Une carte de titre générée intitulée « 2,2 points d'écart, et un prix qui double », sous-titrée « d1.2-ultra vs Drex Max v1.1 - Decision Index v2.1 ». Deux cartes aux coins arrondis affichent « d1.2-ultra » au-dessus de « 75 » et « Drex Max v1.1 » au-dessus de « 73 », séparées par un fin séparateur vertical ; en dessous, une large bande indique « 133 $ pour 1 M de tâches contre 103 $ aujourd'hui, environ 206 $ au prix standard », et une pastille contourée indique « panel indépendant, les deux modèles exécutés par Artificial Analysis ». La marque OrcaRouter est incrustée en bas à droite.
Guides & Insights

d1.2-ultra vs Drex Max 1.1 : un écart de 2,2 points et un prix qui double en décembre

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Liquid AI d1.2-ultra devance Drex Max v1.1 de Nace.AI de 2,23 points sur l'Artificial Analysis Decision Index v2.1 — 74,85 contre 72,62 — et, en prix affiché, c'est lui le modèle le plus cher, à 0,042 $ par million de jetons d'entrée contre 0,03 $. Ces deux chiffres sont vrais aujourd'hui, et un seul des deux le sera encore lorsque la remise de lancement côté Nace aura expiré. Artificial Analysis ajoute un astérisque à la ligne de coût de Drex Max v1.1 : les 103 $ par million de tâches qu'il indique « reflètent un prix de lancement temporaire », et au prix standard, ce coût doublerait. Ce qui signifie que ce duo, qui ressemble à un modèle premium face à un modèle au meilleur rapport qualité-prix, est, sur le coût qui régit réellement un déploiement, l'inverse.

Le classement est réel et mesuré de façon indépendante — les deux modèles ont été exécutés par Artificial Analysis sur son propre matériel, et non par l’un ou l’autre des fournisseurs — il s’agit donc de la comparaison de deux lignes notées plutôt que de deux communiqués de presse. Ce qui suit distingue les points qui survivront au changement de prix de ceux qui n’y survivront pas.

D'abord, ce que la note de bas de page fait à la comparaison des coûts

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.’

Les prix par token sont le mauvais chiffre sur lequel planifier lorsqu’un des deux fournisseurs applique une remise. Le coût par tâche est le bon, car il intègre le nombre de tokens que chaque modèle consomme pour répondre au même document, et c’est ce que Artificial Analysis publie parallèlement à l’indice.

• Par million de jetons d’entrée — d1.2-ultra 0,042 $, Drex Max v1.1 0,03 $.

• Pour un million de tâches aux prix actuels — d1.2-ultra 133 $, Drex Max v1.1 103 $, ce dernier étant indiqué comme un prix de lancement temporaire.

• Pour un million de tâches au tarif standard — d1.2-ultra 133 $, Drex Max v1.1 environ 206 $, d’après la note du conseil elle-même indiquant que son coût serait le double.

• Médiane de la catégorie — 135 $ par million de tâches, donc le modèle Liquid se situe juste en dessous et le modèle Nace se situera bien au-dessus.

Cet inversement compte plus que ne le suggère l’écart de deux cents par token, car il change le modèle vers lequel vous vous tournez à grande échelle. La gamme Drex est l’option bon marché de cette catégorie depuis le lancement de la v2 le 8 novembre ; si la remise est une promotion de lancement plutôt qu’une nouvelle tarification, l’option bon marché devient la plus chère sans qu’un seul benchmark ne bouge. Quiconque a calé un budget sur le montant de 103 $ devrait demander à Nace quand le prix standard entre en vigueur avant d’y consacrer le trafic d’un trimestre.

De quoi sont réellement constitués les 2,2 points

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.

L'indice composite est proche. Ses composantes ne le sont pas, et elles pointent dans des directions différentes — c'est là ce qui est utile.

• AA-Symmetry, 15 % — l’écart le plus large des six. d1.2-ultra obtient 86,34 contre 79,82 pour Drex Max v1.1. Selon le critère plus strict de réussite intégrale, qui exige la même réponse pour toutes les paraphrases plutôt qu’une bonne moyenne, le score est de 56,7 % contre 53,3 %. Drex Max v1.1 était déjà le deuxième meilleur modèle de sa propre famille à ce test ; le modèle Liquid est simplement plus stable en cas de reformulation.

• AA-Paperclip, 30 % — 75,81 contre 72,82 sur le score de décision, et 67,7 % contre 63,0 % de documents entièrement corrects. Un écart de trois points sur le taux de réussite complète des documents est le principal contributeur à l’écart d’indice, et c’est celui qui correspond le plus directement à un pipeline d’extraction réel, car un document qui rate une des quinze réponses compte de toute façon comme un échec.

• When2Call, 10 % — 96,49 contre 95,26. Les deux sont proches du plafond de l’évaluation ; un point et quart sur un test où tout le top dix tient dans une bande de deux points ne constitue pas un facteur différenciant.

• EvalSafe-O*NET-AA, 15 % — 89,53 contre 88,32, soit là encore une marge de pile ou face.

• AA-Omniscience-Decision v1.1, 15 % — 60,80 contre 60,27. À égalité de fait sur le score, avec une répartition divergente en dessous : Drex répond correctement à davantage de ces questions, 28,0 % contre 23,6 %, tandis que d1.2-ultra s'abstient plus honnêtement, 83,8 % de non-hallucination contre 65,3 %.

• HLE-MultiChoice v1.1, 15 % — 46,36 contre 46,61, le seul score décisionnel que Nace remporte, d’un quart de point. En dessous, l’écart de précision brut n’est pas d’un quart de point : 8,25 % contre 2,36 %.

Là où Drex Max 1.1 gagne encore, et pourquoi ce n’est pas une erreur d’arrondi

Trois éléments figurant au tableau plaident en faveur du modèle Nace, et les deux premiers sont de ceux qui déterminent si une charge de travail est possible tout court.

La fenêtre de contexte est le point crucial. Drex Max v1.1 accepte 262k tokens ; d1.2-ultra accepte 66k, ce qui représente déjà le double de ce que portait le précédent modèle phare de Liquid. Cela fait une différence d’un facteur quatre dans la taille de l’état que vous pouvez transmettre au modèle en un seul appel, et aucun des deux modèles ne génère de tokens de sortie, il n’y a donc pas de budget de sortie à arbitrer en contrepartie. Un contrat de 200 pages, un long dossier de sinistres ou un lot de documents relatifs à une même affaire qui tient dans une seule requête Drex doit être découpé en segments, réinterrogé et réassemblé côté Liquid — et chaque frontière entre segments est un endroit où une question portant sur plusieurs documents cesse d’avoir une réponse possible.

Le deuxième est la connaissance. Sur HLE-MultiChoice, Drex répond correctement à 8,25 % des questions contre 2,36 %, et sur AA-Omniscience-Decision, il répond à 28,0 % contre 23,6 % — tout en s’abstenant bien moins. Les taux élevés de non-hallucination de d1.2-ultra sont en partie une vertu et en partie un symptôme : un modèle qui dit « Je ne sais pas » trois fois sur quatre est bien calibré et pas très utile face à une question qui a véritablement une réponse. Si votre tâche consiste à prendre des décisions concernant des documents, ce compromis est acceptable. Si elle consiste à prendre des décisions qui exigent de savoir quelque chose, Drex est le modèle qui en sait plus.

Le troisième est la vitesse, sur le papier seulement. 283 ms contre 218 ms par tâche sur l’indice, tous deux plus lents que la médiane de la classe de 209 ms, et tous deux suffisamment rapides pour qu’aucun ne soit le goulot d’étranglement dans un pipeline qui fait quoi que ce soit d’autre.

Les deux modèles ne sont pas substituables, ce qui simplifie le choix.

Aucune arithmétique d’indices ne rend ces deux éléments interchangeables, et c’est en prétendant le contraire que la plupart des articles comparatifs se trompent. L’un est un lecteur de documents de 66 k tokens calibré pour la stabilité de calibration et de paraphrase ; l’autre est un lecteur de 262 k tokens qui baisse son prix et répond à davantage de questions difficiles. Le point de bascule n’est pas un score, c’est une taille d’état.

• Si vos états tiennent dans 66k et que vous fixez un seuil sur la probabilité — approbation automatique au-dessus de 0,9, escalade en dessous — d1.2-ultra est le meilleur instrument. Meilleur score de Brier des 24 modèles du tableau à 0,150, contre 0,160 pour Drex, et un score de symétrie supérieur de six points et demi.

• Si vos états dépassent 66k, ou si vos questions exigent des connaissances plutôt que de la lecture, Drex Max v1.1 est le seul des deux qui puisse faire le travail, tout court, et l’écart d’index cesse d’être le chiffre décisif.

• Si vous êtes sensible aux coûts à volume et que le prix Nace se maintient, Drex est aujourd’hui moins cher par tâche. Si le prix revient à son niveau antérieur, c’est le plus coûteux des deux et le modèle Liquid l’emporte à la fois sur le score et sur le coût.

Tester les deux sans parier sur l’un ou l’autre

Aucun des deux modèles ne figure à notre catalogue, et rien ici ne constitue une affirmation de disponibilité pour l’un ou l’autre : d1.2-ultra est servi par l’API propre à Liquid, et Drex Max v1.1 par celle de Nace. C’est exactement la situation où une couche de routage justifie son utilité plutôt que d’être une simple ligne de coût, car la question qu’une équipe se pose réellement — l’écart de 2,2 points se reproduit-il sur mes documents ? — trouve sa réponse en faisant passer les mêmes états par les deux, et non en lisant un classement.

Le troisième modèle qui mérite de figurer dans ce test est Jev 1.14, que nous hébergeons bien à 0,042 $ par million de jetons d’entrée pour la même systemone forme de requête. Il mène EvalSafe-O*NET-AA avec 91,14, le seul composant où aucun de ces deux n’est en tête, et il répond en 92 ms — le plus rapide des trois, et de loin. Une exécution fantôme à trois voies sur une seule clé, avec le DSL de routage qui envoie la même charge utile à chacun et le basculement automatique qui maintient un chemin de production actif si un fournisseur passe un mauvais après-midi, est un moyen moins coûteux de trancher qu’un cycle d’approvisionnement.

Quoi regarder, et quand

Deux dates décident de cette confrontation. La première est la date de fin du prix de lancement de Nace : à 103 $ par million de tâches, Drex Max v1.1 est l’option au meilleur rapport qualité-prix ; à environ 206 $, c’est l’option premium, et le score de l’indice ne change dans aucun des deux cas. Renseignez-vous avant d’établir votre budget.

Le deuxième est la prochaine révision de l’indice. Decision Index v2.1 est suffisamment récent pour que le tableau affiche encore une note indiquant qu’il a été mis à jour le 16 novembre, et un écart de 2,2 points entre le premier et le deuxième se situe dans la plage qu’une révision d’un composant peut faire varier. Si l’ensemble de documents privés d’AA-Paperclip est actualisé, le composant pondéré à 30 % qui fournit la majeure partie de l’écart est celui qui bougera en premier.

D’ici là, le résumé honnête est le suivant : d1.2-ultra est le meilleur modèle au vu des preuves, avec une marge faible sur le composite et importante sur la symétrie et le taux de réussite intégrale sur les documents, et c’est le modèle le moins cher par tâche dès que la remise Nace expire. Drex Max v1.1 reste le seul des deux capable d’absorber un état de 200k tokens, et sur les questions qui exigent des connaissances plutôt que de la lecture, il demeure le plus fort du duo. Choisissez d’abord selon la taille de l’état, ensuite selon le prix, et en troisième lieu selon l’indice.

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.