Una card di titolo generata con intestazione 'Karpo Decision 31B vs Liquid AI D1 Ultra' e sottotitolo 'Uno ha un prezzo. L'altro ha una storia.', quattro chip con scritto '$0.042 per milione di token di input', '70.58 su Artificial Analysis v2.1', '73.9 sulla bacheca della community' e 'nessuna riga di Artificial Analysis per Karpo', e due card con contorno separate da un sottile divisore etichettato 'con prezzo e servito' e 'pesi aperti, nessun endpoint'.
Guides & Insights

Karpo Decision 31B vs Liquid AI D1 Ultra: uno ha un prezzo, l'altro ha una storia

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 l'unico modello in questo confronto che un team finanziario può approvare. È stato rilasciato il 15 ottobre 2026, viene servito dall'infrastruttura proprietaria di Liquid a 0,042 $ per milione di token di input con zero token di output per costruzione, e Artificial Analysis gli assegna 70,58 su Decision Index v2.1 — ottavo di 25 modelli decisionali, 4,3 punti dietro il suo stesso successore d1.2-ultra e all'incirca allo stesso livello di Drex Max 1.1 a 72,62. Karpo Decision 31B, di MachinePulse, non ha prezzo, né endpoint, né una riga su Artificial Analysis. Quello che ha è un punteggio Full di 73,9 sul Decision Index della community, calcolato dai manutentori di quella board, e un repository Apache-2.0 vecchio di due settimane che nessuno ha annunciato.

Messi a confronto, i due modelli descrivono i due modi in cui un modello decisionale può entrare in un'organizzazione: uno arriva con una fattura e un numero misurato, l'altro arriva con un link per il download e una promessa. Quale dei due dovresti tenere in considerazione dipende dal fatto che il livello decisionale entri in produzione questo trimestre o venga prototipato in funzione del budget del prossimo trimestre.

Il numero che Liquid sta effettivamente vendendo, e perché è quello senza allucinazioni

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.

Il titolo di D1 Ultra è un'affermazione di primo posto risalente a ottobre che la classifica pubblicata non supportava, e quell'argomento è già stato fatto altrove. La cosa che vale la pena capire ora è cosa è cambiato tra esso e il suo predecessore, perché i dati AA lo mostrano chiaramente.

Liquid AI d1, la versione originale, ottiene 3,3 sul tasso di non-allucinazione di AA per la valutazione delle conoscenze. È vicino al fondo dell'intera classifica — un modello che, quando non sa, inventa. D1 Ultra ottiene 88,6 sulla stessa misura. Nell'esame di conoscenze a scelta multipla, passa da 5,6 a 56,9. Quasi nessuno di questo spostamento deriva dall'ottenere più risposte corrette: l'accuratezza grezza su AA-Omniscience è in realtà scesa dal 39,8% al 28,0%. Il modello è migliorato imparando a rifiutare.

Non è un trucco. Per un livello decisionale è il singolo comportamento più prezioso che esista, perché una risposta rifiutata viene indirizzata a una persona, mentre una risposta inventata con sicurezza viene indirizzata a un cliente. Ma questo ridefinisce ciò che l'indice premia. Il 70,58 di D1 Ultra è in sostanza un punteggio per l'astensione, e la stessa classifica mostra il costo: su HLE-MultiChoice, l'accuratezza grezza è del 6,09%, uno dei valori più bassi tra i 25 modelli elencati.

Il successore, d1.2-ultra, è andato oltre nella stessa direzione e ancora più in là — 83,8 di non-allucinazione con solo il 23,6% di accuratezza grezza, un indice di 74,85 e la vetta della classifica. Liquid ha ottimizzato duramente un solo asse, e l'asse è l'onestà anziché la conoscenza.

Dove il profilo di Karpo va nella direzione opposta

I numeri di Karpo provengono da uno strumento diverso, quindi non è possibile sottrarli a quelli di Liquid. Ciò che possono fare è mostrare una forma diversa.

Sulle cinque categorie del Decision Index, l'area più forte di Karpo è strumenti e automazione con 88,4 di abilità corretta per il caso, mentre la più debole è conoscenza e ragionamento con 65,5. Il suo errore di calibrazione registrato dal tracker è di 4,8 punti. La scheda riporta anche una latenza mediana di 94 ms su hardware di riferimento, contro 301 ms per attività per D1 Ultra secondo la misurazione di AA — misurazioni diverse, una per richiesta e una per attività, quindi solo indicative.

Leggendo i due profili insieme, emerge una differenza coerente: Karpo è un modello ottimizzato per l'azione — selezione degli strumenti, routing, interazione con la pagina, le piccole decisioni che un agente prende a ogni passo — mentre D1 Ultra e il suo successore sono ottimizzati per il rifiuto. Un modello che rifiuta il 72% delle domande di conoscenza è un pessimo motore di scelta degli strumenti, perché la selezione degli strumenti non è una domanda dalla quale puoi astenerti. Un modello che risponde correttamente nell'88% dei casi sul routing degli strumenti ma solo nel 65% sulla conoscenza è un pessimo motore di conoscenza.

Questo è il vero confronto, ed è un confronto basato sull'uso previsto anziché sui punteggi. La stessa impostazione di MachinePulse nella scheda del modello lo conferma: il modello serve per le decisioni che un agente prende tra un passaggio e l'altro, se chiamare uno strumento o chiedere prima, quale elemento cliccare. Il rilascio di Liquid di ottobre, e ancor più il suo successore di novembre, serve a valutare se un'affermazione è supportata.

Il confronto dei costi, con le avvertenze allegate

• Liquid AI D1 Ultra — 0,042 $ per milione di token di input, nessun costo di output perché non viene generato nulla, 133 $ per milione di attività sul set di documenti di AA, mediana di 301 ms per attività.

• Karpo Decision 31B — nessun prezzo pubblicato. Solo self-hosted: 62,5 GB di pesi bf16, una GPU, 94 ms di mediana per richiesta sull'hardware di riferimento del tracker.

• Drex Max 1.1, per dare un'idea — $0,03 per milione di token di input a un prezzo di lancio che AA segnala come temporaneo, $102,7 per milione di task.

• Il confronto che nessuno pubblica — un modello residente da 62.5 GB su una GPU a noleggio costa qualunque sia la tariffa oraria di quella GPU, che gli si invii una richiesta o diecimila. A volumi ridotti è molto più di $133 per milione di attività; ad alti volumi sostenuti si inverte.

La cifra per attività è quella su cui basare il budget, perché include quanti token consuma ciascun modello per rispondere allo stesso documento, e un modello che rilegge ripetutamente il proprio stato costa più per decisione di quanto suggerisca la sua tariffa per token. I 133 $ di D1 Ultra sono il valore più alto dei tre modelli Liquid elencati qui e 30 $ sopra il prezzo di lancio di Drex Max 1.1. Non è uno strato decisionale economico, e il modello che ha sostituito costava 63,4 $.

Dove un tier gestito vince davvero è nella fascia bassa. Se ti serve un modello decisionale per un centinaio di richieste al giorno, provisionare 62,5 GB di memoria per Karpo non è un'opzione seria, mentre chiamare un endpoint servito al prezzo di listino lo è. Il nostro catalogo applica il prezzo di listino del provider senza alcun ricarico, così un taglio di prezzo di Liquid arriva lo stesso giorno in cui viene annunciato, e un modello decisionale può stare accanto al resto dello stack su un'unica chiave anziché come un secondo contratto. Non è un argomento a favore di D1 Ultra rispetto a Karpo; è un argomento per non comprare una GPU solo per scoprire se te ne serve una.

Cosa può dirti D1 Ultra che Karpo non può

Tre cose, tutte del tipo che scopri al secondo mese.

Il primo è la scala di confidenza. AA pubblica la calibrazione per fascia per ogni modello che valuta, e quella di D1 Ultra è leggibile: nella fascia di confidenza pari o superiore a 0,96 ha ragione nel 97,1% dei casi nella valutazione di simmetria. Questo ti dice che una soglia a 0,95 si comporta all'incirca come dichiarato, un'affermazione su cui puoi basare una coda di revisione. La scheda di Karpo fornisce un unico dato aggregato — un errore di calibrazione di 4,8 punti — e nessuna curva per fascia. Puoi produrne una tu stesso, e dovrai farlo.

La seconda è l'invarianza. AA-Symmetry riordina le opzioni, scambia le etichette e nega le domande sì/no in 440 varianti, e D1 Ultra ottiene 78,7 con un tasso di superamento totale del 45,8%. Un modello decisionale che dà una risposta diversa quando si ordinano alfabeticamente le opzioni non è un modello decisionale, è una moneta con qualche passaggio in più. La scheda di Karpo non riporta un risultato di invarianza e, poiché il suo readout valuta i codici delle opzioni in slot fissi anziché il testo delle opzioni, questa è esattamente la proprietà che vale la pena verificare prima del deployment.

Il terzo è il comportamento in caso di rifiuto. AA riporta 88,6 di non-allucinazione sul set di conoscenza per D1 Ultra, il che significa che il percorso di astensione viene esercitato e misurato. Karpo rifiuta solo per lunghezza — nove su 140.178 richieste, tutte sovradimensionate — e la sua scheda non dice nulla sull'astensione come decisione. Non è documentato se Karpo rifiuti una domanda a cui non sa rispondere, oppure scelga l'opzione meno peggiore perché il readout sceglie sempre qualcosa. La sezione dei limiti dice solo che «sceglie sempre una delle opzioni fornite».

Quell'ultima frase è la più importante in entrambe le schede del modello. Un modello decisionale che strutturalmente non può astenersi ha bisogno di un'opzione "nessuna risposta sicura" in ogni elenco di scelte, oppure di una soglia sulla probabilità, o entrambe. I progettisti di D1 Ultra hanno scelto l'altra architettura: può rifiutare di rispondere, e lo fa spesso.

La licenza, che è l'unico ambito in cui Karpo vince nettamente

Karpo Decision 31B è Apache-2.0, pesi e codice, con la licenza di Gemma 4 inclusa a corredo. Scaricalo, eseguilo, modificalo, distribuisci il derivato, senza bisogno di parlare con un avvocato.

I modelli di Liquid non sono aperti. Non ci sono pesi, né self-hosting, né fine-tuning sul proprio traffico, né deployment air-gapped. L'API è il prodotto. Per una pipeline di classificazione interna che gestisce documenti regolamentati, questo è un ostacolo in fase di procurement in un modo in cui un checkpoint da 62,5 GB non lo è.

Il trade-off è netto e non riguarda i punteggi: Karpo ti dà il controllo e nulla più; Liquid ti dà un prodotto misurato e ti toglie i pesi. Un team con un requisito di conformità non può scegliere D1 Ultra a nessun prezzo. Un team con una scadenza di tre settimane non può scegliere Karpo a qualsiasi livello di impegno, perché non c'è alcun endpoint da chiamare.

Cosa fare questo mese

Se il livello decisionale andrà in produzione e l'input è costituito da documenti, D1 Ultra è la scelta difendibile nonostante il prezzo e la bassa accuratezza della conoscenza grezza, perché è misurato, erogato e prezzato, e il suo comportamento di astensione è la proprietà che desideri davvero. Considera invece d1.2-ultra se stai acquistando ora — è la stessa linea di prodotto, quattro punti in più sulla stessa classifica, e presenta lo stesso avvertimento: una grande quota del suo punteggio è astensione anziché conoscenza.

Se l'input è una pagina, uno screenshot o una chiamata a uno strumento e hai delle GPU, Karpo è il modello più interessante e con la licenza più permissiva, e la sua abilità di tool-routing di 88,4 è il numero da testare rispetto al tuo traffico. Entra sapendo che sei la prima persona a misurarlo su qualcosa che conti davvero: nessuna riga AA, nessun prezzo, nessun annuncio e un fornitore la cui pagina prodotto al momento restituisce 404.

Esiste una via di mezzo che vale la pena nominare, perché è quella che alla fine la maggior parte dei team adotta. Si esegue il modello ospitato in produzione, si esegue quello aperto offline sulle stesse richieste e si confronta il tasso di risposte errate ma date con sicurezza invece dell'indice principale. Quel confronto richiede che entrambi i modelli siano richiamabili con una sola credenziale e con prezzi trasparenti, ed è proprio la situazione che il nostro catalogo esiste per rendere possibile: un modello decisionale in servizio e le basi aperte da cui sono stati creati questi fine-tune, su una sola chiave, al prezzo di listino del provider. Se Karpo ottiene un endpoint o una candidatura AA nel prossimo mese, la latenza di quel cambiamento è ora la cosa da tenere d'occhio; in caso contrario, 73,9 resta un numero interessante su una bacheca della community e D1 Ultra resta il modello con una ricevuta.

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.