
Karpo Decision 31B vs Drex Max 1.1: Dos tableros, un número cada uno
- OrcaNUEVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 184 tok/s
- tencentNUEVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 223 tok/s
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 96 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
Karpo Decision 31B y Drex Max 1.1 son lo bastante parecidos en tamaño, forma y función como para que una hoja de especificaciones los haga parecer el mismo producto de dos empresas. Ambos son modelos densos de ~30B ajustados para responder preguntas escritas sobre un estado en una sola pasada directa sin generar texto. Ambos incluyen una cabeza de lectura de 255 vías, ambos aceptan imágenes y ambos rechazan en lugar de truncar una pregunta demasiado grande. La divergencia no está en la arquitectura. Está en lo que cada proveedor ha estado dispuesto a permitir que otro mida, y en lo que se te permite hacer con los pesos después. Karpo, de MachinePulse, tiene una puntuación Full de terceros y ningún precio. Drex Max 1.1, de Nace.AI, tiene un número independiente de Artificial Analysis, una tarifa publicada y una licencia que restringe el uso comercial.
Ninguno de esos intercambios es obviamente el correcto. Esto es lo que realmente cuesta cada lado del intercambio.
De dónde vienen los números, porque no vienen del mismo lugar
Empieza por la parte incómoda: en ninguna clasificación tienen hoy ambos modelos una puntuación.
Karpo Decision 31B aparece en el Decision Index, el foro comunitario que sigue las reproducciones abiertas de Jev de TypeSafe. Su puntuación Full es 73,9, calculada por los mantenedores del foro mediante pruebas privadas, y actualmente comparte el primer puesto con GLiDE 27B, con 73,4. Su índice público de 75,05 proviene de la propia ejecución de MachinePulse del kit oficial y fue adoptado por el foro, con el archivo de resultados de 140.178 solicitudes publicado para que cualquiera pueda repetir la ejecución. Artificial Analysis no tiene ninguna fila para Karpo.
Drex Max 1.1 es la imagen espejo. Artificial Analysis le otorga 72.62 en Decision Index v2.1 — segundo de 25 modelos de decisión, por detrás de Liquid AI d1.2-ultra con 74.85 y por delante de SubQ Snap 1.2 con 72.58. Ese número es de AA, medido en el hardware de AA con el conjunto privado de documentos de AA. Lo que Karpo tiene y Drex Max 1.1 no: el rastreador Jev tiene una fila para Drex Max v1 con 66.60 en Full, y ninguna fila en absoluto para v1.1.
Así que la única comparación disponible con el mismo instrumento es Karpo Decision 31B con 73,9 frente a Drex Max v1 con 66,6 — una diferencia de 7,3 puntos en una sola tabla, entre dos versiones distintas del modelo Nace, que es exactamente el tipo de comparación que favorece al lado que uno prefiera. Si se traza la línea al revés, Drex Max 1.1 tiene un 72,62 donde Karpo no tiene nada impreso. Ambas frases son ciertas. Ninguna es una comparación directa.
Las especificaciones, dimensión por dimensión

• Parámetros — Karpo 31.3B en bf16 más un readout de 255 × 5,376 en fp32, unos 62.5 GB en disco; Drex Max 1.1 es un modelo denso de 27B, unos 49 GB en bf16 y 26 GB con el backbone a 8 bits.
• Modelo base — Gemma 4 31B ajustado con instrucciones para Karpo, Qwen3.8-27B para Drex Max 1.1. Diferentes corpus de preentrenamiento, diferentes tokenizadores, todo lo posterior es diferente.
• Contexto — Karpo toma 32.768 tokens por secuencia y divide una solicitud más larga por pregunta, y cada parte lleva el estado completo; Drex Max 1.1 usa 16.384 tokens por solicitud de forma predeterminada y la documentación del proveedor lo eleva a 131.072 por pregunta.
• Multimodalidad — ambos leen imágenes de forma nativa, y ambos hacen que la captura de pantalla sea visible para cada pregunta de la solicitud en lugar de para una sola.
• Tipos de pregunta — superficie idéntica: choice de hasta 255 opciones, noul para verdadero/falso, score para un nivel ordenado.
• Interfaz — Karpo sirve System One en POST /v1/systemone desde su propio paquete Python; Drex Max 1.1 tiene la misma estructura, además de forks de llama.cpp y Ollama para Apple silicon y CPU.
• Licencia — Apache-2.0 para los pesos y el código de Karpo; Nace.AI Open RAIL-M para Drex Max 1.1, que son pesos abiertos con restricciones de uso adjuntas.
• Alojamiento — Karpo no ofrece ninguno. Drex Max 1.1 lo sirve Nace.AI a 0,03 $ por millón de tokens de entrada, señalado en el panel de AA como precio de lanzamiento temporal.

La fila de contexto es la que la gente pasa por alto. Un techo duro de 32.768 tokens con un rechazo explícito es una restricción de ingeniería distinta de un valor predeterminado de 16.384 tokens que puedes elevar a 131.072 con una variable de entorno. Si tus estados son facturas y tickets de soporte, ninguno de los dos números importa. Si tus estados son contratos, al modelo Nace se le pueden dar diez de ellos y a Karpo no se le puede dar ni uno.
Cómo se ve una diferencia de 11 puntos de calibración en un pipeline
La exactitud es la cifra que la gente cita y la que menos importa para esta clase de modelos. Lo esencial de un modelo de decisión es que su salida sea una probabilidad sobre la que pueda actuar un umbral, así que la pregunta es si la probabilidad es honesta.
El informe de Karpo indica un error de calibración de 4,8 puntos: cuando el modelo dice 0,9, acierta algo menos del 90 % de las veces, aproximadamente cinco puntos porcentuales menos en promedio. El perfil AA de Drex Max 1.1 tiene una puntuación de Brier de 0,16 en el conjunto completo de preguntas, que es una estadística diferente y no directamente comparable, pero el mismo panel también muestra su escala de confianza: en el intervalo de confianza de 0,98, el modelo acierta el 97,5 % de las veces. Es un modelo cuyas respuestas de máxima confianza pueden tomarse al pie de la letra.
El desglose interesante de Drex Max 1.1 está en la evaluación de conocimiento. En AA-Omniscience obtiene una puntuación de decisión de 60.3, pero ese compuesto proviene de un 28 % de precisión bruta frente a una tasa de no alucinación del 65.3 %. Si se leen juntos, lo que se tiene es un modelo que responde correctamente aproximadamente una cuarta parte de las preguntas de conocimiento y se niega a responder a una gran parte del resto. El índice lo recompensa por negarse a responder en lugar de inventar, que es el comportamiento previsto para una capa de decisión y encaja mal con cualquier cosa que necesite una respuesta real.
Para Karpo, el mismo instinto se manifiesta en otro lugar: nueve solicitudes de 140.178 fueron rechazadas de plano porque una pregunta junto con su estado desbordaba la ventana. Rechazar en lugar de truncar en silencio es la opción predeterminada correcta. También es un modo de fallo que hay que sortear, y un límite de 32.768 tokens lo hace más frecuente.
Latencia y la forma del despliegue
La mediana registrada de Karpo es de 94 ms por solicitud en el hardware de referencia del tracker, una GPU, una solicitud a la vez. AA mide Drex Max 1.1 en 283 ms por tarea y un costo de $102.7 por millón de tareas al precio de lanzamiento actual. Las dos cifras no son la misma medición —por solicitud frente a por tarea, y una tarea en el conjunto de documentos de AA implica varias decisiones sobre un documento largo—, así que trata la diferencia como orientativa y no como precisa.
En términos direccionales, dice algo real: una lectura derivada de Gemma de 31B con una única pasada de estado compartida es un objeto más ligero que un modelo de 27B cuyas capas de atención no causal reescriben toda la secuencia. Que sea más ligero importe depende de dónde se sitúe la llamada. Una compuerta que se activa antes de cada llamada a herramienta tiene que caber dentro del presupuesto del turno. Una reevaluación nocturna de mil tickets no se preocupa por 200 ms.
La pregunta sobre la licencia que nadie plantea hasta que lo hace Compras
Karpo Decision 31B es Apache-2.0, tanto los pesos como el código, con la propia licencia de Gemma 4 incluida junto a ellos en el repositorio. Ese es el extremo permisivo de lo abierto.
Drex Max 1.1 está bajo la licencia Open RAIL-M de Nace.AI. Open RAIL-M es genuinamente abierta —puedes descargarla, ejecutarla, modificarla y redistribuirla—, pero conlleva restricciones de uso que se transmiten a los usuarios posteriores y te obliga a transmitir esas mismas restricciones. Para un cuaderno de investigación, esa distinción es invisible. Para un producto en el que el modelo forma parte de un flujo de trabajo de cara al cliente, se trata de una revisión legal, y la revisión preguntará qué ocurre cuando lo ajustas y distribuyes el derivado. La respuesta es «las restricciones vienen con él».
Si la capa de decisión es una herramienta interna, la licencia es una nota al pie. Si está integrada en algo que vendes, Apache-2.0 elimina una reunión de la ruta crítica.
¿Cuál encaja realmente?
Elija Drex Max 1.1 si desea un número que no haya tenido que calcular, un precio que pueda incluir en un presupuesto y estados que se prolonguen durante mucho tiempo. Hoy es medible, hoy está alojado, y su escalera de confianza en el extremo superior es la propiedad que hace defendible un umbral automatizado. Los costos son las restricciones de licencia y un precio de lanzamiento que AA señala explícitamente como temporal.
Elige Karpo Decision 31B si la ausencia de un endpoint alojado no es un problema —tienes la GPU o tienes un trabajo por lotes—, y la permisividad de Apache-2.0 importa, y la puntuación Full del tablero es la evidencia en la que confías. Los costos son 62.5 GB de pesos, un límite de 32,768 tokens y un proveedor que no ha publicado un precio, una página de producto ni un anuncio.
Hay una tercera postura y, para la mayoría de los equipos, este mes es la correcta: ninguna. Karpo tiene dos semanas, un liderato empatado y sin ninguna puntuación independiente; Drex Max 1.1 se ofrece con un descuento que caduca. Pon a prueba ambos con tu propia muestra etiquetada y compara la tasa de respuestas seguras pero incorrectas en lugar del resultado principal. Para el modelo actual en esa prueba en la sombra, la referencia disponible más barata es el propio modelo de TypeSafe — Jev 1.14 está en nuestro catálogo, así que una política de umbral puede validarse contra aquello a lo que toda reproducción abierta aspira, con la misma clave que usarías para Qwen3.8-27B o Gemma 4 31B, los dos modelos base a partir de los cuales se construyeron estos checkpoints. Ambos modelos base se sirven a través de una API para más de 200 modelos al precio de lista del proveedor y sin recargo, lo cual es útil precisamente porque una capa de decisión es justo donde quieres cambiar el modelo y conservar el código.
La única cosa que resolvería este enfrentamiento es una sola cifra: que {{1}}Karpo Decision 31B{{/1}} aparezca en el {{2}}AA board{{/2}}. Hasta entonces, la comparación es un 73.9 bien documentado frente a un 72.62 bien documentado, producidos por dos organizaciones que nunca han calificado el mismo trabajo.

