Eine generierte Titelkarte mit der Überschrift „Karpo Decision 31B vs Drex Max 1.1“ und dem Untertitel „Zwei Boards, jeweils eine Zahl — und kein direkter Vergleich“, zwei abgerundeten Panels nebeneinander mit der Bezeichnung „Decision Index“ und der Angabe „Karpo Decision 31B 73.9“ sowie „Artificial Analysis v2.1“ mit der Angabe „Drex Max 1.1 72.62“, und ein kleiner vertikaler Chip in der Lücke zwischen ihnen mit der Aufschrift „kein gemeinsames Instrument“.
Guides & Insights

Karpo Decision 31B vs. Drex Max 1.1: Zwei Boards, jeweils eine Nummer

Autor

Elias Hawthorne

Veröffentlicht am

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

Karpo Decision 31B und Drex Max 1.1 sind sich in Größe, Form und Aufgabenbeschreibung so ähnlich, dass ein Datenblatt sie wie dasselbe Produkt von zwei Unternehmen aussehen lässt. Beide sind dichte ~30B-Modelle, die darauf feinabgestimmt sind, eingetippte Fragen zu einem Zustand in einem einzigen Forward Pass zu beantworten, ohne Text zu generieren. Beide bringen einen 255-Wege-Readout-Kopf mit, beide akzeptieren Bilder, beide lehnen eine überlange Frage ab, statt sie zu kürzen. Die Abweichung liegt nicht in der Architektur. Sie liegt darin, was jeder Anbieter von jemand anderem hat messen lassen wollen, und darin, was man anschließend mit den Gewichten tun darf. Karpo von MachinePulse hat einen Full-Score von Drittanbietern und keinen Preis. Drex Max 1.1 von Nace.AI hat einen unabhängigen Artificial-Analysis-Wert, einen veröffentlichten Preis und eine Lizenz, die die kommerzielle Nutzung einschränkt.

Keiner dieser Trades ist offensichtlich der richtige. Das ist, was jede Seite des Trades tatsächlich kostet.

Woher die Zahlen kommen, denn sie stammen nicht von derselben Stelle.

Beginnen wir mit dem unangenehmen Teil: Auf keiner einzigen Rangliste haben heute beide Modelle einen Wert.

Karpo Decision 31B erscheint im Decision Index, dem Community-Board, das offene Reproduktionen von TypeSafe's Je​v verfolgt. Seine Full score beträgt 73.9, berechnet von den Maintainern des Boards auf privaten Tests, und derzeit teilt es sich mit GLiDE 27B bei 73.4 den ersten Platz. Sein öffentlicher Index von 75.05 stammt aus MachinePulse's eigenem Lauf des offiziellen Kits und wurde vom Board übernommen, wobei die Ergebnisdatei mit 140.178 Anfragen veröffentlicht wurde, damit jeder sie erneut ausführen kann. Artificial Analysis hat überhaupt keine Zeile für Karpo.

Drex Max 1.1 ist das Spiegelbild. Artificial Analysis bewertet es mit 72,62 auf dem Decision Index v2.1 — Zweiter von 25 Entscheidungsmodellen, hinter Liquid AI d1.2-ultra mit 74,85 und vor SubQ Snap 1.2 mit 72,58. Diese Zahl stammt von AA, gemessen auf AA-Hardware mit AAs privatem Dokumentensatz. Was Karpo hat, hat Drex Max 1.1 nicht: Der Je​v-Tracker enthält eine Zeile für Drex Max v1 mit 66,60 Full und überhaupt keine Zeile für v1.1.

Der einzige verfügbare Vergleich mit demselben Instrument ist also Karpo Decision 31B mit 73,9 gegen Drex Max v1 mit 66,6 – ein Abstand von 7,3 Punkten auf einem Board, über zwei verschiedene Versionen des Nace-Modells hinweg, also genau die Art von Vergleich, die der Seite schmeichelt, die man gerade bevorzugt. Zieht man die Grenze anders, hat Drex Max 1.1 einen Wert von 72,62, während bei Karpo nichts ausgewiesen ist. Beide Aussagen sind wahr. Keine von beiden ist ein direkter Vergleich.

Die Spezifikationen, Dimension für Dimension

A generated two-column scoreboard titled 'Karpo Decision 31B vs Drex Max 1.1 — the scoreboard'. The Karpo column reads 'Params: 31.3B, 62.5 GB bf16', 'Context: 32,768 tokens', 'Score: 73.9, Decision Index', 'Price: none published', 'Licence: Apache-2.0' and 'Hosting: self-host only'; the Drex Max 1.1 column reads 'Params: dense 27B, 49 GB bf16', 'Context: 16,384 default, up to 131,072', 'Score: 72.62, Artificial Analysis', 'Price: $0.03 per million input', 'Licence: Nace.AI Open RAIL-M' and 'Hosting: served by Nace.AI'. The footer reads 'Karpo figures per the Decision Index and its model card; Drex figures per Artificial Analysis and Nace.AI.'

• Parameter — Karpo 31,3B in bf16 plus ein 255 × 5.376 fp32-Readout, etwa 62,5 GB auf der Festplatte; Drex Max 1.1 ist ein dichtes 27B-Modell, etwa 49 GB in bf16 und 26 GB mit dem Backbone in 8-Bit.

• Basismodell — Gemma 4 31B für Karpo instruktionsgetunt, Qwen3.8-27B für Drex Max 1.1. Unterschiedliche Pretraining-Korpora, unterschiedliche Tokenizer – und alles Nachgelagerte unterscheidet sich.

• Kontext — Karpo verarbeitet 32.768 Token pro Sequenz und teilt eine längere Anfrage nach Frage auf, wobei jeder Teil den vollständigen Zustand mitführt; Drex Max 1.1 verwendet standardmäßig 16.384 Token pro Anfrage, und die Dokumentation des Anbieters erhöht dies auf 131.072 pro Frage.

• Multimodalität — beide lesen Bilder nativ, und beide machen den Screenshot für jede Frage in der Anfrage sichtbar statt nur für eine.

• Fragetypen – identische Oberfläche: Auswahl mit bis zu 255 Optionen, noul für Wahr/Falsch, Score für eine geordnete Stufe.

• Schnittstelle — Karpo stellt System One unter POST /v1/systemone aus seinem eigenen Python-Paket bereit; Drex Max 1.1 hat dieselbe Form, plus llama.cpp- und Ollama-Forks für Apple Silicon und CPU.

• Lizenz — Apache-2.0 für Karpos Gewichte und Code; Nace.AI Open RAIL-M für Drex Max 1.1, bei dem es sich um offene Gewichte mit daran geknüpften Nutzungsbeschränkungen handelt.

• Hosting — Karpo hat keins. Drex Max 1.1 wird von Nace.AI für 0,03 $ pro Million Input-Tokens bereitgestellt und auf dem AA-Board als temporärer Einführungspreis gekennzeichnet.

A capture of the community Decision Index leaderboard, headed with the multimodalart jev-decision-index attribution, listing Karpo Decision 31B at 73.86 in first place ahead of GLiDE 27B at 73.37, REAX 1.3 at 72.64, Logits Sigma-1 Duo at 72.28, Copernicus-31B at 72.11, KnowLine 31B Gen1.5 at 71.91, Copernicus-57B at 71.8, FlexDM-LoRA 2.1 at 71.66, Sieve 31B v3 at 71.10, OneJev1.6g-31B at 70.86 and Turion Jev 31B at 70.47.

Die Kontextzeile ist die, die die Leute überfliegen. Eine harte Obergrenze von 32.768 Tokens mit ausdrücklicher Ablehnung ist eine andere technische Einschränkung als ein Standardwert von 16.384 Tokens, den man per Umgebungsvariable auf 131.072 erhöhen kann. Wenn Ihre Zustände Rechnungen und Support-Tickets sind, spielt keine der beiden Zahlen eine Rolle. Wenn Ihre Zustände Verträge sind, kann man dem Nace-Modell zehn davon übergeben, und Karpo kann man keinen einzigen übergeben.

Wie ein Kalibrierungsunterschied von 11 Punkten in einer Pipeline aussieht

Accuracy ist die Zahl, die Leute zitieren, und die Zahl, die für diese Modellklasse am wenigsten zählt. Der ganze Sinn eines Entscheidungsmodells besteht darin, dass seine Ausgabe eine Wahrscheinlichkeit ist, auf die ein Schwellenwert angewendet werden kann, also lautet die Frage, ob die Wahrscheinlichkeit ehrlich ist.

Karpos Karte meldet einen Kalibrierungsfehler von 4,8 Punkten: Wenn das Modell 0,9 sagt, liegt es in etwas weniger als 90 % der Fälle richtig, im Durchschnitt um etwa fünf Punkte darunter. Das AA-Profil von Drex Max 1.1 weist über den gesamten Fragensatz hinweg einen Brier-Score von 0,16 auf, was eine andere Kennzahl ist und nicht direkt vergleichbar, aber dieselbe Übersicht zeigt auch seine Konfidenzleiter: Auf der Konfidenzstufe 0,98 liegt das Modell in 97,5 % der Fälle richtig. Das ist ein Modell, dessen Antworten mit höchster Konfidenz man für bare Münze nehmen kann.

Die interessante Aufteilung bei Drex Max 1.1 zeigt sich in der Wissensbewertung. Bei AA-Omniscience erreicht es einen Entscheidungs-Score von 60,3 – dieser zusammengesetzte Wert ergibt sich jedoch aus 28 % Rohgenauigkeit bei einer Nicht-Halluzinationsrate von 65,3 %. Liest man beides zusammen, erhält man ein Modell, das etwa ein Viertel der Wissensfragen korrekt beantwortet und bei einem großen Teil der übrigen die Antwort verweigert. Der Index belohnt es dafür, abzulehnen statt zu erfinden, was für eine Entscheidungsschicht das beabsichtigte Verhalten ist und für alles, was eine tatsächliche Antwort benötigt, schlecht geeignet.

Bei Karpo zeigt sich derselbe Instinkt an einer anderen Stelle: Neun von 140.178 Anfragen wurden rundheraus abgelehnt, weil eine Frage samt ihrem Zustand das Fenster sprengte. Ablehnung statt stiller Kürzung ist die richtige Voreinstellung. Das ist außerdem ein Fehlermodus, den man umgehen muss, und eine Obergrenze von 32.768 Token macht ihn zu einem häufigeren.

Latenz und die Form des Deployments

Der erfasste Median von Karpo liegt bei 94 ms pro Anfrage auf der Referenzhardware des Trackers, eine GPU, jeweils eine Anfrage. AA misst Drex Max 1.1 mit 283 ms pro Aufgabe und Kosten von $102.7 pro Million Aufgaben zum aktuellen Einführungspreis. Die beiden Zahlen beruhen nicht auf derselben Messung – pro Anfrage gegenüber pro Aufgabe, und eine Aufgabe im Dokumentensatz von AA umfasst mehrere Entscheidungen über ein einziges langes Dokument –, daher sollte die Differenz eher als richtungsweisend denn als präzise betrachtet werden.

Von der Tendenz her sagt es etwas Wahres aus: Ein von Gem​ma abgeleiteter 31B-Readout mit einem einzigen gemeinsam genutzten State-Pass ist ein schlankeres Objekt als ein 27B-Modell, dessen nicht-kausale Attention-Schichten die gesamte Sequenz neu schreiben. Ob schlanker eine Rolle spielt, hängt davon ab, wo der Call sitzt. Ein Gate, das vor jedem Tool-Call ausgelöst wird, muss innerhalb des Turn-Budgets liegen. Ein nächtliches Re-Scoring von tausend Tickets ist 200 ms egal.

Die Lizenzfrage, die niemand stellt, bis das Beschaffungswesen nachfragt

Karpo Decision 31B ist Apache-2.0, Gewichte und Code, wobei die eigene Lizenz von Gem​ma 4 daneben im Repository mitgeführt wird. Das ist das permissive Ende des Offenen.

Drex Max 1.1 steht unter der Nace.AI Open RAIL-M-Lizenz. Open RAIL-M ist wirklich offen – Sie können herunterladen, ausführen, ändern und weiterverbreiten –, doch sie bringt Nutzungsbeschränkungen mit sich, die auf nachgelagerte Nutzer übergehen, und verpflichtet Sie, dieselben Beschränkungen weiterzugeben. Bei einem Forschungsnotizbuch ist dieser Unterschied unsichtbar. Bei einem Produkt, bei dem das Modell in einer Pipeline mit Kundenkontakt sitzt, bedeutet er eine rechtliche Prüfung, und in der Prüfung wird gefragt, was passiert, wenn Sie es feinabstimmen und das Derivat ausliefern. Die Antwort lautet: „Die Beschränkungen kommen mit.“

Wenn die Entscheidungsschicht internes Tooling ist, ist die Lizenz eine Fußnote. Ist sie in etwas eingebettet, das Sie verkaufen, nimmt Apache-2.0 ein Meeting aus dem kritischen Pfad.

Welches davon passt eigentlich wirklich?

Nehmen Sie Drex Max 1.1, wenn Sie eine Zahl wollen, die Sie nicht selbst berechnen mussten, einen Preis, den Sie in ein Budget aufnehmen können, und Zustände, die lange andauern. Es ist heute messbar, es ist heute gehostet, und seine Konfidenzleiter am oberen Ende ist die Eigenschaft, die einen automatisierten Schwellenwert verteidigbar macht. Die Kosten sind die Lizenzbeschränkungen und ein Einführungspreis, den AA ausdrücklich als vorübergehend kennzeichnet.

Wählen Sie Karpo Decision 31B, wenn das Fehlen eines gehosteten Endpunkts kein Problem ist – Sie haben die GPU oder einen Batch-Job –, die Permissivität von Apache-2.0 wichtig ist und Sie der Full-Wertung des Boards als Beweis vertrauen. Die Kosten sind 62,5 GB Gewichte, eine Obergrenze von 32.768 Tokens und ein Anbieter, der weder einen Preis noch eine Produktseite noch eine Ankündigung veröffentlicht hat.

Es gibt eine dritte Position, und für die meisten Teams ist sie diesen Monat die richtige: keine von beiden. Karpo ist zwei Wochen alt, liegt gleichauf und hat keine unabhängige Bewertung; Drex Max 1.1 wird mit einem Rabatt angeboten, der ausläuft. Lassen Sie beide gegen Ihre eigene gelabelte Stichprobe laufen und vergleichen Sie die Rate der zuversichtlichen und zugleich falschen Antworten statt der Schlagzeile. Für den bisherigen Spitzenreiter in diesem Schattentest ist die günstigste verfügbare Referenz TypeSafes eigenes Modell — Jev 1.14 ist in unserem Katalog, sodass eine Schwellenwert-Policy gegen das validiert werden kann, worauf jede offene Reproduktion aus ist, mit demselben Schlüssel, den Sie für Qwen3.8-27B oder Gemma 4 31B verwenden würden, die beiden Basismodelle, aus denen diese Checkpoints gebaut wurden. Beide Basismodelle werden über eine API für 200+ Modelle zum Listenpreis des Anbieters ohne Aufschlag bereitgestellt, was genau deshalb nützlich ist, weil eine Entscheidungsschicht ein Ort ist, an dem man das Modell austauschen und den Code behalten möchte.

Das Einzige, was dieses Duell entscheiden würde, ist eine Zahl: das Erscheinen von Karpo Decision 31B auf dem AA-Board. Bis dahin ist der Vergleich ein gut dokumentierter Wert von 73,9 gegen einen gut dokumentierten Wert von 72,62 – ermittelt von zwei Organisationen, die noch nie dieselbe Arbeit bewertet haben.

A capture of the Artificial Analysis Decision Index v2.1 page showing the six weighted evaluations — AA-Paperclip at 30%, EvalSafe-O*NET-AA at 15%, When2Call at 10%, AA-Omniscience-Decision at 15%, HLE-MultiChoice at 15% and AA-Symmetry at 15% — the methodology note that all evaluations are conducted independently by Artificial Analysis, the 'Update Oct 30, 2026' stamp, and the worked example of a support-ticket state scored by a decision model.