Kartu judul yang dihasilkan berjudul 'Karpo Decision 31B vs Liquid AI D1 Ultra' dengan subjudul 'Yang satu punya harga. Yang lain punya cerita.', empat chip bertuliskan '$0.042 per juta token masukan', '70.58 pada Artificial Analysis v2.1', '73.9 di papan komunitas', dan 'tidak ada baris Artificial Analysis untuk Karpo', serta dua kartu bergaris tepi yang dipisahkan oleh pembatas tipis berlabel 'diberi harga dan dilayani' dan 'bobot terbuka, tanpa endpoint'.
Guides & Insights

Karpo Decision 31B vs Liquid AI D1 Ultra: Satu Punya Harga, yang Lain Punya Cerita

Penulis

jinhao.song

Tanggal Terbit

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

Liquid AI D1 Ultra adalah satu-satunya model dalam perbandingan ini yang dapat disetujui oleh tim keuangan. Model ini dirilis pada 15 Oktober 2026, disajikan dari infrastruktur milik Liquid sendiri dengan harga $0,042 per juta token masukan dengan nol token keluaran secara konstruksi, dan Artificial Analysis memberinya skor 70,58 pada Decision Index v2.1 — peringkat kedelapan dari 25 model keputusan, tertinggal 4,3 poin dari penerusnya sendiri, d1.2-ultra, dan kurang lebih setara dengan Drex Max 1.1 pada 72,62. Karpo Decision 31B, dari MachinePulse, tidak memiliki harga, tidak memiliki endpoint, dan tidak memiliki baris di Artificial Analysis. Yang dimilikinya adalah skor penuh 73,9 pada Decision Index komunitas, yang dihitung oleh pengelola dewan tersebut, dan repositori Apache-2.0 berusia dua minggu yang belum diumumkan siapa pun.

Jika dibandingkan berdampingan, kedua model ini menggambarkan dua cara model keputusan dapat masuk ke organisasi: yang satu datang dengan faktur dan angka terukur, yang lain datang dengan tautan unduhan dan janji. Mana yang perlu Anda pedulikan bergantung pada apakah lapisan keputusan akan masuk produksi kuartal ini atau sedang dibuat prototipenya dengan anggaran kuartal depan sebagai acuan.

Angka yang sebenarnya dijual Liquid, dan mengapa itu yang bukan halusinasi

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.

Judul utama D1 Ultra adalah klaim peringkat pertama dari Oktober yang tidak didukung oleh papan peringkat yang dipublikasikan, dan argumen itu telah diajukan di tempat lain. Yang perlu dipahami sekarang adalah apa yang berubah antara produk ini dan pendahulunya, karena data AA menunjukkannya dengan jelas.

Liquid AI d1, versi aslinya, mencetak 3,3 pada tingkat non-halusinasi AA untuk evaluasi pengetahuan. Itu mendekati dasar seluruh papan peringkat — model yang, ketika tidak tahu, mengarang. D1 Ultra mencetak 88,6 pada ukuran yang sama. Pada ujian pengetahuan pilihan ganda, angkanya bergerak dari 5,6 ke 56,9. Hampir tidak ada pergerakan itu yang berasal dari semakin banyak jawaban benar: akurasi mentah pada AA-Omniscience justru turun dari 39,8% menjadi 28,0%. Model itu menjadi lebih baik dengan belajar menolak.

Itu bukan trik. Bagi lapisan keputusan, itu adalah perilaku paling berharga yang ada, karena jawaban yang menolak menjawab dialihkan ke manusia dan jawaban yang dikarang dengan penuh keyakinan dialihkan ke pelanggan. Tetapi hal itu mengubah bingkai tentang apa yang sebenarnya diberi imbalan oleh indeks. Angka 70.58 milik D1 Ultra pada dasarnya adalah skor untuk abstensi, dan papan yang sama menunjukkan biayanya: pada HLE-MultiChoice, akurasi mentah adalah 6.09%, salah satu angka terendah dari 25 model yang terdaftar.

Penerusnya, d1.2-ultra, melangkah lebih jauh ke arah yang sama dan melampauinya — 83,8 non-halusinasi dengan hanya 23,6% akurasi mentah, indeks 74,85, dan puncak papan peringkat. Liquid telah mengoptimalkan satu sumbu secara agresif, dan sumbu itu adalah kejujuran, bukan pengetahuan.

Di mana profil Karpo mengarah ke arah sebaliknya

Angka-angka Karpo berasal dari instrumen yang berbeda, jadi tidak dapat dikurangkan dari angka Liquid. Yang bisa mereka lakukan adalah menunjukkan bentuk yang berbeda.

Pada lima kategori Decision Index, area terkuat Karpo adalah alat dan otomasi dengan skor keterampilan terkoreksi peluang 88,4, dan terlemahnya adalah pengetahuan dan penalaran pada 65,5. Kesalahan kalibrasi yang dicatat pelacak adalah 4,8 poin. Kartu ini juga melaporkan latensi median 94 ms pada perangkat keras referensi, dibandingkan dengan 301 ms per tugas untuk D1 Ultra pada pengukuran AA — pengukuran yang berbeda, satu per permintaan dan satu per tugas, jadi hanya indikatif arah.

Baca kedua profil itu bersama-sama dan muncul perbedaan yang koheren: Karpo adalah model yang disetel ke arah tindakan — pemilihan alat, perutean, interaksi halaman, keputusan-keputusan kecil yang dibuat agen di setiap langkah — sedangkan D1 Ultra dan penerusnya disetel ke arah penolakan. Model yang menolak 72% pertanyaan pengetahuan adalah mesin pemilihan alat yang buruk, karena pemilihan alat bukanlah pertanyaan yang boleh dibiarkan tanpa jawaban. Model yang menjawab 88% dengan benar pada perutean alat tetapi hanya 65% pada pengetahuan adalah mesin pengetahuan yang buruk.

Itulah perbandingan yang sebenarnya, dan ini adalah perbandingan berdasarkan tujuan penggunaan, bukan skor. Kerangka yang dibuat MachinePulse sendiri dalam kartu model menyatakan hal itu: model ini untuk keputusan yang dibuat agen di antara langkah-langkah, apakah akan memanggil alat atau bertanya lebih dulu, elemen mana yang harus diklik. Rilis Oktober Liquid, dan terlebih lagi penerusnya pada November, adalah untuk menilai apakah suatu klaim didukung.

Perbandingan biaya, dengan segala catatan yang menyertainya

• Liquid AI D1 Ultra — $0,042 per juta token masukan, tanpa biaya keluaran karena tidak ada yang dihasilkan, $133 per juta tugas pada set dokumen AA, median 301 ms per tugas.

• Karpo Decision 31B — tidak ada harga yang dipublikasikan. Hanya self-hosted: bobot bf16 62,5 GB, satu GPU, median 94 ms per permintaan pada perangkat keras referensi pelacak.

• {{1}}Drex Max 1.1{{/1}}, sebagai pembanding — {{2}}$0,03{{/2}} per juta token masukan dengan harga peluncuran yang {{3}}AA{{/3}} tandai sebagai sementara, {{4}}$102,7{{/4}} per juta tugas.

• Perbandingan yang tidak pernah diterbitkan oleh siapa pun — model residen 62,5 GB pada GPU sewaan memakan biaya sebesar tarif per jam GPU tersebut, entah Anda mengirim satu permintaan atau sepuluh ribu. Pada volume kecil, biaya itu jauh lebih besar daripada $133 per juta tugas; pada volume tinggi yang berkelanjutan, keadaannya justru berbalik.

Angka per tugas adalah angka yang harus dijadikan acuan anggaran, karena angka itu memperhitungkan berapa banyak token yang digunakan setiap model untuk menjawab dokumen yang sama, dan model yang berulang kali membaca ulang statusnya memakan biaya lebih besar per keputusan daripada yang disiratkan oleh tarif per tokennya. $133 untuk D1 Ultra adalah yang tertinggi di antara tiga model Liquid yang tercantum di sini dan $30 lebih tinggi daripada harga peluncuran Drex Max 1.1. Ini bukan lapisan keputusan yang murah, dan model yang digantikannya berharga $63.4.

Di mana tier hosted benar-benar unggul adalah di segmen bawah. Jika Anda membutuhkan model keputusan untuk seratus permintaan per hari, menyediakan memori 62,5 GB untuk Karpo bukanlah opsi yang serius, sedangkan memanggil endpoint yang dilayani dengan harga list adalah. Katalog kami meneruskan harga list penyedia tanpa markup, sehingga pemotongan harga Liquid berlaku pada hari yang sama saat diumumkan, dan model keputusan dapat berada bersama sisa stack pada satu kunci alih-alih sebagai kontrak kedua. Itu bukan argumen untuk D1 Ultra dibanding Karpo; itu adalah argumen untuk tidak membeli GPU hanya untuk mencari tahu apakah Anda membutuhkannya.

Apa yang bisa D1 Ultra beri tahu Anda yang tidak bisa dilakukan Karpo

Tiga hal, semuanya jenis hal yang kamu temukan pada bulan kedua.

Yang pertama adalah tangga keyakinan. AA menerbitkan kalibrasi per kelompok untuk setiap model yang dinilainya, dan kalibrasi D1 Ultra mudah dibaca: dalam kelompok keyakinan 0,96 ke atas, model itu benar 97,1% dari waktu pada evaluasi simetri. Itu menunjukkan bahwa ambang batas 0,95 berperilaku kurang lebih seperti yang diiklankan, dan itu adalah klaim yang bisa menjadi dasar antrean tinjauan. Kartu Karpo hanya memberikan satu angka agregat—kesalahan kalibrasi 4,8 poin—dan tidak ada kurva per kelompok. Anda bisa membuatnya sendiri, dan Anda memang harus melakukannya.

Yang kedua adalah invariansi. AA-Symmetry mengurutkan ulang opsi, menukar label, dan menegasikan pertanyaan ya/tidak di 440 varian, dan D1 Ultra memperoleh skor 78,7 dengan tingkat lolos semua 45,8%. Model keputusan yang memberikan jawaban berbeda ketika Anda mengurutkan opsi secara alfabetis bukanlah model keputusan, melainkan koin dengan langkah tambahan. Kartu Karpo tidak melaporkan hasil invariansi, dan karena pembacaannya menilai kode opsi pada slot tetap alih-alih teks opsi, inilah properti yang tepat untuk diverifikasi sebelum deployment.

Yang ketiga adalah perilaku saat penolakan. AA melaporkan 88,6 non-halusinasi pada set pengetahuan untuk D1 Ultra, yang berarti jalur abstensi dijalankan dan diukur. Karpo hanya menolak berdasarkan panjang — sembilan dari 140.178 permintaan, semuanya berukuran berlebihan — dan kartunya tidak menyebut apa pun tentang abstensi sebagai sebuah keputusan. Apakah Karpo menolak pertanyaan yang tidak dapat dijawabnya, atau memilih opsi yang paling tidak buruk karena pembacaan selalu memilih sesuatu, tidak didokumentasikan. Bagian keterbatasan hanya menyatakan bahwa ia "selalu memilih salah satu opsi yang diberikan".

Kalimat terakhir itu adalah yang paling penting di kedua kartu model. Model keputusan yang secara struktural tidak dapat abstain memerlukan opsi "tidak ada jawaban yang meyakinkan" di setiap daftar pilihan, atau ambang batas pada probabilitas, atau keduanya. Perancang D1 Ultra memilih arsitektur yang lain: model itu dapat menolak, dan sering menolak.

Lisensi, yang merupakan satu-satunya tempat Karpo menang mutlak

Karpo Decision 31B berlisensi Apache-2.0, bobot dan kode, dengan lisensi Gemma 4 disertakan bersama. Unduh, jalankan, ubah, dan distribusikan turunannya, tanpa perlu berbicara dengan pengacara.

Model Liquid tidak bersifat terbuka. Tidak ada bobot, tidak ada self-hosting, tidak ada fine-tuning pada trafik Anda sendiri, dan tidak ada penerapan air-gapped. API adalah produknya. Bagi pipeline klasifikasi internal yang menangani dokumen teregulasi, hal itu menjadi penghalang pengadaan, sementara checkpoint 62,5 GB tidak.

Jadi pertukarannya jelas dan ini bukan soal skor: Karpo memberi Anda kendali dan tidak ada yang lain; Liquid memberi Anda produk yang terukur dan menghilangkan bobotnya. Tim dengan persyaratan kepatuhan tidak dapat memilih D1 Ultra berapa pun harganya. Tim dengan tenggat tiga minggu tidak dapat memilih Karpo dengan usaha apa pun, karena tidak ada endpoint untuk dipanggil.

Apa yang harus dilakukan bulan ini

Jika lapisan keputusan akan masuk ke produksi dan inputnya adalah dokumen, D1 Ultra adalah pilihan yang dapat dipertahankan meskipun harganya mahal dan akurasi pengetahuan mentahnya rendah, karena kinerjanya terukur, tersedia sebagai layanan, dan harganya jelas, serta perilaku abstensinya adalah properti yang sebenarnya Anda inginkan. Perhatikan d1.2-ultra saja jika Anda membeli sekarang — ini lini produk yang sama, empat poin lebih tinggi pada papan yang sama, dan memiliki catatan yang sama bahwa sebagian besar skornya adalah abstensi, bukan pengetahuan.

Jika inputnya adalah halaman, tangkapan layar, atau panggilan alat dan Anda memiliki GPU, Karpo adalah model yang lebih menarik dengan lisensi yang lebih permisif, dan kemampuan perutean alatnya sebesar 88,4 adalah angka yang perlu diuji terhadap lalu lintas Anda sendiri. Ketahuilah sejak awal bahwa Anda adalah orang pertama yang mengukurnya pada hal yang benar-benar penting: tidak ada baris AA, tidak ada harga, tidak ada pengumuman, dan vendor yang halaman produknya saat ini mengembalikan empat-nol-empat.

Ada jalan tengah yang layak disebut, karena itulah yang akhirnya dilakukan sebagian besar tim. Jalankan model hosted di produksi, jalankan model terbuka terhadap permintaan yang sama secara offline, lalu bandingkan tingkat yakin-tapi-salah, bukan indeks utama. Perbandingan itu membutuhkan kedua model dapat dipanggil dengan satu kredensial dan harganya transparan, yang justru menjadi alasan katalog kami ada — model keputusan yang tersedia sebagai layanan dan basis terbuka tempat fine-tune ini dibangun, dengan satu kunci, pada harga daftar penyedia. Jika Karpo mendapatkan endpoint atau pengajuan AA dalam bulan depan, latensi dari perubahan itu kini menjadi hal yang perlu diperhatikan; jika tidak, 73.9 tetap menjadi angka menarik di papan komunitas dan D1 Ultra tetap menjadi model dengan bukti.

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.