf.
Der Anbieter stellt tatsächlich eine Behauptung auf, die das neue Board bestätigt: Er hat d1-ultra gezielt darauf trainiert, weniger übermäßig selbstsicher zu sein, und die Kalibrierung, die sich bei Omniscience mit 64,39 gegenüber Jevs 60,14 zeigt, sowie ein bei vergleichbarer Genauigkeit um 2,0 Punkte höherer Composite-Wert als Jev sind real. d1-ultra mit 70,45 gegenüber Jev 1.14 mit 66,96 auf demselben Instrument ist eine echte Verbesserung gegenüber dem bisherigen Modell, unabhängig gemessen.

Die Behauptung, die nicht standhält, ist die Rangfolge. Auf v2 liegt d1-ultra auf Platz fünf von siebzehn, und die vier Modelle darüber liegen alle innerhalb von 3 Punkten. Eine Spanne von 3 Punkten über die besten fünf ist keine Hierarchie; sie ist ein Gleichstand, der dadurch aufgelöst wird, welche Komponente Ihre Workload zufällig stärker gewichtet.
Was man tatsächlich ausführen sollte
Beide Modelle werden gehostet, keines steht in unserem Katalog, und die ehrliche Art, zwischen ihnen zu wählen, ist ein Bake-off auf Ihren eigenen Zuständen statt auf der Suite eines der beiden Anbieter. Wenn Sie ihn durchführen, dann an dem, was der Vorstand bestraft: Alles-oder-nichts-Dokumente. Ein Modell, das 97 % der einzelnen Antworten richtig hat und 63 % der Dokumente vollständig richtig, ist nicht doppelt so gut wie eines mit 51 %; es ist genau so gut wie die Wahrscheinlichkeit, dass keine von fünfzehn abhängigen Antworten falsch ist, was Ihre Pipeline erleben wird.
Was ein Router hier ändert, ist nicht die Wahl zwischen diesen beiden – wir führen keine von beiden –, sondern die Form der Pipeline um sie herum. Beide sind Scorer, die vorgelagert zu etwas sitzen, das schreibt. Der Schreibschritt ist ein allgemeiner Modellaufruf, und das ist der Teil, in dem ein Endpoint mit 200+ Modellen, durchgereichter Listenpreis des Anbieters ohne Aufschlag pro Token und automatisches Failover dir tatsächlich eine Integration erspart, weil das Modell, auf das du routest, sich häufiger ändern wird als der Scorer.
Wenn Sie heute einen einzigen Grund suchen, Drex Max v1.1 zu bevorzugen, dann ist es nicht der 2,9-Punkte-Gesamtwert. Es ist, dass es schneller, pro Aufgabe günstiger und sieben Punkte konsistenter ist, wenn dieselbe Frage auf zwei Arten formuliert wird — und Konsistenz ist die Eigenschaft, die im Produktivbetrieb leise versagt statt in einem Benchmark laut. Wenn Sie einen einzigen Grund suchen, d1-ultra zu bevorzugen, dann ist es, dass es ablehnt. Beide sind vertretbar. Keine der Schlagzeilen der beiden Anbieter ist es.
