
Karpo Decision 31B arrive en tête d’un classement de 307 modèles sans aucun article de lancement à son nom.
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 184 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 · 87 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 96 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 · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 77 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 · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 69 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 · 41 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 · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 111 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
Le 12 novembre 2026, le Decision Index — le classement communautaire qui suit les reproductions ouvertes du Jev de TypeSafe — a placé Karpo Decision 31B en tête de son score Full, avec 73,9, le plus élevé des 307 entrées. Cette même semaine, la rumeur a commencé à circuler selon laquelle ce modèle, un fine-tuning du Gemma 4 31B ouvert de Google, surpassait le Gemini Decision 1 de Google lui-même. Une seule de ces deux affirmations est vérifiable aujourd'hui par un lecteur, et la différence entre les deux, c'est toute l'histoire. Le fait que le classement place Karpo en tête est public, daté et reproductible à partir d'un fichier de résultats de 45 Mo publié par le laboratoire. Le face-à-face avec Gemini Decision 1 n'a jamais été réalisé : les deux modèles ne partagent pas un seul classement, et les instruments sur lesquels ils ont été évalués ne sont pas les mêmes.
Ce qui rend la première moitié étrange, ce n’est pas le score. C’est le silence qui l’entoure. MachinePulse Pte. Ltd., la société singapourienne derrière Karpo, a créé le dépôt Hugging Face le 5 novembre 2026, publié un dépôt d’inférence sur GitHub le même jour, et livré cinq variantes plus petites — 12B, 9B, 4B, 2B et 0.8B — le 12 novembre. À l’heure où nous écrivons, il n’y a pas de page produit, pas d’article de blog, pas de tarification, pas d’annonce de modèle et pas d’API. Le site de l’entreprise renvoie une 404 sur chaque chemin susceptible d’en héberger un. Karpo existe sous forme de poids, d’un README, d’un paquet Python et d’une ligne de classement. Cet article porte sur ce que ces quatre choses peuvent et ne peuvent pas vous dire.

Les dates, et pourquoi elles comptent plus que d’habitude
L’horodatage de création du dépôt est le 5 novembre 2026 à 15 h 33 UTC. Le code d’inférence GitHub a été créé vingt-deux minutes plus tard. Le jeu de données d’exécution Decision Index — ce qui rend le 73,9 auditable — a été téléversé le 6 novembre à 05 h 18 UTC. Le README était encore en cours de modification le 16 novembre, les deux derniers commits ne changeant rien d’autre qu’une ligne de copyright et une mention de licence.
C’est un modèle vieux de deux semaines, avec un dépôt actif et aucun lancement. Ce n’est pas une fuite, et ce n’est pas le renommage de quelque chose de plus ancien : les poids sont nouveaux, le fichier de licence est nouveau, et la famille de six modèles a été poussée en un seul après-midi. Ce que c’est, c’est un laboratoire qui a décidé de publier l’artefact avant le marketing.
Ce que mesure précisément le 73,9

Le Decision Index, dans sa version actuelle, est l’édition 0.4.1. Son score Full est calculé par les mainteneurs du classement sur des tests privés : environ 60 % de tâches issues des mêmes compétences que la suite publique et 40 % de domaines que la suite publique ne couvre pas. La ligne de Karpo indique 73,9 Full, avec 70,7 sur la portion mêmes compétences et 78,6 sur la portion nouveaux domaines. Ces deux derniers chiffres apparaissent dans un ordre inhabituel — un modèle réussit généralement moins bien sur un territoire inconnu que sur les compétences contre lesquelles il a été ajusté — et la carte le signale sans commentaire.
Le classement attribue un même rang aux modèles à 0,9 point ou moins du leader ; Karpo n’occupe donc pas seule la première place. GLiDE 27B, à 73,4, partage la place n°1. Derrière eux se trouvent REAX 1.3 à 72,6, Logits Sigma-1 Duo à 72,3, Copernicus-31B à 72,1 et KnowLine 31B Gen1.5 à 71,9. Le haut du classement est dense, pas une course en solitaire.
Le deuxième chiffre de la fiche, 75.05, a une provenance différente et mérite d’être lu autrement. Il s’agit de l’indice public, et il provient de la propre exécution par MachinePulse du kit de notation officiel — 140 178 requêtes notées, dont neuf refusées parce qu’une seule question accompagnée de son état dépassait la fenêtre de 32 768 jetons. Le conseil a adopté cette exécution. La raison de lui faire davantage confiance qu’à un chiffre type de fournisseur est que le répertoire d’exécution est public : results.jsonl.gz, un fichier de scores par requête, un manifeste d’environnement. N’importe qui peut relancer le kit et comparer. L’adoption par le conseil constitue elle-même l’étape de revue. C’est une norme plus exigeante que celle à laquelle la plupart des annonces de lancement satisfont, et ce n’est toujours pas la même chose qu’un laboratoire indépendant notant le modèle sur son propre matériel.
Deux étiquettes, donc, et elles ne doivent pas être fusionnées : le score Full est calculé par un tiers à partir de tests privés ; l’indice public est calculé en interne à partir d’une suite publique et adopté. Ni l’un ni l’autre n’est un benchmark de fournisseur au sens habituel. Ni l’un ni l’autre n’est Artificial Analysis.
Pourquoi « beats Gemini Decision 1 » n’est pas encore une affirmation mesurée
Gemini Decision 1 a un score. Artificial Analysis lui a attribué 65,98 sur Decision Index v2.1, un composite de six évaluations pondérées couvrant les décisions documentaires, l’appel d’outils, les connaissances, le raisonnement et l’invariance. Sur ce classement, il occupe la onzième place parmi les modèles de décision classés par AA, derrière d1.2-ultra à 74,85, Drex Max v1.1 à 72,62 et SubQ Snap 1.2 à 72,58, et devant Microsoft-Decision-1 à 62,07. Le score est celui d’AA, sur le matériel d’AA, et son exécution coûte 345 $ par million de tâches.
Karpo n’apparaît pas du tout sur ce tableau. Artificial Analysis n’a ni page ni ligne pour lui. Gemini Decision 1 n’apparaît pas non plus sur le tracker Decision Index qui répertorie Karpo — ce tableau est un registre de reproductions ouvertes, et le modèle de Google est un produit fermé, disponible uniquement via API, sans poids à reproduire.
Donc la comparaison que tout le monde fait est une inférence tirée de deux chiffres produits par deux organisations, sur deux suites aux mélanges de tâches différents, avec des parts de tests privés différentes et des formules de notation différentes. 73,9 n'est supérieur à 65,98 en aucun sens qui résiste à l'épreuve de la méthodologie. Si les deux passaient demain par le même protocole, Karpo pourrait bien l'emporter — son profil par catégorie est solide — mais personne ne l'a fait, et le titre n'est pour l'instant qu'une hypothèse déguisée en résultat.
Il y a une autre subtilité à connaître, car elle joue contre l’affirmation plutôt qu’en sa faveur. Dans les cinq catégories détaillées du tracker, le domaine le plus faible de Karpo est celui des connaissances et du raisonnement, avec 65,5 de compétence corrigée pour le hasard. Son point le plus fort est celui des outils et de l’automatisation, avec 88,4. Dans le tableau d’AA, la seule composante où Gemini Decision 1 surclasse presque tout est celle des connaissances : 66,3 sur AA-Omniscience, le score le plus élevé des quatre modèles examinés ici. Le domaine où le modèle Google est le meilleur est celui où le fine-tuning de Gemma est relativement le plus faible. Un face-à-face y serait une véritable confrontation, pas une victoire facile, et c’est précisément pourquoi la comparaison non réalisée ne devrait pas être présentée comme une victoire.
La partie de la carte qui est plus intéressante que le classement

Karpo n’est pas un modèle de chat doté d’un mode JSON. C’est un mécanisme de lecture. Chaque option d’une question reçoit un code d’option, et une tête linéaire note 255 codes à un emplacement fixe, puis applique un softmax sur les options réellement proposées par la question. Rien n’est généré, donc la réponse est toujours l’un des choix que vous avez fournis et le coût de sortie est structurellement nul.
L’architecture mérite un paragraphe parce qu’elle explique la latence. Une requête correspond à un état et à un nombre quelconque de questions, encodés sous la forme d’une séquence unique : d’abord les questions, puis l’état, puis une branche par question. L’attention par branche permet à une branche de lire le bloc partagé et elle-même, jamais une autre branche. L’état est calculé une seule fois. Cent questions sur une même facture coûtent donc environ une passe sur la facture, et non cent.
• Paramètres — 31,3 B en bf16, plus une matrice de lecture de 255 × 5 376 en fp32 ; environ 62,5 Go sur disque.
Contexte — 32 768 jetons par séquence ; une requête plus longue est découpée par question, chaque partie portant l’état complet, et une question qui ne tient toujours pas est refusée plutôt que tronquée.
• Entrée — texte, JSON et images ; une capture d'écran peut être passée en tant que state.viewport_screenshot ou en tant qu'URL de données.
• Types de questions — choix avec jusqu'à 255 options, noul pour vrai/faux, score pour un niveau ordonné.
• Interface — une API Python et un serveur HTTP sous la forme System One, POST /v1/systemone.
• Licence — Apache-2.0 pour les poids et le code, avec la licence propre à Gemma 4 également fournie dans le dépôt.
La latence mesurée sur le matériel de référence du tracker, avec un GPU et une requête à la fois, est de 94 ms en médiane. Ce n’est pas assez rapide pour être invisible dans une boucle d’agent par étape qui effectue vingt petits appels par tour, mais c’est assez rapide pour se placer derrière une porte d’appel d’outil qui se déclenche une poignée de fois par conversation. La fiche indique aussi une erreur de calibration de 4,8 points, le chiffre dont dépend réellement un déploiement : la précision indique à quelle fréquence la meilleure réponse est correcte, la calibration indique si la probabilité qui y est attachée peut être soumise à un seuil.
Ce qui n’est pas confirmé, dit clairement
Il n’y a pas de prix. Pas de « non divulgué en attente de lancement » — aucune grille tarifaire, aucun point de terminaison hébergé, aucune console, aucun essai. Si vous voulez Karpo Decision 31B aujourd’hui, vous téléchargez 62,5 Go et l’exécutez sur votre propre GPU avec le chargeur fourni par le dépôt. Charger le checkpoint comme un modèle de chat ordinaire ne reproduira pas ses réponses ; l’attention par branche et le readout sont tous deux nécessaires.
Il n’existe pas de score indépendant. Le Decision Index est non officiel et maintenu par la communauté. Il est rigoureux, bien documenté et exceptionnellement transparent sur sa méthode ; il ne s’agit pas d’Artificial Analysis, et il n’a pas été invité à évaluer ce modèle sur son propre matériel. L’élément tiers le plus solide est que ses mainteneurs ont calculé le score Full sur des tests que le fournisseur n’a jamais vus.
Il n'existe aucune déclaration du fournisseur sur ce pour quoi le modèle a été conçu, au-delà de la description figurant dans le README : les petits appels qu'un agent effectue à chaque étape — s'il faut appeler un outil ou demander d'abord, quel élément d'une page cliquer, si un retour est éligible selon une politique. Cette description est le cadrage du laboratoire, et non un périmètre validé de manière indépendante.
Et il n’y a aucune annonce. Pas une annonce discrète, pas une entrée dans le journal des modifications. Deux semaines après la mise en ligne des poids, la vitrine publique de l’entreprise se résume à une page de recrutement et à une autre gamme de produits.
Où cela laisse une équipe qui souhaite l’essayer
Le résumé honnête, c’est que Karpo Decision 31B est le modèle de décision ouvert le plus intéressant des quinze derniers jours et le moins étayé. Sa première place est réelle mais à égalité, son indice public est reproductible, son score sur test privé provient véritablement d’un tiers, et son argument marketing central — selon lequel un fine-tuning de Gemma bat désormais Google sur son propre modèle de décision — n’est pas mesuré.
Pour les équipes qui exploitent déjà une couche de décision, la voie pratique est un déploiement fantôme plutôt qu'une migration. Conservez le modèle qui porte le trafic de production, exécutez Karpo hors ligne sur les mêmes requêtes, et comparez les probabilités plutôt que les étiquettes : une erreur de calibration de 4,8 points signifie qu'environ une réponse sur vingt est faussement assurée au-delà de ce que sa probabilité annoncée laisse penser, et c'est votre politique de seuil qui la transforme soit en file de révision humaine, soit en incident. Si vous standardisez sur un seul point de terminaison pour le reste de la pile, les modèles que vous pouvez réellement atteindre cette semaine sont ceux du catalogue — Gemma 4 31B lui-même, qui est la base de Karpo et qui est servi via une API unique pour plus de 200 modèles au prix catalogue du fournisseur, sans marge, et Jev 1.14 de TypeSafe, le modèle que tout ce tableau de reproduction ouverte a été conçu pour rattraper. Karpo devra mériter sa place comme les autres l'ont fait : en étant appelable.
Ce qu’il faut surveiller, ce n’est pas le 73,9. C’est de savoir si MachinePulse met en ligne une page produit, un prix et une soumission à AA dans le mois qui vient. Un laboratoire qui publie ses poids avant d’avoir un site web a généralement une raison, et cette raison tend à se manifester soit par un point de terminaison hébergé, soit par un pivot. Dans un cas comme dans l’autre, le premier chiffre indépendant au tableau de AA tranchera en une semaine ce que quinze jours d’arithmétique de classement n’ont pas tranché.
