Una tarjeta de título generada, encabezada por «2,2 puntos de diferencia y un precio que se duplica», con el subtítulo «d1.2-ultra vs Drex Max v1.1 - Decision Index v2.1». Dos tarjetas redondeadas muestran «d1.2-ultra» sobre «75» y «Drex Max v1.1» sobre «73», separadas por un fino divisor vertical; debajo, una franja ancha dice «$133 por 1M de tareas frente a $103 ahora, unos $206 a precio estándar», y un chip con contorno dice «panel independiente, ambos modelos ejecutados por Artificial Analysis». La marca de OrcaRouter está compuesta en la esquina inferior derecha.
Guides & Insights

d1.2-ultra vs Drex Max 1.1: una diferencia de 2,2 puntos y un precio que se duplica en diciembre

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

Liquid AI d1.2-ultra aventaja a Drex Max v1.1 de Nace.AI por 2,23 puntos en Artificial Analysis Decision Index v2.1 —74,85 frente a 72,62— y, en precio de etiqueta, es el modelo más caro: 0,042 $ por millón de tokens de entrada frente a 0,03 $. Ambas cifras son ciertas hoy y solo una seguirá siéndolo cuando expire el descuento de lanzamiento del lado de Nace. Artificial Analysis añade un asterisco a la fila de costes de Drex Max v1.1: los 103 $ por millón de tareas que reporta «reflejan un precio de lanzamiento temporal», y, al precio estándar, ese coste se duplicaría. Lo que significa que la pareja que parece enfrentar un modelo prémium con uno económico es, en el coste que realmente determina un despliegue, justo al revés.

El ranking es real y se midió de forma independiente —ambos modelos fueron ejecutados por Artificial Analysis en su propio hardware, no por ninguno de los dos proveedores—, así que esto es una comparación de dos filas puntuadas, no de dos notas de prensa. Lo que sigue separa los puntos que sobrevivirán al cambio de precio de los que no.

Primero, qué efecto tiene la nota al pie sobre la comparación de costos.

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.’

Los precios por token son la cifra equivocada con la que planificar cuando uno de los dos proveedores está aplicando descuentos. El coste por tarea es el correcto, porque incorpora cuántos tokens consume cada modelo para responder al mismo documento, y eso es lo que publica Artificial Analysis junto al índice.

• Por millón de tokens de entrada — d1.2-ultra $0.042, Drex Max v1.1 $0.03.

• Por millón de tareas a los precios actuales — d1.2-ultra $133, Drex Max v1.1 $103, este último marcado como precio de lanzamiento temporal.

• Por millón de tareas a precio estándar — d1.2-ultra $133, Drex Max v1.1 aproximadamente $206, según la propia nota del consejo de que su coste sería el doble.

• Mediana de la clase — $135 por millón de tareas, así que el modelo Liquid se sitúa justo por debajo y el modelo Nace quedará muy por encima.

Esa inversión importa más de lo que sugiere la diferencia de dos centavos por token, porque cambia qué modelo eliges cuando trabajas a volumen. La línea Drex ha sido la opción barata de esta categoría desde que la v2 se lanzó el 8 de noviembre; si el descuento es una promoción de lanzamiento y no un nuevo precio, la opción barata se convierte en la cara sin que se mueva un solo benchmark. Quien haya fijado un presupuesto con la cifra de $103 debería preguntar a Nace cuándo entra en vigor el precio estándar antes de comprometer el tráfico de un trimestre.

De qué están hechos realmente los 2.2 puntos

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.

El compuesto está cerca. Los componentes no, y apuntan en direcciones diferentes, que es la parte útil.

• AA-Symmetry, 15 % — la mayor diferencia entre los seis. d1.2-ultra obtiene 86,34 frente a los 79,82 de Drex Max v1.1. En la medida más estricta de aprobación total, que exige la misma respuesta entre paráfrasis en lugar de un buen promedio, es del 56,7 % frente al 53,3 %. Drex Max v1.1 ya era el segundo mejor modelo de su propia familia en esta prueba; el modelo Liquid simplemente es más estable cuando se reformula.

• AA-Paperclip, 30% — 75,81 frente a 72,82 en la puntuación de decisión, y 67,7% frente a 63,0% de documentos totalmente correctos. Tres puntos de tasa de aprobación total de documentos es el mayor contribuyente individual a la brecha del índice, y es el que se corresponde más directamente con un pipeline de extracción real, porque un documento al que le falta una de quince respuestas cuenta como fallo de todos modos.

• When2Call, 10 % — 96,49 frente a 95,26. Ambos están cerca del techo de la evaluación; un punto y cuarto en una prueba en la que todo el top ten se sitúa dentro de una banda de dos puntos no supone un diferenciador.

• EvalSafe-O*NET-AA, 15 % — 89,53 frente a 88,32, igualmente un margen de cara o cruz.

• AA-Omniscience-Decision v1.1, 15% — 60,80 frente a 60,27. Prácticamente empatados en la puntuación, pero con diferencias por debajo: Drex responde correctamente a más de estas preguntas, 28,0% frente a 23,6%, mientras que d1.2-ultra se abstiene con más honestidad, 83,8% de no alucinación frente a 65,3%.

• HLE-MultiChoice v1.1, 15% — 46.36 frente a 46.61, la única puntuación de decisión que gana Nace, por un cuarto de punto. Debajo de eso, la brecha de precisión bruta no es de un cuarto de punto: 8.25% frente a 2.36%.

Dónde Drex Max 1.1 sigue ganando, y por qué no es un error de redondeo

Tres cosas en la pizarra favorecen el modelo Nace, y las dos primeras son de las que deciden si una carga de trabajo es posible siquiera.

La ventana de contexto es el factor clave. Drex Max v1.1 acepta 262k tokens; d1.2-ultra acepta 66k, que ya de por sí es el doble de lo que admitía el anterior buque insignia de Liquid. Eso supone una diferencia de cuatro veces en el tamaño del estado que puedes entregar al modelo en una sola llamada, y ninguno de los dos modelos genera tokens de salida, así que no hay un presupuesto de salida que pueda compensarlo. Un contrato de 200 páginas, un largo expediente de reclamaciones o un conjunto de documentos de un caso que quepa en una sola solicitud a Drex tiene que dividirse en fragmentos, volverse a consultar y recomponerse del lado de Liquid — y cada límite entre fragmentos es un punto en el que una pregunta que cruza varios documentos deja de tener respuesta.

El segundo es el conocimiento. En HLE-MultiChoice, Drex responde correctamente al 8,25 % de las preguntas frente al 2,36 %, y en AA-Omniscience-Decision responde al 28,0 % frente al 23,6 %, aunque se abstiene mucho menos. Las altas tasas de no alucinación de d1.2-ultra son en parte una virtud y en parte un síntoma: un modelo que dice «no lo sé» tres de cada cuatro veces está bien calibrado y no resulta muy útil en una pregunta que realmente tiene respuesta. Si tu tarea consiste en tomar decisiones sobre documentos, ese intercambio está bien. Si consiste en decisiones que requieren saber algo, Drex es el modelo que sabe más.

El tercero es la velocidad, solo sobre el papel. 283 ms frente a 218 ms por tarea en el índice, ambos más lentos que la mediana de 209 ms de la clase, y ambos lo suficientemente rápidos como para que ninguno sea el cuello de botella en una canalización que haga cualquier otra cosa.

Los dos modelos no son intercambiables, lo que simplifica la elección.

Ninguna cantidad de aritmética de índices hace que estos sean intercambiables, y pretender lo contrario es donde se equivocan la mayoría de los artículos comparativos. Uno es un lector de documentos de 66k tokens ajustado para la calibración y la estabilidad de paráfrasis; el otro es un lector de 262k tokens que descuenta su precio y responde más preguntas difíciles. El punto de cruce no es una puntuación, es un tamaño de estado.

• Si tus estados caben en 66k y aplicas un umbral sobre la probabilidad —autoaprobar por encima de 0.9, escalar por debajo—, d1.2-ultra es el mejor instrumento. La mejor puntuación Brier de los 24 modelos del tablero, con 0.150, frente a 0.160 de Drex, y una puntuación de simetría seis puntos y medio más alta.

• Si tus estados superan los 66k, o tus preguntas requieren conocimiento en lugar de lectura, Drex Max v1.1 es el único de los dos que servirá para hacer el trabajo, y la diferencia de índice deja de ser el número decisivo.

• Si eres sensible al costo en volumen y el precio de Nace se mantiene, Drex es más barato por tarea hoy. Si se revierte, es el más caro de los dos y el modelo Liquid gana tanto en puntuación como en costo.

Probar ambos sin apostar por ninguno

Ninguno de los dos modelos está en nuestro catálogo, y nada de lo que aquí se dice constituye una afirmación sobre la disponibilidad de ninguno de ellos: d1.2-ultra se sirve desde la propia API de Liquid, y Drex Max v1.1 desde la de Nace. Es exactamente la situación en la que una capa de enrutamiento se justifica por mérito propio en lugar de ser una mera partida, porque la pregunta que un equipo realmente tiene —¿la diferencia de 2,2 puntos se reproduce con mis documentos?— se responde ejecutando los mismos estados en ambos, no leyendo una clasificación.

El tercer modelo que merece la pena incluir en esa prueba es Jev 1.14, que sí alojamos a $0,042 por millón de tokens de entrada con la misma systemone estructura de solicitud. Lidera EvalSafe-O*NET-AA con 91,14, el único componente en el que ninguno de estos dos es primero, y responde en 92 ms —el más rápido de los tres por un amplio margen—. Una ejecución en sombra de tres vías sobre una sola clave, con el DSL de enrutamiento enviando la misma carga útil a cada uno y la conmutación por error automática manteniendo activa una ruta de producción si un proveedor tiene una mala tarde, es una forma más barata de resolver esto que un ciclo de adquisiciones.

Qué ver, y cuándo

Dos fechas deciden esta comparativa. La primera es cuando termine el precio de lanzamiento de Nace: a 103 USD por millón de tareas, Drex Max v1.1 es la opción con mejor relación calidad-precio; a unos 206 USD, es la opción premium, y la puntuación del índice no cambia en ninguno de los dos casos. Consulta antes de hacer tu presupuesto.

El segundo es la próxima revisión del índice. Decision Index v2.1 es lo bastante reciente como para que el consejo todavía incluya una nota de que se actualizó el 16 de noviembre, y una diferencia de 2,2 puntos entre el primero y el segundo está dentro del rango que puede mover una revisión de componente. Si se actualiza el conjunto de documentos privados de AA-Paperclip, el componente ponderado al 30 % que aporta la mayor parte de la diferencia será el primero en moverse.

Hasta entonces, el resumen honesto es este: d1.2-ultra es el mejor modelo según la evidencia, por un margen pequeño en el compuesto y grande en simetría y tasa de aprobación total de documentos, y es el modelo más económico por tarea en cuanto expire el descuento Nace. Drex Max v1.1 sigue siendo el único de los dos capaz de tragarse un estado de 200k tokens, y en preguntas que requieren conocimiento en lugar de lectura sigue siendo el más fuerte de la pareja. Elige primero por tamaño del estado, segundo por precio y tercero por índice.

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.