כרטיס השוואה שנוצר שכותרתו 'Drex Max v1.1 לעומת Liquid AI d1-ultra', עם שורות עבור מדד החלטה 73.4 לעומת 70.4, ציון החלטת מסמך 72.8 לעומת 64.7, שיעור הימנעות 65.3 אחוז לעומת 88.6 אחוז, זמן למשימה 275 ms לעומת 295 ms, ועלות ל-1M משימות $102 לעומת $132, עם כותרת תחתונה האומרת Artificial Analysis Decision Index v2, 8 בנובמבר 2026.
Guides & Insights

Drex Max v1.1 לעומת Liquid AI d1-ultra: שני מדרגים מולטימודליים, וכותרת שכבר אינה מחזיקה מעמד

מחבר

jinhao.song

תאריך פרסום

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

Liquid AI d1-ultra הושק ב-15 באוקטובר 2026 עם משפט שהיה ניתן להגנה באותה עת: הוא "מתעלה על כל שאר מודלי קבלת ההחלטות במדד ההחלטות של Artificial Analysis בפער של לפחות 8 נקודות." שלושה שבועות לאחר מכן החליפה Artificial Analysis את המדד הזה ב-v2, דירגה מחדש שבעה-עשר מודלים על נתונים חדשים, ו-d1-ultra נחת במקום החמישי עם 70.4 — אחרי Drex Max v1.1 עם 73.4, GLiDE v1.2 עם 72.8, Mammoth 27B עם 72.4, ובפער של שלוש מאיות הנקודה, Decider v1.2 של Perplexity עם 70.5. היתרון של שמונה נקודות נעלם, והוא מעולם לא נמדד בכלי הזה.

זו המסגרת להשוואה הזו, וכדאי להיות מדויקים לגבי מה זה אומר ומה זה לא אומר. זה לא אומר ש-d1-ultra נעשה גרוע יותר. זה אומר שהלוח השתנה מתחת לטענה שנעשתה ביחס ללוח הישן, וזהו הסיכון הרגיל שבציטוט מיקום בטבלת דירוג כאילו היה תכונה של המודל. שניהם מעריכי החלטות מולטימודליים חזקים. הם גם קרובים יותר ממה שהשיווק של כל אחד מהספקים מרמז, והם טובים בדברים שונים באופן בולט.

במקומות שבהם שני המודלים מסכימים, שזה רוב פני השטח

שניהם מודלים לקבלת החלטות במובן המדויק: אתם שולחים מצב ושאלות עם טיפוסים, מעבר קדימה אחד מחזיר הסתברות לכל אפשרות, ולא נוצר טקסט. שניהם מקבלים תמונות לצד טקסט. שניהם עונים על אותם שלושה סוגי שאלות — בחירה בין אפשרויות בעלות שם, כן/לא, וציון על סקאלה. שניהם מחייבים רק על הקלט, והפלט אינו מחויב, משום שאין פלט.

• מודאליות — Drex Max v1.1 קורא טקסט, צילומי מסך, תרשימים, טפסים, מסמכים סרוקים, תמונות ופריימים של וידאו, שמונה תמונות בכל בקשה. d1-ultra קורא טקסט, תמונות או שניהם; דוגמת ההשקה של Liquid היא תצלום של לוח מעגלים שנבדק אל מול המפרט שלו.

• מחיר למיליון טוקני קלט — $0.03 עבור Drex Max v1.1 בתקופת ההשקה שלו (50% הנחה ממחיר מחירון של $0.06), $0.042 עבור d1-ultra. Nace זול יותר היום ואולי לא יהיה לאחר שההנחה תיסגר.

• חיוב תמונות — Drex Max v1.1 סופר אסימוני תמונה בתוך המגבלה של 131,072 אסימונים לכל שאלה. d1-ultra מחייב 1.5 אסימונים לכל טלאי של 32×32 פיקסלים, כך שתמונה בגודל 1024×1024 עולה 1,536 אסימונים, ומחייב כל שאלה כפרומפט נפרד הכולל את כל התמונות.

• הקשר — 131,072 אסימונים לכל שאלה עבור Drex Max v1.1, עם 262,144 עבור הבקשה הארוזה כולה. Liquid אינה מפרסמת חלון בר־השוואה לכל שאלה.

• זמינות — Drex Max v1.1 נמכר דרך ה-API והקונסולה של Nace; d1-ultra דרך ה-API והקונסולה של Liquid. אף אחד מהם אינו ברשימת הנתיבים שלנו, ואין כאן כל הצהרת זמינות מצדנו.

כלל החיוב לפי שאלה ב-d1-ultra הוא הפרט שמכריע את העלות בהיקף של מסמכים, והדירקטוריון מדד אותו. Artificial Analysis מדווחת כי Drex Max v1.1 צורך כ-9,000 טוקני קלט במשימת מסמך בת חמש-עשרה שאלות, לעומת כ-63,000 במודלים שמחייבים מחדש את הקלט עבור כל שאלה — והעלות למשימה של d1-ultra יצאה 132 דולר לעומת 102 דולר של Drex, קרוב ליחס בין מחירי הרשימה שלהם וקצת פחות טוב.

הלוח, רכיב אחר רכיב

הפער המשולב הוא 2.9 נקודות. פערי הרכיבים אינם אחידים בעליל, והתבנית עקבית: Drex מנצח במסמכים, d1-ultra מנצח בידיעת עובדות ובסירוב להשיב.

Screenshot of the Artificial Analysis Decision Index v2 page, showing the leaderboard navigation and the board's stated definition - a composite index testing decision models across document decisions and extraction, tool calling, knowledge, reasoning and invariance, built from six evaluations including AA-Paperclip's 1,500 resumes, receipts and invoices.

• מדד החלטה v2 — Drex Max v1.1 73.39, d1-ultra 70.45.

• מדד דיוק — Drex Max v1.1 58.41, d1-ultra 54.94, שהוא הציון כאשר רכיב הכיול הוסר.

• ציון החלטת מסמך AA-Paperclip — Drex Max v1.1 72.82, d1-ultra 64.69. שיעור כל-חמישה-עשר-נכונים: 63.0% לעומת 51.3%.

• קריאה לכלים של When2Call — Drex Max v1.1 ‏95.26, d1-ultra ‏93.83. צמוד, ושניהם גבוהים בהרבה מ-84.39 של Jev 1.14.

• עקביות ניסוח מחדש של AA-Symmetry — Drex Max v1.1 84.96, d1-ultra 77.81, פער של 7 נקודות שהוא הסטייה השנייה בגודלה בקבוצה.

• AA-Omniscience-Decision — d1-ultra 64.39, Drex Max v1.1 60.27. ההערכה היחידה שבה הסדר מתהפך.

• HLE-MultiChoice — d1-ultra 47.39, Drex Max v1.1 46.61, אך בדיוק גולמי d1-ultra עומד על 6.09% ו-Drex על 8.25%.

• הימנעות — d1-ultra נמנע ב-88.61% משאלות ידיעת-הכל שאינו יכול לענות עליהן, Drex Max v1.1 ב-65.28%, Microsoft-Decision-1 ב-21.74%.

• זמן לכל משימה — Drex Max v1.1 275 אלפיות השנייה, d1-ultra 295 אלפיות השנייה.

• עלות ל-1 מיליון משימות — Drex Max v1.1 $102, d1-ultra $132.

קרא את שורת ההימנעות פעמיים, כי היא מסבירה את שורת הידע-כל והיא התכונה הכי פחות אינטואיטיבית בלוח. ציון החלטת הידע-כל הגבוה יותר של d1-ultra אינו בעיקר ידע: הדיוק הגולמי שלו שם הוא 28.0%, כמו זה של Drex Max v1.1. הוא מקבל ציון גבוה יותר כי הוא אומר "אני לא יודע" הרבה יותר לעתים קרובות, ופונקציית הניקוד מתגמלת על כך. Mammoth 27B ו-Elephant 9B מובילים בהערכת הסימטריה מאותה סיבה — Artificial Analysis אומרת במפורש שהמודלים של Baseten "באופן עקבי מודים שהם אינם יודעים תשובה בביטחון גבוה לאורך וריאציות של שאלות."

שום דבר מזה אינו פגם במדד. זו הצהרה על מה שאתה קונה. d1-ultra הוא המודל שאליו פונים כאשר שאלה ללא מענה זולה יותר מאחת שגויה. Drex Max v1.1 הוא המודל שאליו פונים כאשר משהו חייב לחזור עם החלטה, והזנב בעל הביטחון הנמוך מקבל בן אדם.

A generated scoreboard headed 'Two multimodal scorers, five uneven gaps', listing Drex Max v1.1 against Liquid AI d1-ultra on document decision score at 72.8 versus 64.7, paraphrase symmetry at 85.0 versus 77.8, tool calling at 95.3 versus 93.8, knowledge and abstention at 60.3 versus 64.4, and abstention on unanswerable items at 65.3 percent versus 88.6 percent.

מה מדדה ההערכה של Liquid עצמה, ומה היא לא מדדה

פוסט ההשקה של Liquid משווה את d1-ultra ל-d1 ול-Jev 1.14 על פני "112 הערכות ייחודיות" ומדווח שהוא גובר על Jev בכל אחת מהן, עם כיול טוב יותר באותו מחיר. זו השוואה שמפעיל הספק, על מכשיר שנבחר על ידי הספק, והיא אינה אומרת דבר על Drex Max, שאינו מופיע בה. הטענה בדבר מדד שמונה הנקודות נעשתה מול Decision Index v1.0, שפורסם ב-13 באוקטובר 2026 — יומיים לפני ש-d1-ultra היה קיים — ואותו לוח מעולם לא כלל את d1-ultra.

הספק אכן מציג טענה אחת שהלוח החדש מאשש: הוא אימן את d1-ultra במיוחד כדי שיהיה פחות בטוח מדי, והכיול שמתבטא ב-64.39 ב-omniscience לעומת 60.14 של Jev וציון משולב גבוה ב-2.0 נקודות מזה של Jev ברמת דיוק דומה הוא אמיתי. d1-ultra עם 70.45 לעומת Jev 1.14 עם 66.96 באותו מכשיר מדידה הוא שיפור אמיתי לעומת המודל הקיים, שנמדד באופן בלתי תלוי.

Screenshot of Liquid AI's d1-ultra announcement dated October 15, 2026, headed 'Introducing the World's Best Decision Model', describing the model as built for harder real-world cases such as spotting a defect on a circuit board against its spec or checking a damage claim against a customer photo, and stating availability on the Liquid API at $0.042 per million input tokens.

הטענה שלא שורדת היא הדירוג. ב-v2, d1-ultra הוא החמישי מתוך שבעה־עשר, וארבעת המודלים שמעליו נמצאים כולם בטווח של 3 נקודות. פער של 3 נקודות בין חמשת המובילים אינו היררכיה; זהו תיקו שנשבר לפי איזה רכיב עומס העבודה שלך במקרה נותן לו משקל.

מה בעצם להריץ

שני המודלים מתארחים, אף אחד מהם אינו בקטלוג שלנו, והדרך ההוגנת לבחור ביניהם היא מבחן השוואתי על המצבים שלכם ולא על חבילת המבחנים של אף אחד מהספקים. אם תריצו אותו, הריצו אותו על הדבר שהדירקטוריון מעניש בגינו: מסמכים של הכול או כלום. מודל שמדייק ב-97% מהתשובות הבודדות וב-63% מהמסמכים במלואם אינו טוב פי שניים ממודל שעומד על 51%; הוא טוב בדיוק כמו ההסתברות שאף אחת מחמש-עשרה תשובות תלויות אינה שגויה, וזה מה שהצינור שלכם יחווה.

מה שנתב משנה כאן הוא לא הבחירה בין שני אלה — אנחנו לא מציעים אף אחד מהם — אלא צורת הצינור סביבם. שניהם סקוררים שיושבים במעלה הזרם של משהו שכותב. שלב הכתיבה הוא קריאה למודל כללי, וזה החלק שבו נקודת קצה אחת עם יותר מ-200 מודלים, מחיר המחירון של הספק מועבר כפי שהוא ללא תוספת לכל טוקן ומעבר אוטומטי בין שרתים באמת חוסך לך אינטגרציה, כי המודל שאליו תנתב ישתנה בתדירות גבוהה יותר מזו של הסקורר.

אם אתם רוצים סיבה אחת להעדיף היום את Drex Max v1.1, היא לא ציון משולב של 2.9 נקודות. היא שהוא מהיר יותר, זול יותר לכל משימה, ועקבי יותר בשבע נקודות כאשר אותה שאלה מנוסחת בשתי דרכים — ועקביות היא התכונה שנשברת בשקט בייצור ולא בקול רם בבנצ'מרק. אם אתם רוצים סיבה אחת להעדיף את d1-ultra, היא שהוא מסרב. שתי הסיבות מוצדקות. אף אחת מכותרות הספקים אינה.