
Karpo Decision 31B vs Drex Max 1.1: Dua Board, Satu Nomor Masing-Masing
- OrcaBARUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 juta token · 184 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 · 87 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 96 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 · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 juta token · 77 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 · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 69 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 · 41 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 · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 111 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
Karpo Decision 31B dan Drex Max 1.1 cukup dekat dalam ukuran, bentuk, dan deskripsi pekerjaan sehingga lembar spesifikasi membuat keduanya tampak seperti produk yang sama dari dua perusahaan. Keduanya adalah model padat ~30B yang disempurnakan untuk menjawab pertanyaan bertipe tentang suatu state dalam satu forward pass tanpa menghasilkan teks. Keduanya membawa head pembacaan 255 arah, keduanya menerima gambar, keduanya menolak alih-alih memotong pertanyaan yang kelebihan ukuran. Perbedaannya bukan pada arsitektur. Perbedaannya terletak pada sejauh mana masing-masing vendor bersedia membiarkan pihak lain mengukur, dan pada apa yang boleh Anda lakukan dengan bobotnya setelahnya. Karpo, dari MachinePulse, memiliki skor Full pihak ketiga dan tanpa harga. Drex Max 1.1, dari Nace.AI, memiliki angka Artificial Analysis independen, tarif yang dipublikasikan, dan lisensi yang membatasi penggunaan komersial.
Tidak satu pun dari kedua pertukaran itu yang jelas merupakan pilihan yang tepat. Inilah biaya sebenarnya dari masing-masing sisi pertukaran tersebut.
Dari mana angka-angka itu berasal, karena angka-angka tersebut tidak berasal dari tempat yang sama
Mulailah dengan bagian yang tidak nyaman: tidak ada satu pun papan peringkat yang mencantumkan skor kedua model hari ini.
Karpo Decision 31B muncul di Decision Index, papan komunitas yang melacak reproduksi terbuka Jev milik TypeSafe. Skor Full-nya adalah 73.9, dihitung oleh pengelola papan pada tes privat, dan saat ini berbagi posisi pertama dengan GLiDE 27B pada 73.4. Indeks publiknya sebesar 75.05 berasal dari uji coba MachinePulse sendiri atas kit resmi dan diadopsi oleh papan, dengan file hasil 140,178 permintaan dipublikasikan agar siapa pun dapat menjalankannya ulang. Artificial Analysis sama sekali tidak memiliki baris untuk Karpo.
Drex Max 1.1 adalah gambaran cerminnya. Artificial Analysis memberinya skor 72,62 pada Decision Index v2.1 — kedua dari 25 model keputusan, di belakang Liquid AI d1.2-ultra pada 74,85 dan di depan SubQ Snap 1.2 pada 72,58. Angka itu milik AA, diukur pada perangkat keras AA dengan kumpulan dokumen privat AA. Yang dimiliki Karpo, tidak dimiliki Drex Max 1.1: pelacak Jev memuat baris untuk Drex Max v1 pada 66,60 Full, dan tidak ada baris sama sekali untuk v1.1.
Jadi satu-satunya perbandingan dengan instrumen yang sama yang tersedia adalah Karpo Decision 31B pada 73,9 versus Drex Max v1 pada 66,6 — selisih 7,3 poin pada satu papan, pada dua versi model Nace yang berbeda, yang justru merupakan jenis perbandingan yang menguntungkan pihak mana pun yang kebetulan Anda dukung. Tarik garisnya ke arah sebaliknya dan Drex Max 1.1 mencatat 72,62 sementara Karpo tidak mencetak apa pun. Kedua kalimat itu benar. Tidak satu pun merupakan adu langsung.
Spesifikasinya, dimensi demi dimensi

• Parameter — Karpo 31.3B dalam bf16 ditambah readout 255 × 5,376 fp32, sekitar 62,5 GB di disk; Drex Max 1.1 adalah dense 27B, sekitar 49 GB dalam bf16 dan 26 GB dengan backbone pada 8-bit.
• Model dasar — Gemma 4 31B yang di-tune dengan instruksi untuk Karpo, Qwen3.8-27B untuk Drex Max 1.1. Korpus prapelatihan berbeda, tokenizer berbeda, segala hal di hilir pun berbeda.
Konteks — Karpo mengambil 32.768 token per sekuens dan memecah permintaan yang lebih panjang berdasarkan pertanyaan, dengan setiap bagian membawa keadaan penuh; Drex Max 1.1 secara default menggunakan 16.384 token per permintaan dan dokumentasi vendor menaikkannya menjadi 131.072 per pertanyaan.
• Multimodalitas — keduanya membaca gambar secara native, dan keduanya membuat tangkapan layar terlihat oleh setiap pertanyaan dalam permintaan, bukan hanya oleh satu.
• Jenis pertanyaan — tampilan identik: choice hingga 255 opsi, noul untuk benar/salah, score untuk tingkat berurutan.
• Antarmuka — Karpo melayani System One di POST /v1/systemone dari paket Python miliknya sendiri; Drex Max 1.1 memiliki bentuk yang sama, plus fork llama.cpp dan Ollama untuk Apple silicon dan CPU.
• Lisensi — Apache-2.0 untuk bobot dan kode Karpo; Nace.AI Open RAIL-M untuk Drex Max 1.1, yang merupakan bobot terbuka dengan pembatasan penggunaan yang melekat.
• Hosting — Karpo tidak punya. Drex Max 1.1 dilayani oleh Nace.AI dengan tarif $0.03 per juta token input, yang ditandai di papan AA sebagai harga peluncuran sementara.

Baris konteks adalah baris yang biasanya dilewati orang. Plafon keras 32.768 token dengan penolakan eksplisit adalah batasan rekayasa yang berbeda dari nilai bawaan 16.384 token yang dapat Anda naikkan menjadi 131.072 dengan variabel lingkungan. Jika state Anda berupa faktur dan tiket dukungan, kedua angka itu tidak relevan. Jika state Anda adalah kontrak, model Nace dapat diberi sepuluh kontrak, sedangkan Karpo tidak dapat diberi satu pun.
Seperti apa perbedaan kalibrasi 11 poin dalam sebuah pipeline
Akurasi adalah angka yang orang kutip dan angka yang paling tidak penting untuk kelas model ini. Inti dari model keputusan adalah bahwa outputnya merupakan probabilitas yang dapat ditindaklanjuti oleh ambang batas, jadi pertanyaannya adalah apakah probabilitas itu jujur.
Kartu Karpo melaporkan kesalahan kalibrasi sebesar 4,8 poin: ketika model mengatakan 0,9, model itu benar sedikit kurang dari 90% dari waktu, dengan selisih rata-rata sekitar lima poin. Profil AA Drex Max 1.1 memiliki skor Brier 0,16 di seluruh rangkaian pertanyaan, yang merupakan statistik berbeda dan tidak dapat dibandingkan secara langsung, tetapi papan yang sama juga menunjukkan tangga kepercayaannya: pada kelompok kepercayaan 0,98, model itu benar 97,5% dari waktu. Itu adalah model yang jawaban dengan kepercayaan tertingginya dapat dipercaya apa adanya.
Pemisahan yang menarik untuk Drex Max 1.1 terletak pada evaluasi pengetahuan. Pada AA-Omniscience, model ini memperoleh skor keputusan 60,3 — tetapi komposit itu berasal dari akurasi mentah sebesar 28% terhadap tingkat non-halusinasi 65,3%. Jika dibaca bersama, yang Anda dapatkan adalah model yang menjawab sekitar seperempat pertanyaan pengetahuan dengan benar dan menolak menjawab sebagian besar sisanya. Indeks memberinya nilai karena menolak menjawab alih-alih mengarang, yang merupakan perilaku yang dimaksudkan untuk lapisan keputusan dan kurang cocok untuk apa pun yang membutuhkan jawaban sebenarnya.
Bagi Karpo, naluri yang sama muncul di tempat lain: sembilan dari 140.178 permintaan ditolak mentah-mentah karena sebuah pertanyaan beserta state-nya meluap melebihi jendela. Menolak alih-alih melakukan pemotongan diam-diam adalah default yang tepat. Ini juga merupakan mode kegagalan yang harus Anda akali, dan batas 32.768 token membuatnya lebih sering terjadi.
Latensi dan bentuk penerapan
Median tercatat Karpo adalah 94 ms per permintaan pada perangkat keras referensi tracker, satu GPU, satu permintaan pada satu waktu. AA mengukur Drex Max 1.1 pada 283 ms per tugas dan biaya $102,7 per juta tugas pada harga peluncuran saat ini. Kedua angka tersebut bukan pengukuran yang sama — per permintaan dibandingkan per tugas, dan satu tugas pada kumpulan dokumen AA adalah beberapa keputusan atas satu dokumen panjang — jadi anggap selisih itu sebagai petunjuk arah, bukan angka yang presisi.
Secara arah, ini mengatakan sesuatu yang nyata: readout turunan Gemma 31B dengan satu lintasan state bersama adalah objek yang lebih ringkas daripada model 27B yang lapisan atensi non-kausalnya menulis ulang seluruh urutan. Apakah lebih ringkas itu penting bergantung pada di mana panggilan berada. Gerbang yang aktif sebelum setiap panggilan alat perlu berada di dalam anggaran giliran. Penilaian ulang tiap malam terhadap seribu tiket tidak peduli soal 200 ms.
Pertanyaan lisensi yang tidak ada yang tanyakan sampai bagian pengadaan menanyakannya
Karpo Decision 31B berlisensi Apache-2.0, baik bobot maupun kode, dengan lisensi milik Gemma 4 sendiri turut disertakan dalam repositori. Itu adalah ujung permisif dari keterbukaan.
Drex Max 1.1 berada di bawah lisensi Nace.AI Open RAIL-M. Open RAIL-M benar-benar terbuka — Anda dapat mengunduh, menjalankan, memodifikasi, dan mendistribusikannya kembali — tetapi lisensi ini membawa pembatasan penggunaan yang berlaku juga bagi pengguna hilir, dan mewajibkan Anda meneruskan pembatasan yang sama. Bagi sebuah notebook riset, perbedaan itu tidak terlihat. Bagi sebuah produk yang modelnya berada di dalam pipeline yang berhadapan dengan pelanggan, itu berarti tinjauan hukum, dan tinjauan tersebut akan menanyakan apa yang terjadi ketika Anda melakukan fine-tuning dan mengirimkan produk turunannya. Jawabannya adalah "pembatasan itu ikut menyertainya".
Jika lapisan keputusan adalah perkakas internal, lisensi hanyalah catatan kaki. Jika ia tertanam dalam sesuatu yang Anda jual, Apache-2.0 menghilangkan satu rapat dari jalur kritis.
Mana yang sebenarnya cocok
Ambil Drex Max 1.1 jika Anda menginginkan angka yang tidak perlu Anda hitung sendiri, harga yang dapat Anda masukkan ke anggaran, dan keadaan yang berlangsung lama. Ini terukur hari ini, sudah dihosting hari ini, dan tangga keyakinannya di ujung atas adalah properti yang membuat ambang otomatis dapat dipertahankan. Biayanya adalah pembatasan lisensi dan harga peluncuran yang secara eksplisit ditandai AA sebagai sementara.
Ambil Karpo Decision 31B jika tidak adanya endpoint yang dihosting bukan masalah — Anda memiliki GPU, atau Anda memiliki pekerjaan batch — dan sifat permisif Apache-2.0 penting, serta skor Full dari board adalah bukti yang Anda percaya. Biayanya adalah bobot 62,5 GB, batas 32.768 token, dan vendor yang belum menerbitkan harga, halaman produk, atau pengumuman.
Ada posisi ketiga, dan bagi sebagian besar tim itulah yang tepat bulan ini: tidak keduanya. Karpo baru berusia dua minggu dengan keunggulan imbang dan tanpa skor independen; Drex Max 1.1 dihargai dengan diskon yang akan segera berakhir. Jalankan keduanya terhadap sampel berlabel Anda sendiri dan bandingkan tingkat yakin-tapi-salah alih-alih angka utamanya. Untuk incumbent dalam uji bayangan itu, referensi termurah yang tersedia adalah model milik TypeSafe sendiri — Jev 1.14 ada di katalog kami, sehingga kebijakan ambang dapat divalidasi terhadap hal yang dikejar setiap reproduksi terbuka, pada kunci yang sama yang akan Anda gunakan untuk Qwen3.8-27B atau Gemma 4 31B, dua model dasar tempat checkpoint ini dibangun. Kedua basis tersebut disajikan melalui satu API untuk 200+ model dengan harga daftar penyedia tanpa markup, yang berguna justru karena lapisan keputusan adalah tempat Anda ingin menukar model dan mempertahankan kode.
Satu-satunya hal yang akan menyelesaikan pertandingan ini adalah satu angka: Karpo Decision 31B muncul di AA board. Sampai saat itu, perbandingannya adalah 73.9 yang terdokumentasi dengan baik melawan 72.62 yang terdokumentasi dengan baik, yang dihasilkan oleh dua organisasi yang belum pernah menilai makalah yang sama.

