
Drex Max v1.1 vs Liquid AI d1-ultra: Dua Penilai Multimodal, dan Judul yang Tak Lagi Berlaku
- OrcaBARUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 juta token · 180 tok/s
- tencentBARUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 juta token · 223 tok/s
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 89 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 98 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 juta token · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 juta token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 juta token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
Liquid AI d1-ultradirilis pada 15 Oktober 2026 dengan sebuah pernyataan yang dapat dipertahankan saat itu: model ini "mengungguli semua model keputusan lain pada Artificial Analysis Decision Index setidaknya 8 poin." Tiga minggu kemudian Artificial Analysis mengganti indeks tersebut dengan v2, menilai ulang tujuh belas model pada data baru, dan d1-ultra berada di posisi kelima dengan 70.4 — di belakang Drex Max v1.1pada 73.4, GLiDE v1.2 pada 72.8, Mammoth 27B pada 72.4 dan, dengan selisih tiga per seratus poin, Decider v1.2 dari Perplexity pada 70.5. Keunggulan delapan poin itu sudah hilang, dan itu tidak pernah diukur dengan instrumen ini.
Itu adalah kerangka untuk perbandingan ini, dan penting untuk tepat tentang apa yang dimaksudkannya dan apa yang tidak. Ini tidak berarti d1-ultra menjadi lebih buruk. Ini berarti papan berubah di bawah klaim yang dibuat terhadap papan lama, yang merupakan risiko biasa ketika mengutip posisi papan peringkat seolah-olah itu adalah properti model. Keduanya adalah penilai keputusan multimodal yang kuat. Keduanya juga lebih berdekatan daripada yang tersirat dalam pemasaran masing-masing vendor, dan keduanya bagus pada hal-hal yang tampak berbeda.
Di mana kedua model tersebut sepakat, yang merupakan sebagian besar permukaan
Keduanya adalah model keputusan dalam arti ketat: Anda mengirim state dan pertanyaan bertipe, satu forward pass mengembalikan probabilitas per opsi, dan tidak ada teks yang dihasilkan. Keduanya menerima gambar bersama teks. Keduanya menjawab tiga bentuk pertanyaan yang sama — pilihan di antara opsi bernama, ya/tidak, dan skor pada skala. Keduanya hanya menagih input, dengan output tidak ditagih, karena tidak ada output.
• Modalitas — Drex Max v1.1 membaca teks, tangkapan layar, bagan, formulir, dokumen hasil pindai, foto, dan bingkai video, delapan gambar per permintaan. d1-ultra membaca teks, gambar, atau keduanya; contoh peluncuran Liquid adalah foto papan sirkuit yang dicocokkan dengan spesifikasinya.
• Harga per juta token masukan — $0,03 untuk Drex Max v1.1 selama periode peluncurannya (diskon 50% dari harga daftar $0,06), $0,042 untuk d1-ultra. Nace lebih murah saat ini dan mungkin tidak demikian setelah diskon berakhir.
• Penagihan gambar — Drex Max v1.1 menghitung token gambar dalam batas 131.072 token per pertanyaan. d1-ultra menagih 1,5 token per patch 32×32 piksel, sehingga gambar 1024×1024 membutuhkan 1.536 token, dan menagih setiap pertanyaan sebagai prompt tersendiri termasuk semua gambar.
• Konteks — 131.072 token per pertanyaan untuk Drex Max v1.1, dengan 262.144 untuk seluruh permintaan gabungan. Liquid tidak memublikasikan jendela per pertanyaan yang sebanding.
• Ketersediaan — Drex Max v1.1 dijual melalui API dan konsol Nace; d1-ultra melalui API dan konsol Liquid. Tidak satu pun ada dalam daftar rute kami, dan tidak ada apa pun di sini yang merupakan klaim ketersediaan dari kami.
Aturan penagihan per pertanyaan pada d1-ultra adalah detail yang menentukan biaya pada skala dokumen, dan dewan telah mengukurnya. Artificial Analysis melaporkan Drex Max v1.1 pada sekitar 9.000 token input untuk tugas dokumen lima belas pertanyaan dibandingkan dengan sekitar 63.000 untuk model yang menagih ulang input per pertanyaan — dan biaya per tugas d1-ultra keluar sebesar $132 dibandingkan $102 milik Drex, mendekati rasio harga daftar keduanya dan sedikit lebih buruk.
Papan, komponen demi komponen
Selisih kompositnya adalah 2,9 poin. Selisih antarkomponennya sangat tidak merata, dan polanya konsisten: Drex unggul dalam hal dokumen, d1-ultra unggul dalam mengetahui berbagai hal dan dalam menolak menjawab.

• Indeks Keputusan v2 — Drex Max v1.1 73.39, d1-ultra 70.45.
• Indeks akurasi — Drex Max v1.1 58.41, d1-ultra 54.94, yaitu skor dengan komponen kalibrasi dihilangkan.
• Skor keputusan dokumen AA-Paperclip — Drex Max v1.1 72,82, d1-ultra 64,69. Tingkat semua lima belas benar: 63,0% dibandingkan dengan 51,3%.
• Pemanggilan alat When2Call — Drex Max v1.1 95,26, d1-ultra 93,83. Tipis, dan keduanya jauh di atas 84,39 milik Jev 1.14.
• Konsistensi parafrase AA-Symmetry — Drex Max v1.1 84.96, d1-ultra 77.81, selisih 7 poin yang merupakan divergensi terbesar kedua dalam kumpulan ini.
• AA-Omniscience-Decision — d1-ultra 64,39, Drex Max v1.1 60,27. Satu-satunya evaluasi yang urutannya berbalik.
• HLE-MultiChoice — d1-ultra 47,39, Drex Max v1.1 46,61, tetapi pada akurasi mentah d1-ultra berada di 6,09% dan Drex di 8,25%.
• Abstensi — d1-ultra menolak menjawab 88,61% pertanyaan omniscience yang tidak dapat dijawabnya, Drex Max v1.1 pada 65,28%, Microsoft-Decision-1 pada 21,74%.
• Waktu per tugas — Drex Max v1.1 275 ms, d1-ultra 295 ms.
• Biaya per 1 juta tugas — Drex Max v1.1 $102, d1-ultra $132.
Baca baris abstensi dua kali, karena baris itu menjelaskan baris omniscience dan merupakan properti yang paling tidak intuitif di papan. Skor keputusan omniscience d1-ultra yang lebih tinggi bukan terutama soal pengetahuan: akurasi mentahnya di sana adalah 28,0%, sama dengan Drex Max v1.1. Skornya lebih tinggi karena ia jauh lebih sering mengatakan "Saya tidak tahu" dan fungsi penilaian memberikan imbalan untuk itu. Mammoth 27B dan Elephant 9B memimpin evaluasi simetri karena alasan yang sama — Artificial Analysis mengatakan terus terang bahwa model-model Baseten "secara konsisten mengakui bahwa mereka tidak mengetahui jawaban dengan keyakinan tinggi di berbagai variasi pertanyaan."
Semua itu bukanlah cacat pada metriknya. Itu adalah pernyataan tentang apa yang Anda beli. d1-ultra adalah model yang Anda jangkau ketika pertanyaan yang tidak terjawab lebih murah daripada jawaban yang salah. Drex Max v1.1 adalah model yang Anda jangkau ketika sesuatu harus kembali dengan sebuah keputusan, dan ekor dengan keyakinan rendah diserahkan kepada manusia.

Apa yang diukur oleh evaluasi Liquid sendiri, dan apa yang tidak
Posting peluncuran Liquid membandingkan d1-ultra dengan d1 dan Jev 1.14 di seluruh “112 evaluasi unik” dan melaporkan bahwa d1-ultra mengalahkan Jev pada setiap evaluasi, dengan kalibrasi yang lebih baik pada harga yang sama. Itu adalah perbandingan yang dijalankan vendor pada instrumen yang dipilih vendor, dan tidak mengatakan apa pun tentang Drex Max, yang tidak muncul di dalamnya. Klaim indeks delapan poin dibuat terhadap Decision Index v1.0, yang diterbitkan 13 Oktober 2026 — dua hari sebelum d1-ultra ada — dan papan itu tidak pernah mencantumkan d1-ultra.
Vendor itu memang membuat satu klaim yang dikuatkan oleh papan peringkat baru: mereka melatih d1-ultra secara khusus agar tidak terlalu percaya diri, dan kalibrasi yang muncul sebagai 64.39 pada omniscience dibandingkan 60.14 milik Jev serta komposit 2.0 poin lebih tinggi daripada Jev pada akurasi yang sebanding adalah nyata. d1-ultra pada 70.45 dibandingkan Jev 1.14 pada 66.96 pada instrumen yang sama merupakan peningkatan nyata dibandingkan incumbent, yang diukur secara independen.

Klaim yang tidak bertahan adalah peringkatnya. Pada v2, d1-ultra berada di peringkat kelima dari tujuh belas, dan empat model di atasnya semuanya berada dalam selisih 3 poin. Sebaran 3 poin di antara lima teratas bukanlah hierarki; itu adalah seri yang dipisahkan oleh komponen mana yang kebetulan diberi bobot oleh beban kerja Anda.
Apa yang sebenarnya harus dijalankan
Kedua model di-hosting, tidak satu pun ada di katalog kami, dan cara jujur untuk memilih di antara keduanya adalah uji banding pada negara bagian Anda sendiri, bukan pada rangkaian pengujian milik vendor mana pun. Jika Anda menjalankannya, jalankan pada hal yang dihukum oleh dewan: dokumen semua-atau-tidak-sama-sekali. Model yang benar pada 97% jawaban individual dan 63% dokumen yang sepenuhnya benar bukanlah dua kali lebih baik daripada model dengan 51%; model itu persis sebaik probabilitas bahwa tidak ada satu pun dari lima belas jawaban yang saling bergantung yang salah, dan itulah yang akan dialami pipeline Anda.
Yang diubah router di sini bukanlah pilihan antara keduanya — kami tidak menyediakan keduanya — melainkan bentuk pipeline di sekitarnya. Keduanya adalah scorer yang berada di hulu dari sesuatu yang menulis. Langkah penulisan adalah panggilan model umum, dan itulah bagian di mana satu endpoint dengan 200+ model, harga daftar penyedia diteruskan tanpa markup per token dan failover otomatis benar-benar menghemat satu integrasi, karena model yang Anda tuju akan berubah lebih sering daripada scorer tersebut.
Jika Anda ingin satu alasan untuk memilih Drex Max v1.1 hari ini, alasannya bukanlah komposit 2,9 poin. Alasannya adalah bahwa model ini lebih cepat, lebih murah per tugas, dan tujuh poin lebih konsisten ketika pertanyaan yang sama dirumuskan dengan dua cara — dan konsistensi adalah sifat yang rusak secara diam-diam di produksi, bukan secara nyaring di benchmark. Jika Anda ingin satu alasan untuk memilih d1-ultra, alasannya adalah bahwa model itu menolak. Keduanya dapat dipertahankan. Klaim utama kedua vendor tidak.
