כרטיס כותרת שנוצר שכותרתו 'Karpo Decision 31B vs Drex Max 1.1' עם כותרת המשנה 'שני לוחות, מספר אחד לכל אחד — ובלי השוואה ראש בראש', שני פאנלים מעוגלים זה לצד זה, האחד מסומן 'מדד החלטה' ועליו 'Karpo Decision 31B 73.9', והשני מסומן 'Artificial Analysis v2.1' ועליו 'Drex Max 1.1 72.62', וצ'יפ אנכי קטן ברווח שביניהם שעליו 'אין מכשיר משותף'.
Guides & Insights

Karpo Decision 31B לעומת Drex Max 1.1: שני לוחות, מספר אחד לכל אחד

מחבר

Elias Hawthorne

תאריך פרסום

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

Karpo Decision 31B ו-Drex Max 1.1 קרובים מספיק בגודל, בצורה ובתיאור התפקיד כדי שדף מפרט יגרום להם להיראות כמו אותו מוצר משתי חברות. שניהם מודלים צפופים בגודל ~30B שעברו כוונון עדין כדי לענות על שאלות מוקלדות בנוגע למצב במעבר קדימה אחד בלי ליצור טקסט. שניהם מגיעים עם ראש קריאה בעל 255 מחלקות, שניהם מקבלים תמונות, ושניהם מסרבים במקום לקצץ שאלה גדולה מדי. הפער אינו בארכיטקטורה. הוא במה שכל ספק היה מוכן לאפשר למישהו אחר למדוד, ובמה שמותר לך לעשות עם המשקלים לאחר מכן. ל-Karpo מבית MachinePulse יש ציון Full של צד שלישי ואין מחיר. ל-Drex Max 1.1 מבית Nace.AI יש מספר עצמאי של Artificial Analysis, תעריף מפורסם ורישיון שמגביל שימוש מסחרי.

אף אחת משתי העסקאות האלה אינה בבירור הבחירה הנכונה. הנה מה שכל צד של העסקה עולה בפועל.

מאיפה המספרים מגיעים, כי הם לא מגיעים מאותו מקום

נתחיל מהחלק הלא נוח: אין היום אף לוח מובילים שבו לשני המודלים יש ציון.

Karpo Decision 31B מופיע ב-Decision Index, לוח הקהילה שעוקב אחר שחזורים פתוחים של Je​v של TypeSafe. ציון ה-Full שלו הוא 73.9, שחושב על ידי מתחזקי הלוח בבדיקות פרטיות, והוא חולק כעת את המקום הראשון עם GLiDE 27B בציון 73.4. המדד הציבורי שלו, 75.05, הגיע מהרצה של MachinePulse את הערכה הרשמית ואומץ על ידי הלוח, כאשר קובץ התוצאות של 140,178 הבקשות פורסם כדי שכל אחד יוכל להריץ אותו מחדש. ל-Artificial Analysis אין שורה עבור Karpo כלל.

Drex Max 1.1 הוא תמונת המראה. Artificial Analysis מדרגת אותו ב-72.62 ב-Decision Index v2.1 — השני מבין 25 מודלי החלטה, אחרי Liquid AI d1.2-ultra ב-74.85 ולפני SubQ Snap 1.2 ב-72.58. המספר הזה הוא של AA, שנמדד על החומרה של AA עם מערך המסמכים הפרטי של AA. מה שיש ל-Karpo ואין ל-Drex Max 1.1: ה-Je​v tracker מכיל שורה עבור Drex Max v1 ב-66.60 Full, ואין שורה כלל עבור v1.1.

אז ההשוואה היחידה הזמינה על אותו מכשיר היא Karpo Decision 31B ב-73.9 מול Drex Max v1 ב-66.6 — פער של 7.3 נקודות על לוח אחד, בין שתי גרסאות שונות של מודל Nace, שזו בדיוק סוג ההשוואה שמחמיאה לצד שאתה במקרה מעדיף. שרטט את הקו בכיוון ההפוך ול-Drex Max 1.1 יש 72.62 במקום שבו ל-Karpo אין שום דבר מודפס. שני המשפטים נכונים. אף אחד מהם אינו השוואה ראש בראש.

המפרטים, מימד אחר מימד

A generated two-column scoreboard titled 'Karpo Decision 31B vs Drex Max 1.1 — the scoreboard'. The Karpo column reads 'Params: 31.3B, 62.5 GB bf16', 'Context: 32,768 tokens', 'Score: 73.9, Decision Index', 'Price: none published', 'Licence: Apache-2.0' and 'Hosting: self-host only'; the Drex Max 1.1 column reads 'Params: dense 27B, 49 GB bf16', 'Context: 16,384 default, up to 131,072', 'Score: 72.62, Artificial Analysis', 'Price: $0.03 per million input', 'Licence: Nace.AI Open RAIL-M' and 'Hosting: served by Nace.AI'. The footer reads 'Karpo figures per the Decision Index and its model card; Drex figures per Artificial Analysis and Nace.AI.'

• פרמטרים — Karpo 31.3B ב-bf16 בתוספת readout של 255 × 5,376 ב-fp32, כ-62.5 GB בדיסק; Drex Max 1.1 הוא 27B צפוף, כ-49 GB ב-bf16 ו-26 GB כאשר ה-backbone ב-8-bit.

• מודל בסיס — Gemma 4 31B שעבר כיוונון הוראות עבור Karpo, Qwen3.8-27B עבור Drex Max 1.1. קורפוסים שונים של אימון מקדים, טוקנייזרים שונים, וכל מה שנגזר מכך בהמשך הדרך שונה.

• הקשר — Karpo משתמש ב-32,768 טוקנים לכל רצף ומפצל בקשה ארוכה יותר לפי שאלה, כאשר כל חלק נושא את המצב המלא; ברירת המחדל של Drex Max 1.1 היא 16,384 טוקנים לבקשה, והתיעוד של הספק מעלה אותה ל-131,072 לכל שאלה.

• רב-מודאליות — שניהם קוראים תמונות באופן טבעי, ושניהם הופכים את צילום המסך לגלוי לכל שאלה בבקשה ולא רק לאחת.

• סוגי שאלות — ממשק זהה: choice עם עד 255 אפשרויות, noul עבור נכון/לא נכון, score עבור רמה מסודרת.

• ממשק — Karpo מגיש את System One בכתובת POST /v1/systemone מחבילת ה-Python שלו; ל-Drex Max 1.1 יש אותו מבנה, ובנוסף פורקים של llama.cpp ו-Ollama עבור Apple silicon ו-CPU.

• רישיון — Apache-2.0 עבור המשקלים והקוד של Karpo; Nace.AI Open RAIL-M עבור Drex Max 1.1, שהם משקלים פתוחים עם מגבלות שימוש מצורפות.

• אחסון — ל-Karpo אין. את Drex Max 1.1 מספקת Nace.AI במחיר של 0.03 דולר למיליון טוקני קלט, כשהוא מסומן בלוח AA כמחיר השקה זמני.

A capture of the community Decision Index leaderboard, headed with the multimodalart jev-decision-index attribution, listing Karpo Decision 31B at 73.86 in first place ahead of GLiDE 27B at 73.37, REAX 1.3 at 72.64, Logits Sigma-1 Duo at 72.28, Copernicus-31B at 72.11, KnowLine 31B Gen1.5 at 71.91, Copernicus-57B at 71.8, FlexDM-LoRA 2.1 at 71.66, Sieve 31B v3 at 71.10, OneJev1.6g-31B at 70.86 and Turion Jev 31B at 70.47.

שורת ההקשר היא זו שאנשים מדלגים עליה במבט חטוף. תקרה קשיחה של 32,768 טוקנים עם סירוב מפורש היא אילוץ הנדסי שונה מברירת מחדל של 16,384 טוקנים שאפשר להעלות ל-131,072 באמצעות משתנה סביבה. אם המצבים שלך הם חשבוניות ופניות תמיכה, אף אחד מהמספרים לא משנה. אם המצבים שלך הם חוזים, אפשר למסור למודל Nace עשרה מהם, ולמודל Karpo אי אפשר למסור אפילו אחד.

איך נראה הבדל של 11 נקודות בכיול בתוך צינור עיבוד

דיוק הוא המספר שאנשים מצטטים, והמספר שהכי פחות חשוב עבור סוג זה של מודלים. כל העניין במודל החלטה הוא שהפלט שלו הוא הסתברות שסף יכול לפעול על פיה, ולכן השאלה היא אם ההסתברות הזו כנה.

הכרטיס של Karpo מדווח על שגיאת כיול של 4.8 נקודות: כאשר המודל אומר 0.9, הוא צודק מעט פחות מ-90% מהפעמים, בפער של כחמש נקודות בממוצע. פרופיל ה-AA של Drex Max 1.1 נושא ציון Brier של 0.16 על פני מכלול השאלות, וזהו מדד שונה שאינו ניתן להשוואה ישירה, אבל אותו לוח גם מציג את סולם הביטחון שלו: בקטגוריית הביטחון של 0.98 המודל צודק 97.5% מהפעמים. זהו מודל שאפשר לסמוך על תשובותיו בעלות הביטחון הגבוה ביותר כפי שהן.

הפיצול המעניין עבור {{1}}Drex Max 1.1{{/1}} הוא בהערכת הידע. במבחן AA-Omniscience הוא מקבל ציון החלטה של {{2}}60.3{{/2}} — אך הצירוף הזה נובע מ-{{3}}28%{{/3}} דיוק גולמי לעומת שיעור אי-הזיה של {{4}}65.3%{{/4}}. קראו את אלה יחד ותקבלו מודל שעונה נכון על כרבע משאלות הידע ומסרב לענות על חלק גדול מהשאר. האינדקס מתגמל אותו על סירוב במקום על המצאה, וזו ההתנהגות המיועדת לשכבת החלטה והתאמה גרועה לכל דבר שזקוק לתשובה ממשית.

אצל Karpo אותו אינסטינקט מופיע במקום אחר: תשע בקשות מתוך 140,178 נדחו על הסף משום ששאלה יחד עם המצב שלה הציפה את החלון. סירוב במקום חיתוך שקט הוא ברירת המחדל הנכונה. זה גם מצב כשל שצריך לעקוף, ותקרת 32,768 טוקנים הופכת אותו לשכיח יותר.

השהיה וצורת הפריסה

החציון שנרשם עבור Karpo הוא 94 מילי־שניות לבקשה על חומרת הייחוס של הטרקר, GPU אחד, בקשה אחת בכל פעם. AA מודדת את Drex Max 1.1 ב־283 מילי־שניות למשימה ובעלות של $102.7 למיליון משימות במחיר ההשקה הנוכחי. שני המספרים אינם אותה מדידה — בקשה לעומת משימה, ומשימה במערך המסמכים של AA היא כמה החלטות על מסמך ארוך אחד — לכן יש להתייחס לפער כאל כיווני ולא כאל מדויק.

מבחינת הכיוון, זה אומר משהו אמיתי: פלט קריאה שנגזר מ-Gemma בגודל 31B עם מעבר מצב משותף יחיד הוא אובייקט רזה יותר ממודל בגודל 27B ששכבות הקשב הלא-סיבתיות שלו כותבות מחדש את כל הרצף. האם רזה יותר חשוב תלוי היכן ממוקמת הקריאה. שער שמופעל לפני כל קריאת כלי צריך להיות בתוך תקציב התור. דירוג מחדש לילי של אלף פניות לא אכפת לו מ-200 ms.

שאלת הרישיון שאיש לא שואל עד שמחלקת הרכש שואלת אותה

Karpo Decision 31B הוא ברישיון Apache-2.0, גם המשקלים וגם הקוד, כאשר רישיון Gem​ma 4 עצמו מצורף לצידם במאגר. זהו הקצה המתירני של הפתיחות.

Drex Max 1.1 נמצא תחת רישיון Nace.AI Open RAIL-M. ‏Open RAIL-M הוא באמת פתוח — אפשר להוריד, להריץ, לשנות ולהפיץ — אבל הוא מטיל מגבלות שימוש שעוברות למשתמשים במורד הזרם, והוא מחייב אותך להעביר הלאה את אותן המגבלות. במחברת מחקר ההבחנה הזו בלתי נראית. במוצר שבו המודל יושב בתוך תהליך הפונה ללקוח, מדובר בבדיקה משפטית, והבדיקה תשאל מה קורה כשמבצעים כוונון עדין ומשלחים את הנגזרת. התשובה היא ש"המגבלות באות איתו".

אם שכבת ההחלטה היא כלי עבודה פנימי, הרישיון הוא הערת שוליים. אם היא מוטמעת במשהו שאתה מוכר, Apache-2.0 מסיר פגישה מהמסלול הקריטי.

איזה מהם באמת מתאים

קח את Drex Max 1.1 אם אתה רוצה מספר שלא היית צריך לחשב, מחיר שאתה יכול להכניס לתקציב, ומצבים שנמשכים זמן רב. הוא ניתן למדידה היום, הוא מתארח היום, וסולם הביטחון שלו בקצה העליון הוא התכונה שהופכת סף אוטומטי למוצדק. העלויות הן מגבלות הרישיון ומחיר השקה ש־AA מסמנת במפורש כזמני.

בחרו ב-Karpo Decision 31B אם היעדר נקודת קצה מתארחת אינו מהווה בעיה — יש לכם GPU, או שיש לכם משימת אצווה — ושהמתירנות של Apache-2.0 חשובה, וציון ה-Full של הלוח הוא הראיה שאתם סומכים עליה. העלויות הן 62.5 GB של משקולות, תקרה של 32,768 אסימונים, וספק שלא פרסם מחיר, דף מוצר או הכרזה.

יש עמדה שלישית, ועבור רוב הצוותים היא הנכונה החודש: לא זה ולא זה. Karpo בן שבועיים, עם הובלה משותפת וללא ציון עצמאי; Drex Max 1.1 מתומחר על בסיס הנחה שתפוג. הריצו את שניהם על המדגם המתויג שלכם והשוו את שיעור התשובות הבטוחות והשגויות ולא את נתון הכותרת. עבור המודל הנוכחי באותו מבחן צל, נקודת הייחוס הזולה ביותר הזמינה היא המודל של TypeSafe עצמה — Jev 1.14 נמצא בקטלוג שלנו, כך שאפשר לתת תוקף למדיניות סף מול הדבר שכל שחזור פתוח רודף אחריו, באותו מפתח שבו הייתם משתמשים עבור Qwen3.8-27B או Gemma 4 31B, שני מודלי הבסיס שמהם נבנו הצ'קפוינטים האלה. שני הבסיסים מוגשים דרך one API ל-200+ מודלים במחיר המחירון של הספק וללא תוספת, וזה שימושי בדיוק משום ששכבת החלטה היא מקום שבו רוצים להחליף את המודל ולהשאיר את הקוד.

הדבר היחיד שיכריע את ההתמודדות הזו הוא מספר אחד: Karpo Decision 31B שיופיע בלוח AA. עד אז, ההשוואה היא בין 73.9 מתועד היטב לבין 72.62 מתועד היטב, שהופקו על ידי שני ארגונים שמעולם לא דירגו את אותו מבחן.

A capture of the Artificial Analysis Decision Index v2.1 page showing the six weighted evaluations — AA-Paperclip at 30%, EvalSafe-O*NET-AA at 15%, When2Call at 10%, AA-Omniscience-Decision at 15%, HLE-MultiChoice at 15% and AA-Symmetry at 15% — the methodology note that all evaluations are conducted independently by Artificial Analysis, the 'Update Oct 30, 2026' stamp, and the worked example of a support-ticket state scored by a decision model.