
Drex Max v1.1 vs Liquid AI d1-ultra : deux évaluateurs multimodaux, et un titre qui ne tient plus.
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 180 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 223 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 89 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 98 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
Liquid AI d1-ultra a été livré le 15 octobre 2026 avec une phrase qui était défendable à l'époque : il « surpasse tous les autres modèles de décision de l'Artificial Analysis Decision Index d'au moins 8 points ». Trois semaines plus tard, Artificial Analysis a remplacé cet indice par la v2, renoté dix-sept modèles sur de nouvelles données, et d1-ultra s'est classé cinquième à 70,4 — derrière Drex Max v1.1 à 73,4, GLiDE v1.2 à 72,8, Mammoth 27B à 72,4 et, à trois centièmes de point près, Decider v1.2 de Perplexity à 70,5. L'avance de huit points a disparu, et elle n'a jamais été mesurée sur cet instrument.
C'est le cadre de cette comparaison, et il vaut la peine de préciser ce que cela signifie et ne signifie pas. Cela ne signifie pas que d1-ultra s'est dégradé. Cela signifie que le classement a changé sous une affirmation formulée par rapport à l'ancien, ce qui est le risque ordinaire lorsqu'on cite une position dans un classement comme s'il s'agissait d'une propriété du modèle. Tous deux sont de solides évaluateurs de décisions multimodales. Ils sont aussi plus proches que ne le laisse entendre le marketing de l'un ou l'autre fournisseur, et ils excellent dans des domaines visiblement différents.
Là où les deux modèles concordent, ce qui représente l'essentiel de la surface
Tous deux sont des modèles de décision au sens strict : vous envoyez un état et des questions typées, une passe avant renvoie une probabilité par option, et aucun texte n’est généré. Tous deux acceptent des images en plus du texte. Tous deux répondent aux mêmes trois formes de questions — un choix parmi des options nommées, un oui/non et un score sur une échelle. Tous deux facturent uniquement l’entrée, la sortie n’étant pas facturée, car il n’y a pas de sortie.
• Modalité — Drex Max v1.1 lit du texte, des captures d’écran, des graphiques, des formulaires, des documents numérisés, des photos et des images vidéo, huit images par requête. d1-ultra lit du texte, des images, ou les deux ; l’exemple de lancement de Liquid est une photographie d’une carte de circuit imprimé vérifiée par rapport à ses spécifications.
• Prix par million de tokens d’entrée — 0,03 $ pour Drex Max v1.1 pendant sa période de lancement (50 % de réduction sur un tarif catalogue de 0,06 $), 0,042 $ pour d1-ultra. Nace est moins cher aujourd’hui et pourrait ne plus l’être une fois la remise terminée.
• Facturation des images — Drex Max v1.1 compte les tokens d’image dans la limite de 131 072 tokens par question. d1-ultra facture 1,5 token par patch de 32 × 32 pixels, ainsi une image de 1024 × 1024 coûte 1 536 tokens, et facture chaque question comme son propre prompt incluant toutes les images.
• Contexte — 131,072 tokens par question pour Drex Max v1.1, avec 262,144 pour l’ensemble de la requête empaquetée. Liquid ne publie pas de fenêtre comparable par question.
• Disponibilité — Drex Max v1.1 est commercialisé via l’API et la console de Nace ; d1-ultra via l’API et la console Liquid. Aucun des deux ne figure sur notre liste de routes, et rien ici ne constitue une affirmation de disponibilité de notre part.
Cette règle de facturation par question sur d1-ultra est le détail qui décide du coût à l’échelle des documents, et le conseil l’a mesuré. Artificial Analysis rapporte que Drex Max v1.1 utilise environ 9 000 jetons d’entrée pour une tâche documentaire de quinze questions, contre environ 63 000 pour les modèles qui refacturent l’entrée par question — et le coût par tâche de d1-ultra ressort à 132 $ contre 102 $ pour Drex, proche du rapport de leurs prix catalogue et légèrement moins bon.
La carte, composant par composant
L’écart composite est de 2,9 points. Les écarts entre les composantes sont extrêmement inégaux, et le schéma est constant : Drex l’emporte sur les documents, d1-ultra l’emporte sur la connaissance des choses et sur le refus de répondre.

• Indice de décision v2 — Drex Max v1.1 73,39, d1-ultra 70,45.
• Indice de précision — Drex Max v1.1 58,41, d1-ultra 54,94, qui est le score obtenu en retirant la composante de calibration.
• Score de décision documentaire AA-Paperclip — Drex Max v1.1 72,82, d1-ultra 64,69. Taux de réponses justes aux quinze : 63,0 % contre 51,3 %.
• Appel d'outils When2Call — Drex Max v1.1 95.26, d1-ultra 93.83. Serré, et les deux bien au-dessus des 84.39 de Jev 1.14.
• Cohérence de paraphrase AA-Symmetry — Drex Max v1.1 84,96, d1-ultra 77,81, un écart de 7 points qui est la deuxième plus grande divergence de l’ensemble.
• AA-Omniscience-Decision — d1-ultra 64,39, Drex Max v1.1 60,27. La seule évaluation où le classement s’inverse.
• HLE-MultiChoice — d1-ultra 47,39, Drex Max v1.1 46,61, mais en exactitude brute, d1-ultra est à 6,09 % et Drex à 8,25 %.
• Abstention — d1-ultra refuse de répondre à 88,61 % des questions d’omniscience auxquelles il ne peut pas répondre, Drex Max v1.1 à 65,28 %, Microsoft-Decision-1 à 21,74 %.
• Temps par tâche — Drex Max v1.1 275 ms, d1-ultra 295 ms.
• Coût pour 1 M de tâches — Drex Max v1.1 : 102 $, d1-ultra : 132 $.
Lisez la ligne d'abstention deux fois, car elle explique la ligne d'omniscience et c'est la propriété la moins intuitive du tableau. Le score de décision d'omniscience plus élevé de d1-ultra ne tient pas principalement aux connaissances : sa précision brute y est de 28,0 %, la même que celle de Drex Max v1.1. Il obtient un score plus élevé parce qu'il dit « Je ne sais pas » bien plus souvent et que la fonction de notation récompense cela. Mammoth 27B et Elephant 9B mènent l'évaluation de symétrie pour la même raison — Artificial Analysis dit carrément que les modèles de Baseten « admettent systématiquement, avec une grande confiance, qu'ils ne connaissent pas la réponse, quelles que soient les variations de la question ».
Rien de tout cela n’est un défaut de la métrique. C’est une indication de ce que vous achetez. d1-ultra est le modèle à privilégier lorsqu’une question sans réponse coûte moins cher qu’une réponse erronée. Drex Max v1.1 est le modèle à privilégier lorsqu’il faut aboutir à une décision et que la queue des cas à faible confiance est confiée à un humain.

Ce que l’évaluation de Liquid a mesuré, et ce qu’elle n’a pas mesuré
Le post de lancement de Liquid compare d1-ultra à d1 et Jev 1.14 sur « 112 évaluations uniques » et indique qu’il surpasse Jev sur chacune d’elles, avec un meilleur calibrage au même prix. Il s’agit d’une comparaison réalisée par le fournisseur sur un instrument choisi par le fournisseur, et elle ne dit rien de Drex Max, qui n’y figure pas. L’affirmation relative à l’indice à huit points a été formulée par rapport à Decision Index v1.0, publié le 13 octobre 2026 — deux jours avant que d1-ultra n’existe — et ce classement n’a jamais listé d1-ultra.
Le fournisseur avance bien une affirmation que le nouveau classement corrobore : il a entraîné d1-ultra spécifiquement pour qu’il soit moins excessivement confiant, et la calibration qui apparaît à 64,39 sur omniscience contre 60,14 pour Jev, avec un score composite supérieur de 2,0 points à celui de Jev à précision comparable, est réelle. d1-ultra à 70,45 contre Jev 1.14 à 66,96 sur le même instrument constitue une amélioration authentique par rapport à la solution en place, mesurée indépendamment.

L’affirmation qui ne tient pas, c’est celle du classement. Sur v2, d1-ultra est cinquième sur dix-sept, et les quatre modèles qui le précèdent se tiennent tous à moins de 3 points. Un écart de 3 points entre les cinq premiers n’est pas une hiérarchie ; c’est une égalité départagée par le composant que votre charge de travail se trouve pondérer.
Ce qu'il faut réellement exécuter
Les deux modèles sont hébergés, aucun des deux ne figure dans notre catalogue, et la façon honnête de choisir entre eux est un comparatif sur vos propres états plutôt que sur la suite de tests de l’un ou l’autre fournisseur. Si vous le faites, faites-le sur ce que le conseil pénalise : les documents tout-ou-rien. Un modèle qui obtient 97 % de réponses individuelles correctes et 63 % de documents entièrement corrects n’est pas deux fois meilleur qu’un modèle à 51 % ; il vaut exactement la probabilité qu’aucune de quinze réponses dépendantes ne soit fausse, ce à quoi votre pipeline sera confronté.
Ce qu'un routeur change ici, ce n'est pas le choix entre ces deux-là — nous ne proposons ni l'un ni l'autre — mais la forme du pipeline autour d'eux. Tous deux sont des scoreurs situés en amont de quelque chose qui écrit. L'étape d'écriture est un appel à un modèle général, et c'est la partie où un point de terminaison avec plus de 200 modèles, le prix catalogue du fournisseur répercuté sans majoration par token et un basculement automatique vous fait réellement économiser une intégration, car le modèle vers lequel vous routez changera plus souvent que le scoreur.
Si vous voulez une seule raison de préférer Drex Max v1.1 aujourd’hui, ce n’est pas le score composite de 2,9 points. C’est qu’il est plus rapide, moins cher par tâche et sept points plus cohérent lorsqu’une même question est formulée de deux manières différentes — et la cohérence est la propriété qui se dégrade discrètement en production plutôt que bruyamment dans un benchmark. Si vous voulez une seule raison de préférer d1-ultra, c’est qu’il refuse. Les deux se défendent. Aucune des annonces des deux fournisseurs ne se défend.
