
Karpo Decision 31B vs. Liquid AI D1 Ultra: Der eine hat einen Preis, der andere eine Geschichte
- 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
Liquid AI D1 Ultra ist das einzige Modell in diesem Vergleich, das ein Finanzteam genehmigen kann. Es wurde am 15. Oktober 2026 veröffentlicht, wird von Liquids eigener Infrastruktur zu 0,042 US-Dollar pro Million Input-Tokens bereitgestellt, wobei konstruktionsbedingt keine Output-Tokens anfallen, und Artificial Analysis bewertet es mit 70,58 auf dem Decision Index v2.1 – Achter von 25 Entscheidungsmodellen, 4,3 Punkte hinter seinem eigenen Nachfolger d1.2-ultra und etwa auf Augenhöhe mit Drex Max 1.1 bei 72,62. Karpo Decision 31B von MachinePulse hat keinen Preis, keinen Endpunkt und keine Zeile bei Artificial Analysis. Was es hat, ist ein Full Score von 73,9 auf dem Community Decision Index, berechnet von den Maintainern dieses Boards, und ein zwei Wochen altes Apache-2.0-Repository, das niemand angekündigt hat.
Nebeneinandergestellt beschreiben die beiden Modelle die zwei Arten, wie ein Entscheidungsmodell in eine Organisation gelangen kann: Das eine kommt mit einer Rechnung und einer gemessenen Zahl, das andere mit einem Download-Link und einem Versprechen. Welches für Sie relevant ist, hängt davon ab, ob die Entscheidungsschicht in diesem Quartal in Produktion geht oder mit Blick auf das Budget des nächsten Quartals prototypisch erprobt wird.
Die Zahl, die Liquid tatsächlich verkauft – und warum es sich dabei um die nicht halluzinierte handelt


Die Schlagzeile von D1 Ultra ist eine Behauptung des ersten Platzes aus Oktober, die die veröffentlichte Bestenliste nicht stützte, und dieses Argument wurde bereits an anderer Stelle vorgebracht. Was jetzt zu verstehen lohnt, ist, was sich zwischen ihm und seinem Vorgänger geändert hat, denn die AA-Daten zeigen es eindeutig.
Liquid AI d1, das Original, erreicht 3,3 bei AA’s Nicht-Halluzinations-Rate für die Wissensevaluierung. Das ist nahe am unteren Ende der gesamten Rangliste – ein Modell, das erfindet, wenn es etwas nicht weiß. D1 Ultra erreicht 88,6 beim selben Maß. Beim Multiple-Choice-Wissenstest steigt es von 5,6 auf 56,9. Fast nichts dieser Veränderung kommt daher, dass mehr Antworten richtig sind: Die Rohgenauigkeit bei AA-Omniscience fiel tatsächlich von 39,8 % auf 28,0 %. Das Modell wurde besser, indem es lernte, abzulehnen.
Das ist kein Trick. Für eine Entscheidungsebene ist es das mit Abstand wertvollste Verhalten, das es gibt, weil eine abgelehnte Antwort an einen Menschen weitergeleitet wird und eine selbstsicher erfundene an einen Kunden. Aber es verändert die Perspektive darauf, wofür der Index belohnt. D1 Ultras 70,58 ist im Wesentlichen eine Punktzahl für Enthaltung, und dieselbe Übersicht zeigt die Kosten: Bei HLE-MultiChoice liegt die Rohgenauigkeit bei 6,09 %, einem der niedrigsten Werte unter den 25 aufgeführten Modellen.
Der Nachfolger d1.2-ultra ging in dieselbe Richtung noch weiter und noch darüber hinaus – 83,8 bei Nicht-Halluzination bei nur 23,6 % Rohgenauigkeit, einem Index von 74,85 und der Spitze der Rangliste. Liquid hat eine Achse stark optimiert, und diese Achse ist Ehrlichkeit statt Wissen.
Wo Karpos Profil in die andere Richtung verläuft
Karpos Zahlen stammen von einem anderen Instrument, daher können sie nicht von Liquids Zahlen abgezogen werden. Was sie jedoch können, ist eine andere Form zu zeigen.
In den fünf Kategorien des Decision Index ist Karpos stärkster Bereich Tools und Automatisierung mit einem zufallskorrigierten Skill-Wert von 88,4, und der schwächste ist Wissen und Reasoning mit 65,5. Der vom Tracker erfasste Kalibrierungsfehler beträgt 4,8 Punkte. Die Karte meldet außerdem eine mediane Latenz von 94 ms auf Referenzhardware, gegenüber 301 ms pro Aufgabe für D1 Ultra bei der Messung von AA — unterschiedliche Messungen, eine pro Anfrage und eine pro Aufgabe, daher nur richtungsweisend.
Liest man die beiden Profile zusammen, tritt ein kohärenter Unterschied hervor: Karpo ist ein auf Handeln ausgerichtetes Modell – Werkzeugauswahl, Routing, Seiteninteraktion, die kleinen Entscheidungen, die ein Agent bei jedem Schritt trifft –, während D1 Ultra und sein Nachfolger auf Verweigerung ausgerichtet sind. Ein Modell, das 72 % der Wissensfragen ablehnt, ist eine schlechte Werkzeugauswahl-Engine, denn bei der Werkzeugauswahl handelt es sich nicht um eine Frage, bei der man sich enthalten darf. Ein Modell, das beim Werkzeug-Routing zu 88 % richtig antwortet, beim Wissen aber nur zu 65 %, ist eine schlechte Wissens-Engine.
Das ist das eigentliche Matchup, und es ist ein Matchup des vorgesehenen Einsatzzwecks, nicht der Scores. MachinePulse formuliert das in der Model Card selbst so: Das Modell ist für die Entscheidungen gedacht, die ein Agent zwischen Schritten trifft, ob er ein Tool aufrufen oder erst fragen soll, welches Element er anklicken soll. Liquids Oktober-Release, und noch stärker dessen November-Nachfolger, dient dazu, zu beurteilen, ob eine Behauptung gestützt wird.
Der Kostenvergleich, mit den dazugehörigen Einschränkungen
• Liquid AI D1 Ultra — 0,042 $ pro Million Eingabe-Tokens, keine Ausgabekosten, da nichts generiert wird, 133 $ pro Million Aufgaben im Dokumentensatz von AA, Median 301 ms pro Aufgabe.
• Karpo Decision 31B — kein veröffentlichter Preis. Nur Selbsthosting: 62,5 GB bf16-Gewichte, eine GPU, 94 ms Median pro Anfrage auf der Referenzhardware des Trackers.
• Drex Max 1.1, zum Größenvergleich — 0,03 $ pro Million Eingabe-Tokens zu einem Einführungspreis, den AA als vorübergehend kennzeichnet, 102,7 $ pro Million Aufgaben.
• Der Vergleich, den niemand veröffentlicht – ein residentes Modell mit 62,5 GB auf einer gemieteten GPU kostet pro Stunde das, was diese GPU pro Stunde kostet, egal, ob Sie eine Anfrage oder zehntausend senden. Bei kleinen Volumina ist das weit mehr als $133 pro Million Aufgaben; bei hohem dauerhaftem Volumen kehrt sich das Verhältnis um.
Die Kosten pro Aufgabe sind die Größe, an der man sich bei der Budgetierung orientieren sollte, denn sie berücksichtigen, wie viele Tokens jedes Modell verbraucht, um dasselbe Dokument zu beantworten, und ein Modell, das seinen Zustand wiederholt neu einliest, kostet pro Entscheidung mehr, als sein Preis pro Token vermuten lässt. {{1}}D1 Ultra kostet 133 US-Dollar{{/1}} und ist damit das teuerste der drei hier aufgeführten Liquid-Modelle und liegt {{2}}30 US-Dollar{{/2}} über dem {{3}}Einführungspreis von Drex Max 1.1{{/3}}. Es ist keine günstige Entscheidungsschicht, und das Modell, das es ersetzte, kostete {{4}}63,4 US-Dollar{{/4}}.
Wo eine gehostete Variante wirklich gewinnt, ist im unteren Bereich. Wenn Sie ein Entscheidungsmodell für hundert Anfragen pro Tag benötigen, ist die Bereitstellung von 62,5 GB Arbeitsspeicher für Karpo keine ernsthafte Option – einen bereitgestellten Endpunkt zum Listenpreis aufzurufen schon. Unser Katalog gibt die Listenpreise der Anbieter ohne Aufschlag weiter, sodass eine Preissenkung von Liquid am selben Tag greift, an dem sie angekündigt wird, und ein Entscheidungsmodell mit dem Rest des Stacks unter einem Schlüssel stehen kann, statt als zweiter Vertrag. Das ist kein Argument für D1 Ultra gegenüber Karpo; es ist ein Argument dafür, keine GPU zu kaufen, nur um herauszufinden, ob Sie eine brauchen.
Was D1 Ultra Ihnen sagen kann, Karpo aber nicht.
Drei Dinge, alle von der Sorte, die man erst im zweiten Monat entdeckt.
Der erste Punkt ist die Konfidenzleiter. AA veröffentlicht für jedes bewertete Modell die Kalibrierung pro Bucket, und die von D1 Ultra ist klar lesbar: Im Konfidenz-Bucket ab 0,96 liegt es bei der Symmetrie-Auswertung in 97,1 % der Fälle richtig. Das sagt Ihnen, dass sich ein Schwellenwert von 0,95 ungefähr wie angekündigt verhält – eine Aussage, auf der Sie eine Review-Queue aufbauen können. Karpos Karte liefert eine einzige aggregierte Kennzahl – einen Kalibrierungsfehler von 4,8 Punkten – und keine Kurve pro Bucket. Sie können selbst eine erstellen – und Sie werden es müssen.
Das zweite ist Invarianz. AA-Symmetry ordnet Optionen um, vertauscht Labels und negiert Ja/Nein-Fragen über 440 Varianten hinweg, und D1 Ultra erzielt 78,7 mit einer All-Pass-Rate von 45,8 %. Ein Entscheidungsmodell, das eine andere Antwort gibt, wenn man die Optionen alphabetisch sortiert, ist kein Entscheidungsmodell, sondern eine Münze mit zusätzlichen Schritten. Karpos Karte berichtet kein Invarianzergebnis, und weil ihr Readout Optionscodes an festen Slots statt den Optionstext bewertet, ist dies genau die Eigenschaft, die vor dem Deployment verifiziert werden sollte.
Der dritte Punkt ist das Verhalten bei einer Ablehnung. AA meldet für D1 Ultra 88,6 Nicht-Halluzination im Wissensset, was bedeutet, dass der Enthaltungspfad ausgeführt und gemessen wird. Karpo lehnt nur wegen der Länge ab – neun von 140.178 Anfragen, alle überlang – und seine Karte sagt nichts über Enthaltung als Entscheidung aus. Ob Karpo eine Frage ablehnt, die es nicht beantworten kann, oder die am wenigsten schlechte Option wählt, weil die Ausgabe immer etwas auswählt, ist nicht dokumentiert. Der Abschnitt zu Einschränkungen sagt nur, dass es „immer eine der vorgegebenen Optionen auswählt“.
Dieser letzte Satz ist der wichtigste in beiden Modellkarten. Ein Entscheidungsmodell, das strukturell nicht von einer Entscheidung absehen kann, braucht in jeder Auswahlliste eine Option „keine sichere Antwort“ oder einen Schwellenwert für die Wahrscheinlichkeit oder beides. Die Designer von D1 Ultra wählten die andere Architektur: Es kann ablehnen, und es lehnt oft ab.
Die Lizenz – der einzige Punkt, an dem Karpo klar gewinnt
Karpo Decision 31B ist Apache-2.0, Gewichte und Code, wobei die Lizenz von Gemma 4 daneben mitgeführt wird. Lade es herunter, führe es aus, modifiziere es, vertreibe das Derivat – kein Gespräch mit einem Anwalt erforderlich.
Die Modelle von Liquid sind nicht offen. Es gibt keine Gewichte, kein Self-Hosting, kein Fine-Tuning auf Ihrem eigenen Traffic und kein Air-Gapped-Deployment. Die API ist das Produkt. Für eine interne Klassifizierungs-Pipeline, die regulierte Dokumente verarbeitet, ist das ein Beschaffungsblocker – und zwar auf eine Weise, wie es ein 62,5-GB-Checkpoint nicht ist.
Die Abwägung ist also krass, und es geht nicht um Scores: Karpo gibt dir Kontrolle und sonst nichts; Liquid gibt dir ein gemessenes Produkt und nimmt dir die Gewichte weg. Ein Team, das Compliance-Anforderungen erfüllen muss, kann D1 Ultra zu keinem Preis wählen. Ein Team mit einer Frist von drei Wochen kann Karpo selbst mit größtem Aufwand nicht wählen, weil es keinen Endpunkt gibt, den man aufrufen kann.
Was diesen Monat zu tun ist
Wenn die Entscheidungsschicht in die Produktion geht und die Eingabe aus Dokumenten besteht, ist D1 Ultra trotz des Preises und der geringen rohen Wissensgenauigkeit die vertretbare Wahl, weil es gemessen, bereitgestellt und bepreist wird und sein Enthaltungsverhalten genau die Eigenschaft ist, die Sie eigentlich wollen. Achten Sie stattdessen auf d1.2-ultra, wenn Sie jetzt kaufen – es ist dieselbe Produktlinie, vier Punkte höher auf demselben Board, und es trägt denselben Vorbehalt, dass ein großer Anteil seiner Punktzahl auf Enthaltung statt auf Wissen entfällt.
Wenn es sich bei der Eingabe um eine Seite, einen Screenshot oder einen Tool-Aufruf handelt und Sie GPUs haben, ist Karpo das interessantere Modell und hat die permissivere Lizenz, und seine Tool-Routing-Fähigkeit von 88.4 ist die Zahl, an der Sie Ihren eigenen Traffic messen sollten. Gehen Sie mit dem Wissen heran, dass Sie die erste Person sind, die es an etwas misst, das zählt: keine AA-Zeile, kein Preis, keine Ankündigung und ein Anbieter, dessen Produktseite derzeit 404 zurückgibt.
Es gibt einen Mittelweg, der es wert ist, benannt zu werden, weil die meisten Teams am Ende genau das tun. Betreibe das gehostete Modell in Produktion, lasse das offene offline gegen dieselben Anfragen laufen und vergleiche die Rate der zuversichtlich falschen Antworten statt des Spitzenkennwerts. Für diesen Vergleich müssen beide Modelle mit einem einzigen Credential aufrufbar und transparent bepreist sein – genau das ermöglicht unser Katalog: ein bereitgestelltes Entscheidungsmodell und die offenen Basismodelle, auf denen diese Fine-Tunes aufbauen, mit einem Schlüssel, zum Listenpreis des Anbieters. Wenn Karpo im nächsten Monat einen Endpunkt oder eine AA-Einreichung bekommt, ist die Latenz dieser Änderung jetzt der Punkt, auf den man achten muss; wenn nicht, bleibt 73,9 eine interessante Zahl auf einem Community-Board, und D1 Ultra bleibt das Modell mit einem Beleg.

