כרטיס כותרת שנוצר שכותרתו 'Karpo Decision 31B vs Liquid AI D1 Ultra', עם כותרת המשנה 'לאחד יש מחיר. לשני יש סיפור.', ארבעה צ'יפים עם הכיתוב '$0.042 למיליון טוקני קלט', '70.58 ב-Artificial Analysis v2.1', '73.9 בלוח הקהילתי' ו'אין שורה של Karpo ב-Artificial Analysis', ושני כרטיסים עם מסגרת המופרדים באמצעות מפריד דק המסומן 'מתומחר ומוגש' ו'משקלים פתוחים, ללא נקודת קצה'.
Guides & Insights

Karpo Decision 31B לעומת Liquid AI D1 Ultra: לאחד יש מחיר, ולשני יש סיפור

מחבר

jinhao.song

תאריך פרסום

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

Liquid AI D1 Ultra הוא המודל היחיד בהשוואה הזו שצוות פיננסי יכול לאשר. הוא הושק ב-15 באוקטובר 2026, הוא מוגש מהתשתית של Liquid עצמה במחיר של $0.042 למיליון אסימוני קלט עם אפס אסימוני פלט מעצם מבנהו, ו-Artificial Analysis נותנת לו ציון 70.58 ב-Decision Index v2.1 — שמיני מבין 25 מודלי החלטה, 4.3 נקודות מאחורי היורש של עצמו d1.2-ultra ובערך באותה רמה כמו Drex Max 1.1 עם 72.62. ל-Karpo Decision 31B מבית MachinePulse אין מחיר, אין נקודת קצה ואין שורה ב-Artificial Analysis. מה שיש לו הוא ציון Full של 73.9 ב-Decision Index הקהילתי, שחושב על ידי מתחזקי הלוח הזה, ומאגר Apache-2.0 בן שבועיים שאיש לא הכריז עליו.

כשמציבים אותם זה לצד זה, שני המודלים מתארים את שתי הדרכים שבהן מודל החלטה יכול להיכנס לארגון: האחד מגיע עם חשבונית ומספר מדוד, והאחר מגיע עם קישור להורדה והבטחה. במה כדאי לך להתמקד תלוי בשאלה אם שכבת ההחלטות נכנסת לייצור ברבעון הזה או שנבנית לה אב-טיפוס מול תקציב הרבעון הבא.

המספר ש-Liquid באמת מוכר, ולמה הוא זה שאינו הזיה

A generated two-column scoreboard titled 'Karpo Decision 31B vs Liquid AI D1 Ultra — the scoreboard'. The Karpo column reads 'Score: 73.9 Decision Index', 'Price: none published', 'Cost per million tasks: self-hosted only', 'Latency: 94 ms per request', 'Non-hallucination: not reported' and 'Licence: Apache-2.0'; the D1 Ultra column reads 'Score: 70.58 Artificial Analysis', 'Price: $0.042 per million input', 'Cost per million tasks: $133', 'Latency: 301 ms per task', 'Non-hallucination: 88.6' and 'Licence: not open, API only'. The footer reads 'Karpo figures per the Decision Index; D1 Ultra figures per Artificial Analysis v2.1.'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.

הכותרת של D1 Ultra היא טענת מקום ראשון מאוקטובר, שטבלת הדירוג שפורסמה לא תמכה בה, וטענה זו הושמעה במקום אחר. הדבר שכדאי להבין כעת הוא מה השתנה בינו לבין קודמו, כי נתוני AA מראים זאת בבירור.

Liquid AI d1, המקורי, מקבל 3.3 בשיעור אי־ההזיה של AA עבור הערכת הידע. זה קרוב לתחתית של כל הלוח — מודל שכשהוא לא יודע, ממציא. D1 Ultra מקבל 88.6 באותו מדד. במבחן ידע רב־ברירתי, הוא עולה מ־5.6 ל־56.9. כמעט דבר מהתנועה הזו לא נובע מכך שהוא עונה נכון על יותר תשובות: הדיוק הגולמי ב־AA-Omniscience דווקא ירד מ־39.8% ל־28.0%. המודל השתפר בכך שלמד לסרב.

זה לא תחבולה. עבור שכבת החלטה זהו ההתנהגות היחידה בעלת הערך הרב ביותר שקיימת, מפני שתשובה מסויגת מנותבת לאדם ואילו תשובה מומצאת בביטחון מנותבת ללקוח. אבל זה ממסגר מחדש את מה שהאינדקס מתגמל. ה-70.58 של D1 Ultra הוא במידה ניכרת ציון עבור הימנעות, ואותו לוח מציג את המחיר: ב-HLE-MultiChoice, הדיוק הגולמי הוא 6.09%, אחד הנתונים הנמוכים ביותר מבין 25 המודלים הרשומים.

היורש, d1.2-ultra, המשיך באותו כיוון ואף מעבר לו — 83.8 באי-הזיה עם דיוק גולמי של 23.6% בלבד, אינדקס של 74.85, ובראש הטבלה. Liquid מייעלת ציר אחד בעוצמה, והציר הוא יושרה ולא ידע.

במקום שבו הפרופיל של קארפו עובר בכיוון ההפוך

המספרים של Karpo מגיעים ממכשיר אחר, ולכן אי אפשר להחסיר אותם מאלה של Liquid. מה שהם כן יכולים לעשות הוא להציג צורה אחרת.

בחמש הקטגוריות של Decision Index, התחום החזק ביותר של Karpo הוא כלים ואוטומציה עם 88.4 מיומנות מתוקנת לניחוש, והחלש ביותר הוא ידע והיסק עם 65.5. שגיאת הכיול שתועדה על ידי הטרקר היא 4.8 נקודות. הכרטיס מדווח גם על השהיה חציונית של 94 מ״ש על חומרת ייחוס, לעומת 301 מ״ש לכל משימה עבור D1 Ultra במדידה של AA — מדידות שונות, אחת לכל בקשה ואחת לכל משימה, ולכן כיווני בלבד.

קרא את שני הפרופילים יחד ותתגלה הבחנה עקבית: Karpo הוא מודל המכוון לפעולה — בחירת כלים, ניתוב, אינטראקציה עם דף, הקריאות הקטנות שסוכן מבצע בכל שלב — בעוד D1 Ultra וממשיכו מכוונים לסירוב. מודל שדוחה 72% משאלות הידע הוא מנוע בחירת כלים גרוע, משום שבחירת כלים אינה שאלה שמותר להימנע ממנה. מודל שעונה נכון ב-88% על ניתוב כלים אך רק ב-65% על ידע הוא מנוע ידע גרוע.

זו ההשוואה האמיתית, והיא השוואה של ייעוד השימוש ולא של ציונים. הניסוח של MachinePulse עצמה בכרטיס המודל אומר זאת במפורש: המודל מיועד להחלטות שסוכן מקבל בין שלבים — אם להפעיל כלי או לשאול קודם, ועל איזה רכיב ללחוץ. הגרסה של Liquid מאוקטובר, ועוד יותר זו שבאה אחריה בנובמבר, מיועדת לשפוט אם טענה נתמכת.

השוואת העלויות, עם ההסתייגויות הנלוות

• Liquid AI D1 Ultra — ‏$0.042 למיליון טוקני קלט, ללא חיוב על פלט מכיוון שדבר אינו נוצר, ‏$133 למיליון משימות בסט המסמכים של AA, חציון של 301 מ״ש למשימה.

• Karpo Decision 31B — אין מחיר מפורסם. רק בהרצה עצמית: 62.5 GB של משקולות bf16, כרטיס GPU אחד, חציון של 94 ms לבקשה על חומרת הייחוס של הטרקר.

• Drex Max 1.1, לשם המחשה — 0.03$ למיליון טוקני קלט במחיר השקה ש-AA מסמנת כזמני, 102.7$ למיליון משימות.

• ההשוואה שאף אחד לא מפרסם — מודל resident בנפח 62.5 GB על GPU שכור עולה בדיוק כמו עלות ה-GPU לשעה, בין אם תשלחו אליו בקשה אחת ובין אם עשרת אלפים. בהיקפים קטנים זה הרבה יותר מ-133 דולר למיליון משימות; בהיקפים גבוהים ומתמשכים התמונה מתהפכת.

הנתון לכל משימה הוא זה שלפיו יש לתקצב, כי הוא כולל את מספר הטוקנים שכל מודל שורף כדי לענות על אותו מסמך, ומודל שקורא שוב ושוב את המצב שלו עולה יותר לכל החלטה ממה שתעריף לפי טוקן שלו מרמז. המחיר של $133 ל-D1 Ultra הוא הגבוה מבין שלושת דגמי Liquid המפורטים כאן, וגבוה ב-$30 ממחיר ההשקה של Drex Max 1.1. זו אינה שכבת החלטה זולה, והמודל שהוא החליף עלה $63.4.

היכן שמסלול מתארח באמת מנצח הוא בקצה הנמוך. אם אתה צריך מודל החלטות למאה בקשות ביום, הקצאת 62.5 GB זיכרון ל-Karpo אינה אפשרות רצינית, ואילו קריאה לנקודת קצה מוגשת במחיר מחירון היא כן. הקטלוג שלנו מעביר את מחיר המחירון של הספק ללא תוספת, כך שהורדת מחיר של Liquid נכנסת לתוקף באותו יום שבו היא מוכרזת, ומודל החלטות יכול לשבת לצד שאר הסטאק על מפתח אחד ולא כחוזה שני. זו אינה טענה בעד D1 Ultra על פני Karpo; זו טענה בעד לא לקנות GPU כדי לגלות אם אתה צריך אחד.

מה ש-D1 Ultra יכול לספר לך ש-Karpo לא יכול

שלושה דברים, כולם מהסוג שמגלים בחודש השני.

הראשון הוא סולם הביטחון. AA מפרסמת כיול לפי דלי עבור כל מודל שהיא מדרגת, וזה של D1 Ultra קריא: בדלי הביטחון של 0.96 ומעלה הוא צודק ב-97.1% מהמקרים בהערכת הסימטריה. זה אומר לך שסף של 0.95 מתנהג בערך כפי שמוצהר, וזו טענה שאפשר לבנות עליה תור סקירה. הכרטיס של Karpo נותן נתון מצטבר אחד — שגיאת כיול של 4.8 נקודות — ואין עקומה לפי דלי. אתה יכול להפיק אחת בעצמך, ותצטרך.

השנייה היא אינווריאנטיות. AA-Symmetry משנה את סדר האפשרויות, מחליף תוויות ושולל שאלות כן/לא על פני 440 וריאנטים, ו-D1 Ultra מקבל ציון 78.7 עם שיעור הצלחה מלאה של 45.8%. מודל החלטה שנותן תשובה שונה כשמסדרים את האפשרויות לפי אלף-בית אינו מודל החלטה, אלא מטבע עם שלבים מיותרים. הכרטיס של Karpo אינו מדווח תוצאת אינווריאנטיות, ומכיוון שהקריאה שלו מדרגת קודי אפשרויות בחריצים קבועים ולא טקסט אפשרויות, זה בדיוק המאפיין שכדאי לאמת לפני פריסה.

השלישי הוא התנהגות בעת סירוב. AA מדווחת על 88.6 אי-הזיה בסט הידע של D1 Ultra, כלומר מסלול ההימנעות מופעל ונמדד. Karpo מסרבת רק בגלל אורך — תשע מתוך 140,178 בקשות, כולן ארוכות מדי — והכרטיס שלה אינו אומר דבר על הימנעות כהחלטה. לא מתועד האם Karpo מסרבת לשאלה שאינה יכולה לענות עליה, או בוחרת באפשרות הפחות גרועה משום שהקריאה תמיד בוחרת במשהו. קטע המגבלות אומר רק שהיא "תמיד בוחרת באחת מהאפשרויות הנתונות".

המשפט האחרון הוא החשוב ביותר בכל אחד משני כרטיסי המודל. מודל החלטה שבאופן מבני אינו יכול להימנע מהכרעה זקוק לאפשרות "אין תשובה בטוחה" בכל רשימת בחירות, או לסף על ההסתברות, או לשניהם. המעצבים של D1 Ultra בחרו בארכיטקטורה האחרת: הוא יכול לסרב, והוא מסרב לעיתים קרובות.

הרישיון, שהוא המקום היחיד שבו Karpo מנצח באופן מוחלט

Karpo Decision 31B הוא ברישיון Apache-2.0, המשקלים והקוד, כשרישיון Gemma 4 נלווה אליו. הורד אותו, הרץ אותו, שנה אותו, הפץ את הנגזרת — אין צורך בשיחה עם עורך דין.

המודלים של Liquid אינם פתוחים. אין משקולות, אין אירוח עצמי, אין כיוונון עדין על התעבורה שלכם, ואין פריסה בסביבה מבודדת. ה-API הוא המוצר. עבור צינור סיווג פנימי שמטפל במסמכים כפופים לרגולציה, זהו חסם רכש באופן שצ'קפוינט בנפח 62.5 GB אינו.

אז העסקה חדה, וזה לא קשור לציונים: Karpo נותן לך שליטה ותו לא; Liquid נותן לך מוצר מדוד ולוקח ממך את המשקולות. צוות עם דרישת ציות לא יכול לבחור ב-D1 Ultra בשום מחיר. צוות עם מועד סיום של שלושה שבועות לא יכול לבחור ב-Karpo בשום מאמץ, כי אין נקודת קצה לפנות אליה.

מה לעשות החודש

אם שכבת ההחלטה עוברת לייצור והקלט הוא מסמכים, D1 Ultra הוא הבחירה המוצדקת למרות המחיר ודיוק הידע הגולמי הנמוך, מפני שהוא נמדד, מסופק ומתומחר, והתנהגות ההימנעות שלו היא התכונה שאתה באמת רוצה. עקוב אחרי d1.2-ultra במקום אם אתה קונה עכשיו — זה אותו קו מוצרים, גבוה בארבע נקודות באותו לוח, והוא נושא את אותה הסתייגות: חלק גדול מהניקוד שלו הוא הימנעות ולא ידע.

אם הקלט הוא דף, צילום מסך או קריאת כלי ויש לך GPUs, קארפו הוא המודל המעניין יותר והרישיון המתירני יותר, ומיומנות ניתוב הכלים שלו, 88.4, היא המספר שכדאי לבחון מול התעבורה שלך. היכנס לזה בידיעה שאתה האדם הראשון שמודד אותו על משהו בעל חשיבות: אין שורת AA, אין מחיר, אין הכרזה, וספק שדף המוצר שלו מחזיר כעת 404.

יש דרך אמצעית שראויה לשם, מפני שרוב הצוותים בסופו של דבר נוקטים אותה. מריצים את המודל המתארח בייצור, מריצים את המודל הפתוח מול אותן בקשות באופן לא מקוון, ומשווים את שיעור התשובות הבטוחות והשגויות ולא את המדד הראשי. ההשוואה הזו מחייבת ששני המודלים יהיו ניתנים לקריאה באמצעות מפתח אחד ומתומחרים בשקיפות, וזה המצב שהקטלוג שלנו נועד לאפשר — מודל החלטות מסופק והבסיסים הפתוחים שמהם נבנו הכוונונים האלה, על מפתח אחד, במחיר המחירון של הספק. אם Karpo יקבל endpoint או הגשה ל-AA בחודש הקרוב, זמן השהיה של השינוי הזה הוא כעת הדבר שכדאי לעקוב אחריו; אם לא, 73.9 נשאר מספר מעניין על לוח קהילתי ו-D1 Ultra נשאר המודל עם קבלה.

A capture of the Hugging Face model card for MachinePulseAI/karpo-decision-31B showing the Text Classification tag, the gemma4 image-text-to-text tag, the apache-2.0 licence, the line 'Ranked #1 on the Decision Index, with the highest Full score, 73.9', the description of a multimodal decision model that returns a probability for every option of every question in one forward pass without generating text, 'Fine-tuned from google/gemma-4-31B', 'Parameters: 31.3B in bf16, plus a 255 x 5,376 readout in fp32', the screenshot input at state.viewport_screenshot, and the base-model link to google/gemma-4-31B.