Una scheda di confronto generata con intestazione "Drex Max v1.1 vs Liquid AI d1-ultra", con righe per Indice decisionale 73,4 contro 70,4, punteggio decisionale del documento 72,8 contro 64,7, tasso di astensione 65,3 per cento contro 88,6 per cento, tempo per attività 275 ms contro 295 ms e costo per 1M di attività $102 contro $132, con un piè di pagina che riporta Artificial Analysis Decision Index v2, 8 novembre 2026.
Guides & Insights

Drex Max v1.1 vs Liquid AI d1-ultra: due scorer multimodali, e un titolo che non regge più

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Liquid AI d1-ultra è stato rilasciato il 15 ottobre 2026 con una frase che all'epoca era difendibile: "supera tutti gli altri modelli decisionali sull'Artificial Analysis Decision Index di almeno 8 punti". Tre settimane dopo, Artificial Analysis ha sostituito quell'indice con la v2, ha riassegnato i punteggi a diciassette modelli su nuovi dati, e d1-ultra è finito quinto a 70,4 — dietro a Drex Max v1.1 a 73,4, GLiDE v1.2 a 72,8, Mammoth 27B a 72,4 e, per tre centesimi di punto, Decider v1.2 di Perplexity a 70,5. Il vantaggio di otto punti è svanito, e non era mai stato misurato su questo strumento.

Questo è il quadro di questo confronto, e vale la pena essere precisi su cosa significhi e cosa non significhi. Non significa che d1-ultra sia peggiorato. Significa che la classifica è cambiata sotto un'affermazione formulata rispetto a quella precedente, il che è il rischio ordinario di citare una posizione in classifica come se fosse una proprietà del modello. Entrambi sono potenti scorer multimodali per le decisioni. Sono anche più vicini di quanto suggerisca il marketing di entrambi i fornitori, e sono bravi in cose visibilmente diverse.

Dove i due modelli concordano, il che rappresenta la maggior parte della superficie

Entrambi sono modelli decisionali in senso stretto: si inviano uno stato e domande tipizzate, un singolo passaggio in avanti restituisce una probabilità per ogni opzione e non viene generato alcun testo. Entrambi accettano immagini insieme al testo. Entrambi rispondono alle stesse tre forme di domanda: una scelta tra opzioni denominate, un sì/no e un punteggio su una scala. Entrambi fatturano solo l'input, con l'output non fatturato, perché non c'è output.

• Modalità — Drex Max v1.1 legge testo, screenshot, grafici, moduli, documenti scansionati, foto e fotogrammi video, otto immagini per richiesta. d1-ultra legge testo, immagini o entrambi; l'esempio di lancio di Liquid è la fotografia di una scheda elettronica verificata rispetto alle sue specifiche.

• Prezzo per milione di token di input — 0,03 $ per Drex Max v1.1 durante il periodo di lancio (sconto del 50% sul prezzo di listino di 0,06 $), 0,042 $ per d1-ultra. Oggi Nace costa meno, ma potrebbe non essere così dopo la chiusura dello sconto.

• Fatturazione delle immagini — Drex Max v1.1 conta i token delle immagini all'interno del limite di 131.072 token per domanda. d1-ultra fattura 1,5 token per patch da 32×32 pixel, quindi un'immagine da 1024×1024 costa 1.536 token e fattura ogni domanda come prompt a sé stante, includendo tutte le immagini.

Contesto — 131.072 token per domanda per Drex Max v1.1, con 262.144 per l'intera richiesta compressa. Liquid non pubblica una finestra comparabile per domanda.

• Disponibilità — Drex Max v1.1 viene venduto tramite l'API e la console di Nace; d1-ultra tramite l'API e la console Liquid. Nessuno dei due figura nel nostro elenco delle route, e nulla di quanto qui riportato costituisce una nostra dichiarazione di disponibilità.

Quella regola di fatturazione per domanda su d1-ultra è il dettaglio che decide il costo su scala documentale, e il board l'ha misurata. Artificial Analysis riporta Drex Max v1.1 a circa 9.000 token di input per un'attività documentale da quindici domande, contro circa 63.000 per i modelli che rifatturano l'input per ogni domanda — e il costo per attività di d1-ultra è risultato di $132 contro i $102 di Drex, vicino al rapporto dei loro prezzi di listino e leggermente peggiore.

La scheda, componente per componente

Il divario complessivo è di 2,9 punti. I divari tra le componenti sono estremamente disomogenei, e lo schema è coerente: Drex vince sui documenti, d1-ultra vince sulla conoscenza delle cose e sul rifiuto di rispondere.

Screenshot of the Artificial Analysis Decision Index v2 page, showing the leaderboard navigation and the board's stated definition - a composite index testing decision models across document decisions and extraction, tool calling, knowledge, reasoning and invariance, built from six evaluations including AA-Paperclip's 1,500 resumes, receipts and invoices.

• Indice decisionale v2 — Drex Max v1.1 73.39, d1-ultra 70.45.

• Indice di accuratezza — Drex Max v1.1 58,41, d1-ultra 54,94, che è il punteggio depurato dalla componente di calibrazione.

• Punteggio di decisione del documento AA-Paperclip — Drex Max v1.1 72,82, d1-ultra 64,69. Tasso di correttezza su tutte e quindici: 63,0% contro 51,3%.

• Tool calling di When2Call — Drex Max v1.1 95.26, d1-ultra 93.83. Vicini, ed entrambi ben al di sopra dell'84.39 di Jev 1.14.

• Coerenza nella parafrasi AA-Symmetry — Drex Max v1.1 84,96, d1-ultra 77,81, un divario di 7 punti che è la seconda divergenza più ampia dell'insieme.

• AA-Omniscience-Decision — d1-ultra 64,39, Drex Max v1.1 60,27. L'unica valutazione in cui l'ordinamento si inverte.

• HLE-MultiChoice — d1-ultra 47,39, Drex Max v1.1 46,61, ma sulla precisione grezza d1-ultra è al 6,09% e Drex all'8,25%.

• Astensione — d1-ultra declina l'88,61% delle domande di onniscienza a cui non può rispondere, Drex Max v1.1 il 65,28%, Microsoft-Decision-1 il 21,74%.

{{1}}Tempo per attività{{/1}} — Drex Max v1.1 275 ms, d1-ultra 295 ms.

• Costo per 1M di attività — Drex Max v1.1 $102, d1-ultra $132.

Leggi due volte la riga dell'astensione, perché spiega la riga dell'onniscienza ed è la proprietà meno intuitiva della tabella. Il punteggio decisionale di onniscienza più alto di d1-ultra non dipende principalmente dalla conoscenza: la sua accuratezza grezza in quella voce è del 28,0%, la stessa di Drex Max v1.1. Ottiene un punteggio più alto perché dice "non lo so" molto più spesso e la funzione di punteggio lo ricompensa. Mammoth 27B ed Elephant 9B guidano la valutazione della simmetria per lo stesso motivo — Artificial Analysis afferma apertamente che i modelli di Baseten "ammettono costantemente di non conoscere una risposta con elevata sicurezza attraverso varianti delle domande".

Niente di tutto ciò è un difetto della metrica. È un'affermazione su ciò che stai acquistando. d1-ultra è il modello a cui ricorrere quando una domanda senza risposta costa meno di una sbagliata. Drex Max v1.1 è il modello a cui ricorrere quando qualcosa deve tornare con una decisione, e la coda a bassa confidenza viene affidata a una persona.

A generated scoreboard headed 'Two multimodal scorers, five uneven gaps', listing Drex Max v1.1 against Liquid AI d1-ultra on document decision score at 72.8 versus 64.7, paraphrase symmetry at 85.0 versus 77.8, tool calling at 95.3 versus 93.8, knowledge and abstention at 60.3 versus 64.4, and abstention on unanswerable items at 65.3 percent versus 88.6 percent.

Che cosa ha misurato la valutazione di Liquid stessa, e che cosa no

Il post di lancio di Liquid confronta d1-ultra con d1 e Jev 1.14 su "112 valutazioni uniche" e riferisce che lo supera su ognuna, con una calibrazione migliore allo stesso prezzo. Si tratta di un confronto condotto dal fornitore su uno strumento scelto dal fornitore, e non dice nulla su Drex Max, che non compare. L'affermazione sull'indice a otto punti è stata formulata rispetto a Decision Index v1.0, pubblicato il 13 ottobre 2026 — due giorni prima che d1-ultra esistesse — e quella classifica non ha mai elencato d1-ultra.

Il fornitore avanza effettivamente un'affermazione che la nuova classifica corrobora: ha addestrato d1-ultra specificamente per essere meno incline all'eccessiva sicurezza, e la calibrazione che si attesta a 64,39 su omniscience contro il 60,14 di Jev e un composito superiore di 2,0 punti rispetto a Jev a un'accuratezza comparabile è reale. d1-ultra a 70,45 contro Jev 1.14 a 66,96 sullo stesso strumento rappresenta un miglioramento reale rispetto all'incumbent, misurato in modo indipendente.

Screenshot of Liquid AI's d1-ultra announcement dated October 15, 2026, headed 'Introducing the World's Best Decision Model', describing the model as built for harder real-world cases such as spotting a defect on a circuit board against its spec or checking a damage claim against a customer photo, and stating availability on the Liquid API at $0.042 per million input tokens.

L'affermazione che non regge è la classifica. Su v2, d1-ultra è quinto su diciassette, e i quattro modelli sopra di esso sono tutti entro 3 punti. Una differenza di 3 punti tra i primi cinque non è una gerarchia; è un pareggio deciso da quale componente il tuo carico di lavoro tende a pesare.

Cosa eseguire davvero

Entrambi i modelli sono ospitati, nessuno dei due è nel nostro catalogo, e il modo onesto di scegliere tra loro è un confronto diretto sui vostri stati anziché sulla suite di uno dei due fornitori. Se lo fate, fatelo sulla cosa che il board penalizza: i documenti tutto-o-niente. Un modello che azzecca il 97% delle singole risposte e il 63% dei documenti completamente corretti non è due volte migliore di uno al 51%; equivale esattamente alla probabilità che nessuna di quindici risposte dipendenti sia sbagliata, che è ciò che il vostro pipeline sperimenterà.

Ciò che un router cambia qui non è la scelta tra questi due — non offriamo nessuno dei due — ma la forma della pipeline attorno a essi. Entrambi sono scorer che stanno a monte di qualcosa che scrive. Il passaggio di scrittura è una chiamata a un modello generico, ed è la parte in cui un unico endpoint con oltre 200 modelli, prezzo di listino del provider passato senza ricarico per token e failover automatico ti fa davvero risparmiare un'integrazione, perché il modello a cui instradi cambierà più spesso dello scorer.

Se volete un'unica ragione per preferire oggi Drex Max v1.1, non è il punteggio composito di 2,9 punti. È che è più veloce, meno costoso per attività e più coerente di sette punti quando la stessa domanda è formulata in due modi — e la coerenza è la proprietà che si rompe silenziosamente in produzione anziché rumorosamente in un benchmark. Se volete un'unica ragione per preferire d1-ultra, è che rifiuta. Entrambe sono difendibili. Non lo sono le headline di nessuno dei due fornitori.