
Karpo Decision 31B führt ein Board mit 307 Modellen an – ohne einen Launch-Post auf seinen Namen.
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 184 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 · 87 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 96 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 · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 77 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 · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 69 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 · 41 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 · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 111 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
Am 12. November 2026 setzte der Decision Index — die Community-Rangliste, die offene Reproduktionen von TypeSafe's Jev verfolgt — Karpo Decision 31B auf Platz eins seiner Full score mit 73,9, dem höchsten Wert unter 307 Einträgen. In derselben Woche machte die Behauptung die Runde, dass dieses Modell, ein Fine-Tune von Googles offenem Gemma 4 31B, Googles eigenes Modell übertrifft — Gemini Decision 1. Nur eine der beiden Aussagen kann ein Leser heute überprüfen, und der Unterschied zwischen ihnen ist die ganze Geschichte. Dass die Rangliste Karpo auf Platz eins setzt, ist öffentlich, datiert und aus einer 45-MB-Ergebnisdatei reproduzierbar, die das Labor veröffentlicht hat. Der Direktvergleich mit Gemini Decision 1 wurde nie durchgeführt: Die beiden Modelle teilen sich keine einzige Rangliste, und die Instrumente, mit denen sie bewertet wurden, sind nicht dasselbe Instrument.
Was die erste Hälfte seltsam macht, ist nicht das Ergebnis. Es ist die Stille darum herum. MachinePulse Pte. Ltd., das singapurische Unternehmen hinter Karpo, legte am 5. November 2026 das Hugging-Face-Repository an, veröffentlichte am selben Tag ein Inferenz-Repository auf GitHub und brachte am 12. November fünf kleinere Geschwistermodelle heraus – 12B, 9B, 4B, 2B und 0.8B. Zum Zeitpunkt dieses Textes gibt es keine Produktseite, keinen Blogbeitrag, keine Preisangaben, keine Modellankündigung und keine API. Die eigene Website des Unternehmens liefert auf jedem Pfad, der eine solche enthalten würde, einen 404. Karpo existiert als Gewichte, eine README, ein Python-Paket und eine Zeile in einer Bestenliste. In diesem Beitrag geht es darum, was diese vier Dinge Ihnen sagen können und was nicht.

Die Termine – und warum sie diesmal wichtiger sind als sonst
Der Zeitstempel der Repository-Erstellung ist der 5. November 2026 um 15:33 UTC. Der GitHub-Inferenzcode wurde zweiundzwanzig Minuten später erstellt. Der Datensatz des Decision-Index-Laufs – das, was die 73,9 auditierbar macht – wurde am 6. November um 05:18 UTC hochgeladen. Die README wurde am 16. November noch bearbeitet, wobei die letzten beiden Commits nichts außer einer Copyright-Zeile und einer Lizenzangabe änderten.
Das ist ein zwei Wochen altes Modell mit einem aktiven Repository und ohne Launch. Es ist kein Leak und keine Umbenennung von etwas Älterem: Die Gewichte sind neu, die Lizenzdatei ist neu, und die Modellfamilie aus sechs Modellen wurde an einem einzigen Nachmittag veröffentlicht. Was es ist, ist ein Labor, das beschlossen hat, das Artefakt vor dem Marketing zu veröffentlichen.
Was genau die 73.9 misst

Der Decision Index steht derzeit in Ausgabe 0.4.1. Sein Full-Score wird von den Maintainern des Boards anhand privater Tests berechnet: etwa 60 % der Aufgaben stammen aus denselben Fähigkeitsbereichen wie die öffentliche Suite und 40 % aus Domänen, die die öffentliche Suite nicht abdeckt. Karpos Zeile zeigt 73,9 Full, mit 70,7 im Teil mit denselben Fähigkeiten und 78,6 im Teil mit den neuen Domänen. Diese beiden letzten Zahlen stehen in einer ungewöhnlichen Reihenfolge — ein Modell schneidet auf unbekanntem Terrain normalerweise schlechter ab als bei den Fähigkeiten, auf die es abgestimmt wurde —, und die Karte gibt dies ohne Kommentar an.
Die Rangliste vergibt einen einzigen Rang an Modelle innerhalb von 0,9 Punkten des Führenden, deshalb belegt Karpo den ersten Platz nicht allein. GLiDE 27B teilt sich mit 73,4 den #1-Platz. Dahinter folgen REAX 1.3 mit 72,6, Logits Sigma-1 Duo mit 72,3, Copernicus-31B mit 72,1 und KnowLine 31B Gen1.5 mit 71,9. Das ist eine dicht gedrängte Spitze, kein einsamer Spitzenreiter.
Die zweite Zahl auf der Karte, 75,05, hat eine andere Herkunft und sollte anders gelesen werden. Das ist der öffentliche Index, und er stammt aus MachinePulses eigenem Lauf des offiziellen Bewertungskits – 140.178 bewertete Anfragen, neun davon zurückgewiesen, weil eine einzelne Frage samt ihrem Zustand das Fenster von 32.768 Token überschritt. Der Vorstand hat diesen Lauf übernommen. Der Grund, ihm mehr zu vertrauen als einer typischen Anbieterzahl, ist, dass das Laufverzeichnis öffentlich ist: results.jsonl.gz, eine Datei mit Bewertungen pro Anfrage, ein Umgebungsmanifest. Jeder kann das Kit erneut ausführen und vergleichen. Die Übernahme durch den Vorstand selbst ist der Prüfschritt. Das ist ein strengerer Maßstab, als die meisten Markteinführungsversprechen erfüllen, und es ist dennoch nicht dasselbe, als würde ein unabhängiges Labor das Modell auf seiner eigenen Hardware bewerten.
Zwei Bezeichnungen also, und sie sollten nicht zusammengelegt werden: Der Full score wird von Dritten aus privaten Tests berechnet; der öffentliche Index wird vom Ersteller selbst aus einer öffentlichen Suite berechnet und übernommen. Keines von beiden ist ein Anbieter-Benchmark im üblichen Sinn. Keines von beiden ist Artificial Analysis.
Warum „beats Gemini Decision 1“ noch keine gemessene Aussage ist
Gemini Decision 1 hat einen Wert. Artificial Analysis hat es auf 65,98 im Decision Index v2.1 bewertet, einem zusammengesetzten Index aus sechs Bewertungen, die über Dokumententscheidungen, Tool-Aufrufe, Wissen, Schlussfolgern und Invarianz gewichtet sind. Auf dieser Rangliste steht es an elfter Stelle der Entscheidungsmodelle, die AA bewertet, unter d1.2-ultra mit 74,85, Drex Max v1.1 mit 72,62 und SubQ Snap 1.2 mit 72,58 und über Microsoft-Decision-1 mit 62,07. Die Bewertung stammt von AA, erfolgt auf der Hardware von AA, und der Betrieb kostet 345 US-Dollar pro Million Aufgaben.
Karpo erscheint auf diesem Board überhaupt nicht. Artificial Analysis hat weder eine Seite noch eine Zeile dafür. Auch Gemini Decision 1 erscheint nicht im Decision-Index-Tracker, der Karpo führt – dieses Board ist ein Register offener Reproduktionen, und Googles Modell ist ein geschlossenes, reines API-Produkt ohne Gewichte, die sich reproduzieren ließen.
Der Vergleich, den alle anstellen, ist also ein Rückschluss aus zwei Zahlen, die von zwei Organisationen auf zwei Testsuiten mit unterschiedlichen Aufgabenmischungen, unterschiedlichen Anteilen privater Tests und unterschiedlichen Bewertungsformeln erzeugt wurden. 73,9 ist nicht größer als 65,98 – in keinem Sinn, der den Kontakt mit der Methodik übersteht. Würde man beide morgen durch dasselbe Kit laufen lassen, könnte Karpo durchaus gewinnen – sein Profil pro Kategorie ist stark –, aber niemand hat es laufen lassen, und die Schlagzeile ist derzeit eine Hypothese, die die Kleider eines Ergebnisses trägt.
Es gibt noch eine weitere Feinheit, die man kennen sollte, denn sie spricht gegen die Behauptung und nicht für sie. In den fünf Kategorieaufschlüsselungen des Trackers ist Karpos schwächster Bereich Wissen und Schlussfolgern, mit 65,5 zufallskorrigierter Kompetenz. Sein stärkster Bereich sind Werkzeuge und Automatisierung, mit 88,4. Auf dem AA-Board ist die einzige Komponente, bei der Gemini Decision 1 fast alles schlägt, die Wissenskomponente: 66,3 bei AA-Omniscience, der höchste Wert der vier hier geprüften Modelle. Der Bereich, in dem das Google-Modell am besten ist, ist der Bereich, in dem das Gemma-Fine-Tuning vergleichsweise am schwächsten ist. Ein direkter Vergleich wäre dort ein echtes Kräftemessen, kein Spaziergang, und genau deshalb sollte der nicht durchgeführte Vergleich nicht als Sieg gemeldet werden.
Der Teil der Karte, der interessanter als das Ranking ist

Karpo ist kein Chat-Modell mit einem JSON-Modus. Es ist ein Readout. Jede Option in einer Frage erhält einen Optionscode, und ein linearer Head bewertet 255 Codes an einem festen Slot und führt anschließend Softmax über die Optionen durch, die die Frage tatsächlich angeboten hat. Es wird nichts generiert, daher ist die Antwort immer eine der von dir gelieferten Auswahlmöglichkeiten, und die Ausgabekosten sind strukturell null.
Die Architektur verdient einen Absatz, weil sie die Latenz erklärt. Eine Anfrage besteht aus einem Zustand plus beliebig vielen Fragen, als eine einzige Sequenz kodiert: zuerst die Fragen, dann der Zustand, dann ein Zweig pro Frage. Branch-Attention ermöglicht es einem Zweig, den gemeinsamen Block und sich selbst zu lesen, niemals einen anderen Zweig. Der Zustand wird einmal berechnet. Hundert Fragen zu einer Rechnung kosten daher ungefähr einen Durchlauf über die Rechnung, nicht hundert.
• Parameter — 31,3 Mrd. in bf16, plus ein Readout der Größe 255 × 5.376 in fp32; etwa 62,5 GB auf der Festplatte.
• Kontext — 32.768 Token pro Sequenz; eine längere Anfrage wird nach Frage aufgeteilt, wobei jeder Teil den vollständigen Zustand mitführt, und eine Frage, die immer noch nicht passt, wird abgelehnt statt gekürzt.
• Eingabe — Text, JSON und Bilder; ein Screenshot kann als state.viewport_screenshot oder als Daten-URL übergeben werden.
• Fragetypen — choice mit bis zu 255 Optionen, noul für Wahr/Falsch, score für eine geordnete Stufe.
• Schnittstelle — eine Python-API und ein HTTP-Server nach dem Muster von System One, POST /v1/systemone.
• Lizenz — Apache-2.0 für die Gewichte und den Code, wobei Gemma 4s eigene Lizenz daneben im Repository mitgeführt wird.
Die gemessene Latenz auf der Referenzhardware des Trackers – eine GPU und jeweils eine Anfrage – beträgt im Median 94 ms. Das ist nicht schnell genug, um in einer Agentenschleife pro Schritt unsichtbar zu sein, die pro Zug zwanzig kleine Aufrufe ausführt, und es ist schnell genug, um hinter einem Tool-Call-Gate zu sitzen, das pro Konversation eine Handvoll Mal ausgelöst wird. Die Karte meldet außerdem einen Kalibrierungsfehler von 4,8 Punkten – die Zahl, von der ein Deployment tatsächlich abhängt: Genauigkeit sagt dir, wie oft die Top-Antwort richtig ist; Kalibrierung sagt dir, ob sich auf die zugehörige Wahrscheinlichkeit ein Schwellenwert anwenden lässt.
Was nicht bestätigt ist, klar gesagt
Es gibt keinen Preis. Nicht „undisclosed pending launch“ – keine Preisliste, kein gehosteter Endpunkt, keine Konsole, keine Testversion. Wer Karpo Decision 31B heute will, lädt 62,5 GB herunter und führt es auf der eigenen GPU mit dem Loader des Repositories aus. Das Laden des Checkpoints als gewöhnliches Chatmodell wird seine Antworten nicht reproduzieren; sowohl die Branch-Attention als auch das Readout sind erforderlich.
Es gibt keine unabhängige Bewertung. Der Decision Index ist inoffiziell und wird von der Community gepflegt. Er ist sorgfältig, gut dokumentiert und ungewöhnlich transparent in Bezug auf die Methodik, und er ist nicht Artificial Analysis, und er wurde nicht gebeten, dieses Modell auf seiner eigenen Hardware zu bewerten. Das stärkste Element von Drittanbietern ist, dass seine Maintainer den Full score anhand von Tests berechnet haben, die der Anbieter nie gesehen hat.
Es gibt keine Aussage des Anbieters dazu, wofür das Modell entwickelt wurde, die über die Beschreibung im README selbst hinausgeht: die kleinen Entscheidungen, die ein Agent bei jedem Schritt trifft – ob er ein Tool aufruft oder zuerst nachfragt, auf welches Element auf einer Seite er klicken soll, ob eine Rücksendung gemäß einer Richtlinie zulässig ist. Diese Beschreibung ist die Rahmung des Labors, kein unabhängig validierter Geltungsbereich.
Und es gibt keine Ankündigung. Nicht einmal eine leise, nicht einmal einen Changelog-Eintrag. Zwei Wochen, nachdem die Gewichte veröffentlicht wurden, besteht die öffentliche Präsenz des Unternehmens aus einer Stellenanzeigenseite und einer anderen Produktlinie.
Was das für ein Team bedeutet, das es ausprobieren möchte
Die ehrliche Zusammenfassung ist, dass Karpo Decision 31B das interessanteste offene Entscheidungsmodell der vergangenen zwei Wochen und zugleich das am wenigsten belegte ist. Sein Vorsprung ist real, aber geteilt, sein öffentlicher Index ist reproduzierbar, sein Private-Test-Ergebnis stammt tatsächlich von Dritten, und seine zentrale Marketingbehauptung – dass ein Gemma-Fine-Tuning Google in dessen eigenem Entscheidungsmodell nun schlägt – ist nicht gemessen.
Für Teams, die bereits eine Entscheidungsschicht betreiben, ist der praktische Weg ein Shadow-Deployment statt einer Migration. Behalten Sie das Modell bei, das den Produktionsverkehr trägt, führen Sie Karpo offline auf denselben Anfragen aus und vergleichen Sie die Wahrscheinlichkeiten statt der Labels: Ein Kalibrierungsfehler von 4,8 Punkten bedeutet, dass ungefähr jede zwanzigste Antwort zuversichtlicher falsch ist, als ihre angegebene Wahrscheinlichkeit nahelegt, und Ihre Schwellenwertrichtlinie ist es, die daraus entweder eine Warteschlange für menschliche Überprüfung oder einen Vorfall macht. Wenn Sie den Rest des Stacks auf einen Endpunkt standardisieren, sind die Modelle, die Sie diese Woche tatsächlich erreichen können, die im Katalog — Gemma 4 31B selbst, das die Basis von Karpo ist und wird über one API für 200+ Modelle zum Listenpreis des Anbieters ohne Aufschlag bereitgestellt, und TypeSafe's Jev 1.14, das Modell, auf das dieses ganze Open-Reproduction-Board abzielt. Karpo wird sich seinen Platz so verdienen müssen, wie es die anderen getan haben: indem es aufrufbar ist.
Nicht die 73,9 ist entscheidend. Entscheidend ist, ob MachinePulse im nächsten Monat eine Produktseite, einen Preis und eine AA-Einreichung liefert. Ein Labor, das Gewichte vor einer Website veröffentlicht, hat meist einen Grund, und dieser Grund zeigt sich in der Regel entweder als gehosteter Endpoint oder als Pivot. So oder so wird die erste unabhängige Zahl auf dem AA-Board in einer Woche klären, was zwei Wochen Leaderboard-Arithmetik nicht geklärt haben.
