כרטיס כותרת שנוצר שכותרתו ‘2.2 points apart, and a price that doubles’, עם כותרת משנה ‘d1.2-ultra vs Drex Max v1.1 - Decision Index v2.1’. שני כרטיסים מעוגלים מציגים את ‘d1.2-ultra’ מעל ‘75’ ואת ‘Drex Max v1.1’ מעל ‘73’, מופרדים בקו מפריד אנכי דק; מתחתיהם פס רחב מציג ‘$133 per 1M tasks vs $103 now, about $206 at standard price’, ותג אחד עם מסגרת מציג ‘independent board, both models run by Artificial Analysis’. סימן OrcaRouter מורכב בפינה הימנית התחתונה.
Guides & Insights

d1.2-ultra נגד Drex Max 1.1: פער של 2.2 נקודות ותג מחיר שמכפיל את עצמו בדצמבר

מחבר

jinhao.song

תאריך פרסום

מודלים אחרונים · 20צפו בכל המודלים →
בנצ'מרקים: Artificial Analysis · מתעדכן יומית
חזרה לכל הפוסטים

Liquid AI d1.2-ultra מוביל על Drex Max v1.1 של Nace.AI ב-2.23 נקודות ב-Artificial Analysis Decision Index v2.1 — 74.85 לעומת 72.62 — ובמחיר המדבקה הוא המודל היקר יותר, ב-$0.042 למיליון טוקני קלט לעומת $0.03. שני המספרים האלה נכונים היום, ורק אחד מהם יישאר נכון כשההנחה להשקה בצד של Nace תפוג. Artificial Analysis מוסיף כוכבית לשורת העלות של Drex Max v1.1: העלות של $103 למיליון משימות שהיא מדווחת עליה "משקפת מחיר השקה זמני", ובמחיר הרגיל העלות הזו תוכפל. מה שאומר שהצמד שנראה כמו מודל פרימיום לעומת מודל משתלם הוא, מבחינת העלות שקובעת בפועל פריסה, בדיוק ההפך.

הדירוג אמיתי ונמדד באופן בלתי תלוי — שני המודלים הורצו על ידי Artificial Analysis על החומרה שלה, ולא על ידי מי מהספקים — כך שזהו השוואה בין שתי שורות עם ציון ולא בין שתי הודעות לעיתונות. בהמשך מופרדות הנקודות שישרדו את שינוי המחיר מאלה שלא.

ראשית, מה הערת השוליים עושה להשוואת העלויות

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.’

מחירים לפי טוקן הם המספר הלא נכון שעליו לתכנן כאשר אחד משני הספקים מעניק הנחה. עלות לפי משימה היא הנכונה, משום שהיא מגלמת בתוכה כמה טוקנים כל מודל שורף כדי לענות על אותו מסמך, וזה מה ש-Artificial Analysis מפרסמת לצד המדד.

• לכל מיליון טוקני קלט — d1.2-ultra $0.042, Drex Max v1.1 $0.03.

• למיליון משימות במחירים הנוכחיים — d1.2-ultra ‏$133, Drex Max v1.1 ‏$103, כאשר האחרון מסומן כמחיר השקה זמני.

• למיליון משימות במחיר סטנדרטי — d1.2-ultra ‏$133, Drex Max v1.1 בערך $206 לפי ההערה של הדירקטוריון עצמו שעלותו תהיה כפולה.

• חציון הקטגוריה — 135 דולר למיליון משימות, כך שמודל Liquid נמצא ממש מתחתיו ומודל Nace יעמוד הרבה מעליו.

ההיפוך הזה חשוב יותר ממה שפער הטוקנים של שני סנטים מרמז, משום שהוא משנה לאיזה מודל תפנו בהיקפים גדולים. קו Drex היה האפשרות הזולה בקטגוריה הזו מאז ש-v2 הושק ב-8 בנובמבר; אם ההנחה היא מבצע השקה ולא תמחור מחדש, האפשרות הזולה הופכת ליקרה בלי שאף מדד ביצועים זז. כל מי שקיבע תקציב לנתון של $103 צריך לשאול את Nace מתי מחיר התקן נכנס לתוקף לפני שהוא מקצה לכך רבעון של תעבורה.

ממה 2.2 הנקודות בעצם מורכבות

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.

המדד המשולב קרוב. הרכיבים לא, והם מצביעים לכיוונים שונים, וזה החלק השימושי.

• AA-Symmetry, 15% — הפער הרחב ביותר מבין השישה. d1.2-ultra משיג 86.34 לעומת 79.82 של Drex Max v1.1. במדד all-pass המחמיר יותר, אשר דורש אותה תשובה בכל ניסוח מחדש ולא ממוצע טוב, הוא משיג 56.7% לעומת 53.3%. Drex Max v1.1 היה כבר המודל השני בטיבו במשפחה שלו במבחן הזה; מודל Liquid פשוט יציב יותר תחת ניסוח מחדש.

• AA-Paperclip, 30% — 75.81 לעומת 72.82 בציון ההחלטה, ו-67.7% לעומת 63.0% מהמסמכים נכונים במלואם. שלוש נקודות בשיעור המסמכים שעוברים במלואם מהוות את הגורם הבודד הגדול ביותר לפער במדד, והוא זה שממופה בצורה הישירה ביותר לצינור חילוץ אמיתי, מפני שמסמך שמפספס אחת מחמש־עשרה תשובות נחשב לכישלון בכל מקרה.

• When2Call, 10% — 96.49 לעומת 95.26. שניהם קרובים לתקרת ההערכה; נקודה ורבע במבחן שבו כל עשרת המובילים נמצאים בתוך טווח של שתי נקודות אינו גורם מבדיל.

• EvalSafe-O*NET-AA, 15% — 89.53 לעומת 88.32, גם כן מרווח של הטלת מטבע.

• AA-Omniscience-Decision v1.1, 15% — 60.80 לעומת 60.27. למעשה תיקו בציון, והחלוקה מתחתיו: Drex עונה נכון על יותר משאלות אלה, 28.0% לעומת 23.6%, בעוד d1.2-ultra נמנע באופן כן יותר, 83.8% שיעור אי-הזיה לעומת 65.3%.

• HLE-MultiChoice v1.1, 15% — 46.36 מול 46.61, ציון ההחלטה היחיד שבו Nace מנצח, ברבע נקודה. ומתחת לזה, פער הדיוק הגולמי אינו רבע נקודה: 8.25% מול 2.36%.

איפה Drex Max 1.1 עדיין מנצח, ולמה זו לא שגיאת עיגול

שלושה דברים על הלוח תומכים במודל Nace, והשניים הראשונים הם מהסוג שמכריע אם עומס עבודה אפשרי בכלל.

חלון ההקשר הוא הדבר הגדול. Drex Max v1.1 מקבל 262k טוקנים; d1.2-ultra מקבל 66k, שזה בעצמו כפול ממה שהכיל דגם הדגל הקודם של Liquid. זהו הבדל פי ארבעה בגודל המצב שאפשר להעביר למודל בקריאה אחת, ואף אחד מהמודלים לא מייצר טוקני פלט, כך שאין תקציב פלט שאפשר לקזז מולו. חוזה בן 200 עמודים, תיק תביעות ארוך, או חבילת תיק מרובת מסמכים שנכנסת לבקשה אחת של Drex — יש לחלק לנתחים, לשאול מחדש ולהרכיב מחדש בצד של Liquid — וכל גבול בין נתחים הוא מקום שבו שאלה חוצת מסמכים מפסיקה להיות ניתנת למענה.

השני הוא ידע. ב-HLE-MultiChoice, Drex עונה נכון על 8.25% מהשאלות לעומת 2.36%, וב-AA-Omniscience-Decision הוא עונה 28.0% לעומת 23.6% — בעוד שהוא נמנע מלענות בשיעור נמוך בהרבה. שיעורי אי-ההזיה הגבוהים של d1.2-ultra הם בחלקם מעלה ובחלקם תסמין: מודל שאומר "איני יודע" שלוש פעמים מתוך ארבע הוא מכויל היטב ואינו שימושי במיוחד בשאלה שיש לה באמת תשובה. אם המשימה שלך היא קבלת החלטות לגבי מסמכים, הפשרה הזו בסדר. אם מדובר בהחלטות שמחייבות ידע כלשהו, Drex הוא המודל שיודע יותר.

השלישי הוא מהירות, על הנייר בלבד. 283 ms לעומת 218 ms לכל משימה במדד, שניהם איטיים יותר מחציון המחלקה של 209 ms, ושניהם מהירים מספיק כך שאף אחד מהם לא יהווה צוואר בקבוק בצינור עיבוד שעושה משהו אחר.

שני המודלים אינם ניתנים להחלפה, מה שמפשט את הבחירה

שום כמות של אריתמטיקת אינדקסים לא הופכת את אלה לברי־החלפה, וההעמידה פנים שהדבר אפשרי היא בדיוק המקום שבו רוב כתבות ההשוואה טועות. האחד הוא קורא מסמכים של 66 אלף טוקנים, המכוונן ליציבות כיול ופרפרזה; האחר הוא קורא של 262 אלף טוקנים שמנכה את מחירו ועונה על יותר שאלות קשות. נקודת המעבר אינה ציון — היא גודל מצב.

• אם המצבים שלך נכנסים ב-66k ואתה מגדיר סף לפי ההסתברות — אישור אוטומטי מעל 0.9, הסלמה מתחת — d1.2-ultra הוא הכלי הטוב יותר. ציון Brier הטוב ביותר מבין 24 המודלים בלוח, 0.150, לעומת 0.160 אצל Drex, וציון סימטריה גבוה בשש וחצי נקודות.

• אם המצבים שלך עוברים את 66k, או שהשאלות שלך דורשות ידע ולא קריאה, Drex Max v1.1 הוא היחיד מבין השניים שיעשה את העבודה בכלל, ופער האינדקס מפסיק להיות המספר המכריע.

• אם אתה רגיש לעלויות בהיקף גדול והמחיר של Nace נשאר יציב, Drex זול יותר לכל משימה היום. אם המחיר חוזר למצבו הקודם, Drex הוא היקר מבין השניים ומודל Liquid מנצח הן בציון והן בעלות.

לבדוק את שניהם בלי להמר על אף אחד מהם

אף אחד מהמודלים אינו בקטלוג שלנו, ואין כאן שום הצהרת זמינות לגבי אף אחד מהם: d1.2-ultra מוגש מה-API של Liquid עצמה, ו-Drex Max v1.1 מה-API של Nace. זה בדיוק המצב שבו שכבת ניתוב מצדיקה את קיומה ולא רק מהווה סעיף תקציבי, כי על השאלה שצוות באמת שואל — האם פער של 2.2 נקודות משתחזר במסמכים שלי? — עונים על ידי הרצת אותם מצבים דרך שניהם, ולא על ידי קריאת לוח דירוג.

המודל השלישי ששווה לכלול בבדיקה הזו הוא Jev 1.14, שאותו אנחנו כן מארחים במחיר של $0.042 למיליון טוקני קלט באותו systemone מבנה בקשה. הוא מוביל ב-EvalSafe-O*NET-AA עם 91.14, הרכיב היחיד שבו אף אחד מהשניים האלה אינו ראשון, והוא עונה תוך 92 מ״ש — המהיר מבין השלושה בפער גדול. הרצת צל תלת-כיוונית על מפתח אחד, כאשר שפת הניתוב DSL שולחת את אותו מטען לכל אחד, ומעבר אוטומטי לגיבוי שומר על נתיב ייצור פעיל אם לספק אחד יש אחר צהריים רע, היא דרך זולה יותר להכריע בזה מאשר מחזור רכש.

מה לראות, ומתי

שני תאריכים מכריעים את העימות הזה. הראשון הוא המועד שבו מסתיים מחיר ההשקה של Nace: במחיר של 103 דולר למיליון משימות, Drex Max v1.1 הוא הבחירה המשתלמת; במחיר של כ-206 דולר הוא זה הפרימיום, וציון המדד אינו משתנה כך או כך. שאלו לפני שאתם מתקצבים.

השני הוא עדכון המדד הבא. Decision Index v2.1 עדכני מספיק כדי שהלוח עדיין כולל הערה לפיה המדד עודכן ב-16 בנובמבר, ופער של 2.2 נקודות בין הראשון לשני נמצא בטווח שעדכון של רכיב אחד יכול להזיז. אם מערך המסמכים הפרטי של AA-Paperclip ירוענן, הרכיב שמשקלו 30% ושמספק את רוב הפער הוא זה שיזוז ראשון.

עד אז, הסיכום הכנה הוא זה: d1.2-ultra הוא המודל הטוב יותר לפי הראיות, בפער קטן במדד המשולב וגדול בסימטריה ובשיעור המעבר המלא במסמכים, והוא המודל הזול יותר לכל משימה ברגע שההנחה של Nace תפוג. Drex Max v1.1 נותר היחיד מבין השניים שיכול לבלוע מצב של 200k טוקנים, ובשאלות שדורשות ידע ולא קריאה הוא עדיין החזק מבין השניים. בחרו לפי גודל המצב קודם, לפי מחיר שני, ולפי מדד שלישי.

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.