Kartu judul yang dihasilkan dengan judul ‘2.2 poin selisihnya, dan harga yang menjadi dua kali lipat’, subjudul ‘d1.2-ultra vs Drex Max v1.1 - Decision Index v2.1’. Dua kartu membulat bertuliskan ‘d1.2-ultra’ di atas ‘75’ dan ‘Drex Max v1.1’ di atas ‘73’, dipisahkan oleh garis pemisah vertikal tipis; di bawahnya, strip lebar bertuliskan ‘$133 per 1 juta tugas vs $103 sekarang, sekitar $206 pada harga standar’, dan satu chip bergaris tepi bertuliskan ‘dewan independen, kedua model dijalankan oleh Artificial Analysis’. Tanda OrcaRouter dikomposisikan di kanan bawah.
Guides & Insights

d1.2-ultra vs Drex Max 1.1: Selisih 2,2 Poin dan Harga yang Berlipat Ganda pada Desember

Penulis

jinhao.song

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Liquid AI d1.2-ultra unggul 2,23 poin atas Drex Max v1.1 dari Nace.AI pada Artificial Analysis Decision Index v2.1 — 74,85 berbanding 72,62 — dan dari harga tertera, model ini lebih mahal, yaitu $0,042 per juta token masukan berbanding $0,03. Kedua angka itu benar hari ini dan hanya satu di antaranya yang masih benar ketika diskon peluncuran di pihak Nace berakhir. Artificial Analysis memberi tanda bintang pada baris biaya Drex Max v1.1: biaya $103 per juta tugas yang dilaporkannya "mencerminkan harga peluncuran sementara," dan pada harga standar biaya itu akan berlipat dua. Artinya, pasangan yang tampak seperti model premium berhadapan dengan model ekonomis, dalam hal biaya yang benar-benar menentukan penerapan, justru terbalik.

Peringkat ini nyata dan diukur secara independen — kedua model dijalankan oleh Artificial Analysis pada perangkat kerasnya sendiri, bukan oleh salah satu vendor — jadi ini adalah perbandingan dua baris berskor, bukan dua siaran pers. Berikut ini memisahkan poin-poin yang akan tetap relevan setelah perubahan harga dari poin-poin yang tidak.

Pertama, apa pengaruh catatan kaki terhadap perbandingan biaya

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.’

Harga per token adalah angka yang salah untuk dijadikan dasar perencanaan ketika salah satu dari dua vendor sedang memberikan diskon. Biaya per tugas adalah yang tepat, karena mencakup berapa banyak token yang digunakan setiap model untuk menjawab dokumen yang sama, dan itulah yang dipublikasikan Artificial Analysis bersama indeks tersebut.

• Per juta token masukan — d1.2-ultra $0.042, Drex Max v1.1 $0.03.

• Per satu juta tugas dengan harga saat ini — d1.2-ultra $133, Drex Max v1.1 $103, yang terakhir ditandai sebagai harga peluncuran sementara.

• Per juta tugas dengan harga standar — d1.2-ultra $133, Drex Max v1.1 sekitar $206 menurut catatan dewan itu sendiri bahwa biayanya akan dua kali lipat.

• Median kelas — $135 per juta tugas, jadi model Liquid berada sedikit di bawahnya dan model Nace akan berada jauh di atasnya.

Pembalikan itu lebih penting daripada yang disiratkan oleh selisih dua sen per token, karena hal itu mengubah model mana yang Anda pilih pada volume tinggi. Lini Drex telah menjadi opsi murah di kategori ini sejak v2 diluncurkan pada 8 November; jika diskon itu merupakan promosi peluncuran alih-alih penetapan harga ulang, opsi murah menjadi opsi mahal tanpa satu pun benchmark berubah. Siapa pun yang mematok anggaran pada angka $103 harus bertanya kepada Nace kapan harga standar berlaku sebelum mereka mengalokasikan trafik satu kuartal ke sana.

Dari apa sebenarnya 2.2 poin itu terbuat?

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.

Kompositnya mendekati. Komponen-komponennya tidak, dan masing-masing mengarah ke arah yang berbeda, itulah bagian yang berguna.

• AA-Symmetry, 15% — celah terlebar di antara keenam. d1.2-ultra mencetak 86,34 berbanding 79,82 milik Drex Max v1.1. Pada ukuran all-pass yang lebih ketat, yang menuntut jawaban sama di berbagai parafrase alih-alih rata-rata yang bagus, angkanya 56,7% berbanding 53,3%. Drex Max v1.1 memang sudah menjadi model terbaik kedua dalam keluarganya sendiri pada tes ini; model Liquid hanya lebih stabil saat redaksinya diubah.

• AA-Paperclip, 30% — 75,81 berbanding 72,82 pada skor keputusan, dan 67,7% berbanding 63,0% dokumen yang sepenuhnya benar. Tiga poin pada tingkat lolos penuh dokumen merupakan kontributor terbesar tunggal terhadap kesenjangan indeks, dan itulah yang paling langsung berkaitan dengan pipeline ekstraksi nyata, karena dokumen yang melewatkan satu dari lima belas jawaban tetap dihitung sebagai kegagalan.

When2Call, 10% — 96,49 berbanding 95,26. Keduanya mendekati batas atas evaluasi; selisih 1,25 poin pada tes yang seluruh sepuluh besar berada dalam rentang dua poin bukanlah pembeda.

• EvalSafe-O*NET-AA, 15% — 89.53 dibandingkan 88.32, juga selisih tipis seperti lempar koin.

• AA-Omniscience-Decision v1.1, 15% — 60,80 versus 60,27. Praktis seri pada skor, tetapi terpecah pada rinciannya: Drex menjawab lebih banyak dari pertanyaan-pertanyaan ini dengan benar, 28,0% versus 23,6%, sementara d1.2-ultra lebih jujur dalam tidak menjawab, 83,8% non-halusinasi versus 65,3%.

• HLE-MultiChoice v1.1, 15% — 46,36 berbanding 46,61, satu-satunya skor keputusan yang dimenangkan Nace, dengan selisih seperempat poin. Di balik itu, selisih akurasi mentahnya bukan seperempat poin: 8,25% berbanding 2,36%.

Di mana Drex Max 1.1 masih unggul, dan mengapa itu bukan kesalahan pembulatan

Tiga hal di papan mendukung model Nace, dan dua yang pertama adalah jenis yang menentukan apakah sebuah beban kerja bisa dijalankan sama sekali.

Jendela konteks adalah hal yang paling utama. Drex Max v1.1 menerima 262k token; d1.2-ultra menerima 66k, yang itu sendiri dua kali lipat dari yang dibawa produk unggulan Liquid sebelumnya. Itu adalah perbedaan empat kali lipat dalam ukuran state yang dapat Anda berikan kepada model dalam satu panggilan, dan tidak ada model yang menghasilkan token keluaran, jadi tidak ada anggaran keluaran yang dapat ditukar dengan itu. Kontrak 200 halaman, berkas klaim yang panjang, atau bundel kasus multi-dokumen yang muat dalam satu permintaan Drex harus dipecah menjadi potongan, ditanyai ulang, dan disusun ulang di sisi Liquid — dan setiap batas potongan adalah tempat pertanyaan lintas dokumen berhenti bisa dijawab.

Yang kedua adalah pengetahuan. Pada HLE-MultiChoice, Drex menjawab 8,25% pertanyaan dengan benar dibandingkan 2,36%, dan pada AA-Omniscience-Decision ia menjawab 28,0% dibandingkan 23,6% — sambil jauh lebih jarang abstain. Tingkat non-halusinasi d1.2-ultra yang tinggi sebagian merupakan kelebihan dan sebagian merupakan gejala: model yang mengatakan "Saya tidak tahu" tiga dari empat kali terkalibrasi dengan baik dan tidak begitu berguna pada pertanyaan yang benar-benar memiliki jawaban. Jika tugas Anda adalah keputusan tentang dokumen, pertukaran itu tidak masalah. Jika itu keputusan yang memerlukan pengetahuan tentang sesuatu, Drex adalah model yang lebih tahu.

Yang ketiga adalah kecepatan, hanya di atas kertas. 283 ms versus 218 ms per tugas pada indeks, keduanya lebih lambat daripada median kelas 209 ms, dan keduanya cukup cepat sehingga tidak ada yang akan menjadi hambatan dalam pipeline yang melakukan hal lain.

Kedua model tersebut tidak dapat saling menggantikan, sehingga mempermudah pilihan.

Tidak ada aritmetika indeks yang bisa membuat keduanya dapat dipertukarkan, dan berpura-pura sebaliknya adalah titik kesalahan sebagian besar artikel perbandingan. Yang satu adalah pembaca dokumen 66k token yang disetel untuk kalibrasi dan stabilitas parafrase; yang lain adalah pembaca 262k token yang mendiskon harganya dan menjawab lebih banyak pertanyaan sulit. Titik persilangannya bukan skor, melainkan ukuran state.

• Jika state Anda muat dalam 66k dan Anda menerapkan ambang pada probabilitas — setujui otomatis di atas 0.9, eskalasi di bawahnya — d1.2-ultra adalah instrumen yang lebih baik. Skor Brier terbaik dari 24 model di papan sebesar 0.150, dibandingkan 0.160 untuk Drex, dan skor simetri enam setengah poin lebih tinggi.

• Jika state Anda melampaui 66k, atau pertanyaan Anda membutuhkan pengetahuan alih-alih membaca, Drex Max v1.1 adalah satu-satunya dari keduanya yang sama sekali bisa menangani pekerjaan itu, dan selisih indeks tidak lagi menjadi angka penentu.

• Jika Anda sensitif terhadap biaya pada volume besar dan harga Nace tetap, Drex lebih murah per tugas saat ini. Jika harga itu kembali seperti semula, Drex menjadi yang lebih mahal di antara keduanya dan model Liquid menang baik dalam skor maupun biaya.

Menguji keduanya tanpa bertaruh pada salah satunya

Kedua model tidak ada di katalog kami, dan tidak ada apa pun di sini yang merupakan klaim ketersediaan untuk salah satu pun: d1.2-ultra disajikan dari API milik Liquid sendiri, dan Drex Max v1.1 dari API milik Nace. Itulah tepatnya situasi di mana lapisan routing membuktikan manfaatnya, bukan sekadar menjadi pos anggaran, karena pertanyaan yang sebenarnya dimiliki tim — apakah selisih 2,2 poin tereproduksi pada dokumen saya? — dijawab dengan menjalankan state yang sama melalui keduanya, bukan dengan membaca papan peringkat.

Model ketiga yang layak dimasukkan dalam pengujian itu adalah Jev 1.14, yang kami host seharga $0.042 per juta token input melalui systemone dengan bentuk permintaan yang sama. Ini memimpin EvalSafe-O*NET-AA pada 91,14, satu-satunya komponen di mana tidak satu pun dari keduanya menempati posisi pertama, dan ia menjawab dalam 92 ms — tercepat dari ketiganya dengan selisih jauh. Uji bayangan tiga arah pada satu kunci, dengan DSL perutean yang mengirimkan payload yang sama ke masing-masing dan failover otomatis yang menjaga jalur produksi tetap hidup jika salah satu vendor mengalami masalah, adalah cara yang lebih murah untuk menyelesaikan ini daripada siklus pengadaan.

Apa yang harus ditonton, dan kapan

Dua tanggal menentukan perbandingan ini. Yang pertama adalah kapan pun harga peluncuran Nace berakhir: pada $103 per juta tugas, Drex Max v1.1 adalah pilihan bernilai; pada sekitar $206, itu pilihan premium; dan skor indeks tidak berubah dalam kedua kasus. Tanyakan sebelum Anda menyusun anggaran.

Yang kedua adalah revisi indeks berikutnya. Decision Index v2.1 cukup baru sehingga papan masih memuat catatan bahwa indeks tersebut diperbarui pada 16 November, dan selisih 2,2 poin antara peringkat pertama dan kedua berada dalam rentang yang dapat digeser oleh satu revisi komponen. Jika kumpulan dokumen privat AA-Paperclip diperbarui, komponen berbobot 30% yang menyumbang sebagian besar selisih itulah yang akan bergerak lebih dulu.

Sampai saat itu, ringkasan jujurnya adalah ini: d1.2-ultra adalah model yang lebih baik berdasarkan bukti, dengan selisih yang kecil pada komposit dan besar pada simetri serta tingkat lolos penuh dokumen, dan model itu lebih murah per tugas begitu diskon Nace berakhir. Drex Max v1.1 tetap satu-satunya dari keduanya yang dapat menelan state 200k token, dan pada pertanyaan yang membutuhkan pengetahuan alih-alih pembacaan, model itu masih yang lebih kuat di antara keduanya. Pilih berdasarkan ukuran state lebih dulu, harga kedua, dan indeks ketiga.

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.