「Karpo Decision 31B vs Liquid AI D1 Ultra」という見出しと「一方には価格があり、もう一方には物語がある」というサブ見出しが付いた生成タイトルカード。4つのチップには「100万入力トークンあたり$0.042」「Artificial Analysis v2.1で70.58」「コミュニティボードで73.9」「KarpoにはArtificial Analysisの行がない」と表示され、細い区切り線で隔てられた2枚の枠線付きカードには「価格設定済みで提供中」「オープンウェイト、エンドポイントなし」というラベルが付いている。
Guides & Insights

Karpo Decision 31B 対 Liquid AI D1 Ultra:一方には価格があり、もう一方には物語がある

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

Liquid AI D1 Ultraは、この比較の中で金融チームが承認できる唯一のモデルだ。2026年10月15日に提供開始され、Liquid自身のインフラから100万入力トークンあたり0.042ドルで提供され、構造上出力トークンはゼロ。Artificial AnalysisはDecision Index v2.1で70.58と採点しており、25の意思決定モデル中8位、自社の後継d1.2-ultraに4.3ポイント及ばず、72.62のDrex Max 1.1とほぼ同水準だ。MachinePulseのKarpo Decision 31Bには、価格もエンドポイントもArtificial Analysisの行もない。あるのは、そのボードのメンテナーが算出したコミュニティDecision IndexのFullスコア73.9と、誰も発表していない2週間前のApache-2.0リポジトリだけだ。

並べて見ると、この2つのモデルは、意思決定モデルが組織に入る2つの道筋を表している。一方は請求書と測定された数値を持って現れ、もう一方はダウンロードリンクと約束を持って現れる。どちらを気にかけるべきかは、意思決定レイヤーが今四半期に本番投入されるのか、それとも来四半期の予算に照らしてプロトタイプ化されるのかによって決まる。

Liquidが実際に売り込んでいる数字、そしてそれがハルシネーションを起こさないものである理由

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.

D1 Ultraのヘッドラインは、公表されたボードが裏付けていなかった10月時点の首位主張であり、その論点は他所でも述べられている。今理解する価値があるのは、それと前モデルの間で何が変わったかだ。AAのデータがそれを明確に示しているからだ。

Liquid AI d1のオリジナル版は、AAの知識評価における非ハルシネーション率で3.3を記録している。これはボード全体のほぼ最下位に近い。知らない場合にはでっち上げるモデルだ。D1 Ultraは同じ指標で88.6を記録する。多肢選択式の知識試験では、5.6から56.9へと向上する。その変化のほとんどは、正解を増やしたことによるものではない。AA-Omniscienceでの素の正答率は、実際には39.8%から28.0%へ低下した。モデルは断ることを学ぶことで改善したのだ。

それは小細工ではない。意思決定レイヤーにとって、それは存在しうる中で最も価値ある振る舞いだ。なぜなら、回答を辞退すれば人間に回され、自信満々にでっち上げられた回答は顧客に回されるからだ。しかしそれは、この指標が何に報いているかを見直させる。D1 Ultraの70.58は実質的に棄権に対するスコアであり、同じボードはそのコストも示している。HLE-MultiChoiceでは、素の正答率は6.09%で、掲載された25モデルの中で最低水準の一つだ。

後継モデルの d1.2-ultra は同じ方向性でさらに進み、その先へも踏み込んだ——非ハルシネーション率83.8、素の正答率はわずか23.6%、指数74.85で、ランキング首位。Liquid は一つの軸を徹底的に最適化してきたが、その軸は知識ではなく誠実さだ。

Karpoのプロフィールが逆方向に延びているところ

Karpoの数値は別の計器から得られたものなので、Liquidの数値から差し引くことはできません。できるのは、異なる形を示すことです。

Decision Indexの5カテゴリーでは、Karpoの最も強い領域はツールと自動化で、偶然補正済みスキルは88.4、最も弱い領域は知識と推論で65.5です。トラッカーに記録されたキャリブレーション誤差は4.8ポイントです。カードには、リファレンスハードウェア上でのレイテンシ中央値が94 msであることも報告されています。これは、AAの測定によるD1 Ultraのタスクあたり301 msとの比較ですが、一方はリクエストあたり、他方はタスクあたりの異なる測定であるため、方向性のみの参考値です。

二つのプロファイルを併せて読むと、一貫した違いが見えてくる。Karpoは行動へ向けて調整されたモデルだ。ツール選択、ルーティング、ページ操作、エージェントが各ステップで行う細かな呼び出しといったものだ。一方、D1 Ultraとその後継モデルは拒否へ向けて調整されている。知識に関する質問の72%を拒否するモデルは、ツール選択エンジンとしては不適切だ。なぜなら、ツール選択は棄権が許される問いではないからだ。ツールルーティングでは88%正確に答えても、知識では65%しか正答しないモデルは、知識エンジンとしては不適切だ。

それが本当の対決であり、スコアではなく想定用途の対決だ。MachinePulse自身がモデルカードでそう位置づけている。このモデルは、エージェントがステップ間で下す判断、つまりツールを呼ぶか先に尋ねるか、どの要素をクリックするかといった判断のためのものだ。Liquidの10月リリース、そしてさらに11月の後継版は、主張が裏付けられているかどうかを判断するためのものだ。

注意事項付きのコスト比較

• Liquid AI D1 Ultra — 入力トークン100万あたり0.042ドル、何も生成されないため出力料金はなし、AAのドキュメントセットでは100万タスクあたり133ドル、1タスクあたりの中央値は301ミリ秒。

• Karpo Decision 31B — 公開価格なし。セルフホスト専用:bf16重み62.5 GB、GPU 1基、トラッカーのリファレンスハードウェアでリクエストあたり中央値94 ms。

• 規模感を示すと、Drex Max 1.1 — 入力100万トークンあたり0.03ドル(AAが一時的と指摘するローンチ価格)、100万タスクあたり102.7ドル。

• 誰も公表しない比較 — レンタルGPU上の62.5 GBの常駐モデルは、1件のリクエストを送っても1万件送っても、そのGPUの時間料金がそのままかかる。小規模では、これは100万タスクあたり$133をはるかに超えるが、高い持続的規模では逆転する。

タスクあたりの金額は、予算を立てる際の基準にすべきです。同じ文書に回答するために各モデルが消費するトークン数が織り込まれており、状態を繰り返し読み直すモデルは、トークン単価から連想されるよりも意思決定あたりのコストが高くつくからです。D1 Ultraの$133は、ここに挙げたLiquidモデル3つの中で最高額であり、Drex Max 1.1の提供開始価格より$30高いです。安価な意思決定レイヤーではなく、置き換えたモデルは$63.4でした。

ホスト型ティアが真価を発揮するのはローエンドだ。1日100件のリクエストを裁く判定モデルが必要なら、Karpoのために62.5GBのメモリを確保するのは到底まともな選択肢とは言えず、提供済みエンドポイントを定価で呼び出す方が現実的だ。当社のカタログはプロバイダーの定価をマークアップなしでそのまま提供しているため、Liquidの値下げは発表当日にそのまま反映され、判定モデルは別契約を結ぶのではなく1つのキーでスタックの残りと並べて動かせる。これはKarpoよりD1 Ultraを選ぶべきという主張ではない。GPUが必要かどうかを確かめるためにGPUを買わなくて済む、という主張だ。

KarpoにはできないことをD1 Ultraが教えてくれること

3つあって、どれも2か月目に気づく類のものだ。

第一は信頼度のはしごです。AAは採点するすべてのモデルについてバケットごとのキャリブレーションを公開しており、D1 Ultraのものは明快です。信頼度0.96以上のバケットでは、対称性評価において97.1%の確率で正解します。これは、0.95のしきい値がほぼ公表どおりに機能することを示しており、レビューキューを構築する根拠にできる主張です。Karpoのカードは集約値を1つ示すだけ——4.8ポイントのキャリブレーション誤差——で、バケットごとの曲線はありません。自分で作成することは可能ですし、そうする必要があるでしょう。

2つ目は不変性です。AA-Symmetryは440のバリアントにわたり選択肢を並べ替え、ラベルを入れ替え、はい/いいえの質問を反転させますが、D1 Ultraは78.7を記録し、全通過率は45.8%です。選択肢をアルファベット順に並べ替えると異なる答えを返す決定モデルは、決定モデルではなく、手間をかけたコインにすぎません。Karpoのカードは不変性の結果を報告しておらず、その読み取りは選択肢のテキストではなく固定スロットの選択肢コードを採点するため、これはまさに配備前に検証する価値のある特性です。

3つ目は拒否時の挙動です。AAはD1 Ultraについて、ナレッジセットにおける非ハルシネーション率88.6を報告しており、これは棄権経路が実行され測定されていることを意味します。Karpoは長さのみを理由に拒否し——140,178件のリクエストのうち9件で、いずれもサイズ超過——、そのカードには判断としての棄権について何も書かれていません。Karpoが答えられない質問を辞退するのか、それとも読み出しが常に何かを選ぶために最も悪くない選択肢を選ぶのかは、文書化されていません。制限事項のセクションには、それが「常に与えられた選択肢のうちの1つを選ぶ」とだけ書かれています。

その最後の一文は、どちらのモデルカードにおいても最も重要な一文です。構造的に棄権できない決定モデルには、すべての選択肢リストに「確信のある回答なし」という選択肢を設けるか、確率にしきい値を設けるか、あるいはその両方が必要です。D1 Ultraの設計者たちは別のアーキテクチャを選びました。棄権できるのです。しかも頻繁に棄権します。

ライセンスこそが、カルポが完全に勝る唯一の領域だ

Karpo Decision 31BはApache-2.0で、重みもコードも対象となり、Gemma 4のライセンスも併せて適用されます。ダウンロードして実行し、改変し、派生版を出荷できます。弁護士と話す必要はありません。

Liquidのモデルはオープンではありません。重みも、セルフホスティングも、自社トラフィックでのファインチューニングも、エアギャップ環境へのデプロイもありません。APIが製品そのものです。規制対象文書を扱う社内分類パイプラインにとって、それは、62.5 GBのチェックポイントが調達上の障害にならないのとは違って、調達上の障害となります。

要するに、トレードオフは明白で、スコアの話ではありません。Karpo はコントロールを与える代わりに、それ以外の何も与えません。Liquid は計測済みの製品を提供しますが、重みを奪います。コンプライアンス要件を抱えるチームは、いくら払っても D1 Ultra を選べません。3週間の期限があるチームは、どれだけ努力しても Karpo を選べません。呼び出すエンドポイントが存在しないからです。

今月やること

意思決定レイヤーを本番環境に投入し、入力が文書であるなら、価格と素の知識精度の低さにもかかわらず、D1 Ultra は正当化できる選択です。なぜなら、それは測定され、提供され、価格設定されており、その回答を控える挙動こそが実際に欲しい特性だからです。今購入するのであれば、代わりに d1.2-ultra を注視してください。同じ製品ラインで、同じボード上で4ポイント高く、スコアの大きな割合が知識ではなく回答控えであるという同じ注意点を伴います。

入力がページ、スクリーンショット、またはツール呼び出しで、GPU があるなら、Karpo はより興味深いモデルで、ライセンスもより寛容です。そのツールルーティングのスキル 88.4 が、自分のトラフィックで試すべき数値です。意味のある対象でそれを測定する最初の人物であると知った上で臨んでください。AA の行も、価格も、発表もなく、製品ページが現在 404 を返しているベンダーなのですから。

名前を付ける価値のある中間路線があります。ほとんどのチームが最終的にそうするからです。ホスト型モデルを本番環境で実行し、オープンなモデルを同じリクエストに対してオフラインで実行し、トップラインの指標ではなく「自信があるのに間違っている率」を比較します。その比較には、両方のモデルを1つの認証情報で呼び出せ、価格が透明であることが必要です。私たちのカタログはまさにその状況を作るために存在します。つまり、提供中の意思決定モデルと、これらのファインチューニングの基になったオープンベースを、1つのキーで、プロバイダーの定価で利用できるようにすることです。Karpoが来月中にエンドポイントまたはAA提出を取得すれば、その変更のレイテンシーが今注目すべき点になります。そうでなければ、73.9はコミュニティボード上の興味深い数字にとどまり、D1 Ultraはレシート付きのモデルであり続けます。

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.