Una scheda titolo generata con intestazione 'Karpo Decision 31B vs Drex Max 1.1' e sottotitolo 'Due classifiche, un numero ciascuna — e nessun confronto testa a testa', due pannelli arrotondati affiancati etichettati 'Decision Index' e 'Artificial Analysis v2.1', che riportano rispettivamente 'Karpo Decision 31B 73.9' e 'Drex Max 1.1 72.62', e un piccolo chip verticale nello spazio tra loro che riporta 'nessuno strumento condiviso'.
Guides & Insights

Karpo Decision 31B vs Drex Max 1.1: Due tavole, un numero per ciascuna

Autore

Elias Hawthorne

Data di pubblicazione

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

Karpo Decision 31B e Drex Max 1.1 sono così vicini per dimensioni, forma e ruolo dichiarato che una scheda tecnica li fa sembrare lo stesso prodotto di due aziende diverse. Entrambi sono modelli densi da circa 30B messi a punto per rispondere a domande digitate su uno stato in un singolo passaggio in avanti senza generare testo. Entrambi montano una testa di lettura a 255 vie, entrambi accettano immagini, entrambi rifiutano invece di troncare una domanda troppo grande. La divergenza non è nell'architettura. È in ciò che ciascun fornitore ha accettato di lasciar misurare a qualcun altro e in ciò che ti è consentito fare con i pesi in seguito. Karpo, di MachinePulse, ha un punteggio Full di terze parti e nessun prezzo. Drex Max 1.1, di Nace.AI, ha un numero indipendente di Artificial Analysis, una tariffa pubblicata e una licenza che limita l'uso commerciale.

Nessuna delle due operazioni è ovviamente quella giusta. Ecco quanto costa realmente ciascun lato dell'operazione.

Da dove vengono i numeri, perché non provengono dallo stesso posto

Cominciamo dalla parte scomoda: oggi non esiste una singola classifica in cui entrambi i modelli abbiano un punteggio.

Karpo Decision 31B compare nel Decision Index, la board della community che tiene traccia delle riproduzioni aperte di ​Jev di TypeSafe. Il suo punteggio Full è 73.9, calcolato dai manutentori della board su test privati, e attualmente condivide il primo posto con GLiDE 27B a 73.4. Il suo indice pubblico di 75.05 proviene dall'esecuzione del kit ufficiale da parte di MachinePulse ed è stato adottato dalla board, con il file dei risultati da 140.178 richieste pubblicato affinché chiunque possa rieseguirlo. Artificial Analysis non ha alcuna riga per Karpo.

Drex Max 1.1 è l'immagine speculare. Artificial Analysis gli assegna 72,62 su Decision Index v2.1 — secondo su 25 modelli decisionali, dietro a Liquid AI d1.2-ultra a 74,85 e davanti a SubQ Snap 1.2 a 72,58. Quel numero è di AA, misurato sull'hardware di AA con il set di documenti privati di AA. Quello che Karpo ha, Drex Max 1.1 non ce l'ha: il tracker Je​v contiene una riga per Drex Max v1 a 66,60 Full, e nessuna riga per v1.1.

Quindi l'unico confronto sullo stesso strumento disponibile è Karpo Decision 31B a 73,9 contro Drex Max v1 a 66,6 — un divario di 7,3 punti su un'unica classifica, tra due versioni diverse del modello Nace, che è esattamente il tipo di confronto che fa apparire migliore la parte che ti capita di preferire. Se si traccia il confine nell'altro modo, Drex Max 1.1 registra un 72,62 dove Karpo non ha nulla di stampato. Entrambe le frasi sono vere. Nessuna delle due è un confronto testa a testa.

Le specifiche, dimensione per dimensione

A generated two-column scoreboard titled 'Karpo Decision 31B vs Drex Max 1.1 — the scoreboard'. The Karpo column reads 'Params: 31.3B, 62.5 GB bf16', 'Context: 32,768 tokens', 'Score: 73.9, Decision Index', 'Price: none published', 'Licence: Apache-2.0' and 'Hosting: self-host only'; the Drex Max 1.1 column reads 'Params: dense 27B, 49 GB bf16', 'Context: 16,384 default, up to 131,072', 'Score: 72.62, Artificial Analysis', 'Price: $0.03 per million input', 'Licence: Nace.AI Open RAIL-M' and 'Hosting: served by Nace.AI'. The footer reads 'Karpo figures per the Decision Index and its model card; Drex figures per Artificial Analysis and Nace.AI.'

• Parametri — Karpo 31.3B in bf16 più un readout fp32 da 255 × 5.376, circa 62,5 GB su disco; Drex Max 1.1 è un modello dense da 27B, circa 49 GB in bf16 e 26 GB con il backbone a 8 bit.

• Modello base — Gemma 4 31B ottimizzato per le istruzioni per Karpo, Qwen3.8-27B per Drex Max 1.1. Corpora di pre-addestramento diversi, tokenizer diversi, tutto diverso a valle.

• Contesto — Karpo accetta 32.768 token per sequenza e suddivide una richiesta più lunga per domanda, con ogni parte che porta con sé lo stato completo; Drex Max 1.1 usa per impostazione predefinita 16.384 token per richiesta e la documentazione del fornitore li porta a 131.072 per domanda.

• Multimodalità — entrambi leggono le immagini in modo nativo ed entrambi rendono lo screenshot visibile a ogni domanda della richiesta anziché a una sola.

• Tipi di domanda — superficie identica: choice fino a 255 opzioni, noul per vero/falso, score per un livello ordinato.

• Interfaccia — Karpo serve System One su POST /v1/systemone dal proprio pacchetto Python; Drex Max 1.1 ha la stessa struttura, più fork di llama.cpp e Ollama per Apple silicon e CPU.

• Licenza — Apache-2.0 per i pesi e il codice di Karpo; Nace.AI Open RAIL-M per Drex Max 1.1, che è open weights con restrizioni d'uso allegate.

• Hosting — Karpo non ne offre alcuno. Drex Max 1.1 è servito da Nace.AI a 0,03 $ per milione di token di input, contrassegnato sulla board AA come prezzo di lancio temporaneo.

A capture of the community Decision Index leaderboard, headed with the multimodalart jev-decision-index attribution, listing Karpo Decision 31B at 73.86 in first place ahead of GLiDE 27B at 73.37, REAX 1.3 at 72.64, Logits Sigma-1 Duo at 72.28, Copernicus-31B at 72.11, KnowLine 31B Gen1.5 at 71.91, Copernicus-57B at 71.8, FlexDM-LoRA 2.1 at 71.66, Sieve 31B v3 at 71.10, OneJev1.6g-31B at 70.86 and Turion Jev 31B at 70.47.

La riga di contesto è quella che le persone scorrono distrattamente. Un tetto massimo rigido di 32.768 token con un rifiuto esplicito è un vincolo ingegneristico diverso da un valore predefinito di 16.384 token che puoi aumentare a 131.072 con una variabile d'ambiente. Se i tuoi stati sono fatture e ticket di assistenza, nessuno dei due numeri conta. Se i tuoi stati sono contratti, al modello Nace se ne possono affidare dieci e a Karpo non se ne può affidare nemmeno uno.

Che aspetto ha una differenza di 11 punti di calibrazione in una pipeline

L'accuratezza è il numero che le persone citano ed è quello che conta meno per questa classe di modelli. Il punto centrale di un modello decisionale è che il suo output è una probabilità su cui una soglia può agire, quindi la domanda è se la probabilità sia onesta.

La scheda di Karpo riporta un errore di calibrazione di 4,8 punti: quando il modello dice 0,9, ha ragione un po' meno del 90% delle volte, di circa cinque punti in media. Il profilo AA di Drex Max 1.1 riporta un punteggio Brier di 0,16 sull'intero set di domande, che è una statistica diversa e non direttamente comparabile, ma la stessa scheda mostra anche la sua scala di confidenza: al livello di confidenza 0,98 il modello ha ragione nel 97,5% dei casi. È un modello le cui risposte a massima confidenza possono essere prese per buone.

{{1}}Il dato interessante su Drex Max 1.1 emerge nella valutazione delle conoscenze.{{/1}} {{2}}Su AA-Omniscience ottiene un punteggio decisionale di 60,3, ma quel valore composito deriva da un'accuratezza grezza del 28% a fronte di un tasso di non allucinazione del 65,3%.{{/2}} {{3}}Mettendo insieme questi dati, si ottiene un modello che risponde correttamente a circa un quarto delle domande di conoscenza e rifiuta di rispondere a una gran parte delle restanti.{{/3}} {{4}}L'indice lo ricompensa per il rifiuto anziché per l'invenzione, che è il comportamento previsto per un livello decisionale e poco adatto a qualsiasi cosa richieda una risposta concreta.{{/4}}

Per Karpo lo stesso istinto si manifesta in un punto diverso: nove richieste su 140.178 sono state rifiutate di netto perché una domanda più il suo stato superavano la finestra. Il rifiuto al posto del troncamento silenzioso è il default giusto. È anche una modalità di errore che devi aggirare, e un limite di 32.768 token la rende più frequente.

Latenza e la forma del deployment

Il valore mediano registrato di Karpo è 94 ms per richiesta sull'hardware di riferimento del tracker, una GPU, una richiesta alla volta. AA misura Drex Max 1.1 a 283 ms per task e un costo di $102,7 per milione di task al prezzo di lancio attuale. I due numeri non rappresentano la stessa misurazione — per richiesta rispetto a per task, e un task sul set di documenti di AA corrisponde a diverse decisioni su un unico documento lungo — quindi considerare il divario come indicativo anziché preciso.

In linea di principio dice qualcosa di vero: un readout derivato da Gemma da 31B con un singolo passaggio di stato condiviso è un oggetto più snello di un modello da 27B i cui layer di attenzione non causale riscrivono l'intera sequenza. Se essere più snello conti dipende da dove si colloca la chiamata. Un gate che scatta prima di ogni chiamata a strumento deve rientrare nel budget del turno. Un ricalcolo notturno dei punteggi di mille ticket non si preoccupa dei 200 ms.

La domanda sulla licenza che nessuno pone finché non la pone l’ufficio acquisti

Karpo Decision 31B è Apache-2.0, pesi e codice, con la licenza propria di Gem​ma 4 inclusa accanto nel repository. Questo è l'estremo permissivo dell'open.

Drex Max 1.1 è sotto la licenza Nace.AI Open RAIL-M. Open RAIL-M è davvero aperta — puoi scaricarla, eseguirla, modificarla e ridistribuirla — ma comporta restrizioni d'uso che si trasferiscono agli utenti a valle, e ti obbliga a trasmettere le stesse restrizioni. Per un notebook di ricerca quella distinzione è invisibile. Per un prodotto in cui il modello si trova all'interno di una pipeline rivolta al cliente, si tratta di una revisione legale, e la revisione chiederà cosa succede quando lo fine-tuni e distribuisci il derivato. La risposta è "le restrizioni lo accompagnano".

Se il livello decisionale è uno strumento interno, la licenza è una nota a piè di pagina. Se è incorporato in qualcosa che vendi, Apache-2.0 elimina una riunione dal percorso critico.

Quale si adatta davvero

Scegli Drex Max 1.1 se vuoi un numero che non hai dovuto calcolare, un prezzo che puoi mettere in un budget e stati che si protraggono a lungo. È misurabile oggi, è ospitato oggi, e la sua scala di confidenza nella fascia alta è la proprietà che rende difendibile una soglia automatizzata. I costi sono le restrizioni della licenza e un prezzo di lancio che AA segnala esplicitamente come temporaneo.

Scegli Karpo Decision 31B se l'assenza di un endpoint ospitato non è un problema — hai la GPU, o hai un job batch — e se conta la permissività di Apache-2.0, e il punteggio Full della board è la prova di cui ti fidi. I costi sono 62,5 GB di pesi, un limite di 32.768 token e un fornitore che non ha pubblicato un prezzo, una pagina prodotto o un annuncio.

Esiste una terza posizione, e per la maggior parte dei team è quella corretta questo mese: nessuna delle due. Karpo ha due settimane di vita, è in testa a pari merito e non ha un punteggio indipendente; Drex Max 1.1 è prezzato con uno sconto che scade. Metti entrambi alla prova sul tuo campione etichettato e confronta il tasso di risposte sicure ma sbagliate anziché il dato principale. Per il modello incumbent in quel test in ombra, il riferimento più economico disponibile è il modello di TypeSafe stesso — Jev 1.14 è nel nostro catalogo, così una politica a soglia può essere convalidata rispetto a ciò che ogni riproduzione aperta sta inseguendo, sulla stessa chiave che useresti per Qwen3.8-27B o Gemma 4 31B, i due modelli di base da cui sono stati creati questi checkpoint. Entrambe le basi sono servite tramite un'unica API per oltre 200 modelli al prezzo di listino del provider senza ricarico, il che è utile proprio perché un livello decisionale è un punto in cui vuoi sostituire il modello e mantenere il codice.

L'unica cosa che risolverebbe questo confronto è un numero: Karpo Decision 31B che compare sulla board AA. Fino ad allora il confronto è tra un ben documentato 73.9 e un ben documentato 72.62, prodotti da due organizzazioni che non hanno mai valutato lo stesso elaborato.

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.