
Karpo Decision 31B vs Liquid AI D1 Ultra: 하나는 가격이 있고, 다른 하나는 스토리가 있다
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 184 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당 · 223 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 87 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 96 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당 · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
Liquid AI D1 Ultra는 이 비교에서 재무팀이 승인할 수 있는 유일한 모델이다. 2026년 10월 15일 출시되었고, Liquid 자체 인프라에서 입력 토큰 100만 개당 0.042달러에 제공되며 출력 토큰은 구조상 0개다. Artificial Analysis는 Decision Index v2.1에서 70.58점을 부여했는데, 이는 25개 의사결정 모델 중 8위로, 자사의 후속 모델인 d1.2-ultra에 4.3점 뒤지고 72.62점의 Drex Max 1.1과는 대략 동급이다. MachinePulse의 Karpo Decision 31B는 가격도, 엔드포인트도, Artificial Analysis 항목도 없다. 그것이 가진 것은 해당 게시판 운영진이 계산한 커뮤니티 Decision Index에서의 73.9 Full 점수와, 아무도 공개하지 않은 2주 된 Apache-2.0 저장소뿐이다.
나란히 놓고 보면, 두 모델은 의사결정 모델이 조직에 들어오는 두 가지 방식을 설명합니다. 하나는 청구서와 측정된 숫자를 가지고 도착하고, 다른 하나는 다운로드 링크와 약속을 가지고 도착합니다. 어느 쪽을 신경 써야 할지는 의사결정 계층이 이번 분기에 프로덕션으로 들어가는지, 아니면 다음 분기 예산을 겨냥해 프로토타입을 만드는지에 달려 있습니다.
Liquid가 실제로 판매하는 숫자, 그리고 그것이 환각이 아닌 이유


D1 Ultra의 헤드라인은 10월의 1위 주장이지만, 공개된 보드는 이를 뒷받침하지 않았으며, 그 논점은 다른 곳에서도 제기된 바 있습니다. 지금 이해할 가치가 있는 것은 그것과 전작 사이에 무엇이 달라졌는가이며, AA 데이터가 이를 명확히 보여줍니다.
Liquid AI d1 원본은 지식 평가에서 AA의 비환각률 3.3을 기록합니다. 이는 전체 리더보드의 거의 최하위권입니다. 즉, 모르는 경우 지어내는 모델입니다. D1 Ultra는 같은 지표에서 88.6을 기록합니다. 객관식 지식 시험에서는 5.6에서 56.9로 상승합니다. 그 상승분은 거의 대부분 더 많은 정답을 맞히는 데서 나오지 않습니다. AA-Omniscience의 원시 정확도는 실제로 39.8%에서 28.0%로 떨어졌습니다. 이 모델은 답변을 거절하는 법을 배워서 더 나아졌습니다.
그것은 속임수가 아니다. 의사결정 레이어에게 그것은 존재하는 가장 가치 있는 행동이다. 왜냐하면 답변을 거절하는 것은 사람에게 전달되고, 자신 있게 지어낸 답변은 고객에게 전달되기 때문이다. 하지만 그것은 지수가 무엇을 보상하는지를 다시 규정한다. D1 Ultra의 70.58은 상당 부분 기권에 대한 점수이며, 같은 보드는 그 비용을 보여준다: HLE-MultiChoice에서 원시 정확도는 6.09%로, 나열된 25개 모델 중 가장 낮은 수치 중 하나다.
후속 모델인 d1.2-ultra는 같은 방향으로 더 나아갔고, 그 방향을 더 넘어섰다 — 원시 정확도는 23.6%에 불과하지만 비환각 지수는 83.8, 인덱스는 74.85로 리더보드 최상위를 차지했다. Liquid는 한 축을 강하게 최적화해 왔는데, 그 축은 지식이 아니라 정직성이다.
카르포의 프로필이 반대 방향으로 이어지는 곳
Karpo의 수치는 다른 계측기에서 나온 것이므로 Liquid의 수치에서 뺄 수 없습니다. 대신 두 수치는 서로 다른 양상을 보여줄 수 있습니다.
Decision Index의 다섯 범주에서 Karpo의 가장 강한 영역은 도구 및 자동화로 우연 보정 기술 점수 88.4이며, 가장 약한 영역은 지식 및 추론으로 65.5입니다. 트래커에 기록된 보정 오차는 4.8포인트입니다. 이 카드는 또한 기준 하드웨어에서 중앙값 지연 시간이 94ms라고 보고하는데, 이는 AA 측정에서 D1 Ultra의 작업당 301ms와 대비됩니다 — 서로 다른 측정치로, 하나는 요청당이고 하나는 작업당이므로 방향성 참고용일 뿐입니다.
두 프로필을 함께 읽으면 일관된 차이가 드러난다. Karpo는 행동 쪽으로 조정된 모델이다 — 도구 선택, 라우팅, 페이지 상호작용, 에이전트가 각 단계에서 내리는 작은 판단들 — 반면 D1 Ultra와 그 후속 모델은 거부 쪽으로 조정되어 있다. 지식 질문의 72%를 거절하는 모델은 도구 선택 엔진으로는 형편없다. 도구 선택은 기권이 허용되지 않는 질문이기 때문이다. 도구 라우팅에서는 88%를 맞히지만 지식에서는 65%만 맞히는 모델은 지식 엔진으로는 형편없다.
그것이 진짜 맞대결이며, 점수 대결이 아니라 의도된 용도의 맞대결이다. MachinePulse가 모델 카드에서 스스로 밝힌 설명도 같은 점을 말한다. 이 모델은 에이전트가 단계 사이에 내리는 결정, 즉 도구를 호출할지 먼저 물을지, 어떤 요소를 클릭할지를 위한 것이다. Liquid의 10월 릴리스, 그리고 더 나아가 11월 후속 모델은 어떤 주장이 뒷받침되는지 판단하기 위한 것이다.
주의사항이 붙은 비용 비교
• Liquid AI D1 Ultra — 입력 토큰 100만 개당 $0.042, 아무것도 생성되지 않으므로 출력 요금 없음, AA의 문서 세트에서 100만 태스크당 $133, 태스크당 중앙값 301ms.
• Karpo Decision 31B — 공개된 가격 없음. 자체 호스팅 전용: bf16 가중치 62.5 GB, GPU 1대, 트래커의 레퍼런스 하드웨어 기준 요청당 중앙값 94 ms.
• 규모를 가늠하기 위해 Drex Max 1.1 — 입력 토큰 100만 개당 $0.03(AA가 임시 가격으로 표시한 출시 가격), 작업 100만 개당 $102.7.
• 아무도 공개하지 않는 비교 — 임대한 GPU에서 상주하는 62.5 GB 모델은 요청을 하나 보내든 1만 개 보내든 해당 GPU의 시간당 비용이 그대로 든다. 소규모에서는 이는 100만 작업당 $133보다 훨씬 많지만, 지속적인 대규모에서는 역전된다.
예산을 세울 때 기준으로 삼아야 할 것은 작업당 비용입니다. 같은 문서에 답하기 위해 각 모델이 얼마나 많은 토큰을 소모하는지가 여기에 반영되며, 상태를 반복해서 다시 읽는 모델은 토큰당 요율이 시사하는 것보다 결정 하나당 비용이 더 많이 듭니다. D1 Ultra의 133달러는 여기 나열된 세 가지 Liquid 모델 중 가장 높은 금액이며, Drex Max 1.1의 출시 가격보다 30달러 높습니다. 결코 저렴한 결정 계층이 아니며, 그것이 대체한 모델은 63.4달러였습니다.
호스티드 티어가 진정으로 우위를 갖는 지점은 저사양 쪽입니다. 하루 100건의 요청을 처리할 의사결정 모델이 필요하다면, Karpo를 위해 62.5GB 메모리를 프로비저닝하는 것은 진지한 선택지가 아니며, 정가로 서빙 엔드포인트를 호출하는 것이 진지한 선택지입니다. 당사의 카탈로그는 공급자 정가를 마진 없이 그대로 전달하므로, Liquid의 가격 인하는 발표되는 당일 반영되며, 의사결정 모델은 두 번째 계약이 아니라 하나의 키로 나머지 스택과 나란히 둘 수 있습니다. 이는 D1 Ultra가 Karpo보다 낫다는 주장이 아니라, GPU가 필요한지 알아보려고 GPU를 사지 말자는 주장입니다.
Karpo는 알려줄 수 없지만 D1 Ultra는 알려줄 수 있는 것
세 가지인데, 모두 2개월 차에야 알게 되는 종류의 것들이다.
첫 번째는 신뢰도 사다리입니다. AA는 평가하는 모든 모델에 대해 구간별 캘리브레이션을 공개하며, D1 Ultra의 것은 읽을 만합니다: 0.96 이상 신뢰도 구간에서 대칭성 평가에서 97.1%의 확률로 맞힙니다. 이는 0.95의 임계값이 대략 광고된 대로 작동한다는 것을 알려주며, 이는 검토 큐를 구축할 수 있는 근거가 됩니다. Karpo의 카드는 하나의 집계 수치, 즉 4.8포인트 캘리브레이션 오류를 제공할 뿐 구간별 곡선은 없습니다. 직접 만들 수 있으며, 만들어야 할 것입니다.
두 번째는 불변성입니다. AA-Symmetry는 440개의 변형에 걸쳐 옵션 순서를 바꾸고, 레이블을 교체하며, 예/아니오 질문을 부정하고, D1 Ultra는 78.7점에 45.8%의 전체 통과율을 기록합니다. 옵션을 알파벳순으로 정렬했을 때 다른 답을 내놓는 결정 모델은 결정 모델이 아니라 단계만 더 많은 동전입니다. Karpo의 카드는 불변성 결과를 보고하지 않으며, 그 리드아웃이 옵션 텍스트가 아니라 고정 슬롯에서 옵션 코드를 채점하기 때문에 이는 바로 배포 전에 검증할 가치가 있는 속성입니다.
세 번째는 거부 시의 행동이다. AA는 D1 Ultra의 지식 세트에서 비환각 88.6을 보고하는데, 이는 기권 경로가 실행되고 측정된다는 뜻이다. Karpo는 길이 때문에만 거부하며—140,178건의 요청 중 9건, 모두 길이 초과—그 카드에는 기권을 하나의 결정으로서 언급한 내용이 없다. Karpo가 답할 수 없는 질문을 거절하는지, 아니면 판독값이 항상 무언가를 선택하기 때문에 차악의 선택지를 고르는지는 문서화되어 있지 않다. 한계 섹션에는 그것이 "항상 주어진 선택지 중 하나를 고른다"고만 나와 있다.
그 마지막 문장은 두 모델 카드 중 어느 쪽에서든 가장 중요한 문장이다. 구조적으로 판단을 보류할 수 없는 결정 모델에는 모든 선택 목록에 "확신 있는 답 없음" 옵션이 있거나, 확률에 대한 임계값이 있거나, 아니면 둘 다 있어야 한다. D1 Ultra의 설계자들은 다른 아키텍처를 택했다: 그것은 거절할 수 있고, 자주 거절한다.
Karpo가 완전히 승리하는 유일한 부분인 라이선스
Karpo Decision 31B는 Apache-2.0이며, 가중치와 코드에 Gemma 4의 라이선스가 함께 적용됩니다. 다운로드하고, 실행하고, 수정하고, 파생물을 배포하세요. 변호사와 상담할 필요가 없습니다.
Liquid의 모델은 오픈되어 있지 않습니다. 가중치도, 셀프 호스팅도, 자체 트래픽으로 파인튜닝하는 것도, 에어갭 배포도 없습니다. API가 곧 제품입니다. 규제 대상 문서를 처리하는 내부 분류 파이프라인이라면, 이는 62.5 GB 체크포인트에서는 문제가 되지 않는 조달 차단 요인입니다.
거래는 극명하며 점수에 관한 것이 아니다: Karpo는 통제권을 주고 그 외에는 아무것도 주지 않는다; Liquid는 측정된 제품을 주고 가중치를 빼앗는다. 컴플라이언스 요구 사항이 있는 팀은 어떤 가격에도 D1 Ultra를 선택할 수 없다. 3주 마감 기한이 있는 팀은 아무리 애써도 Karpo를 선택할 수 없다. 호출할 엔드포인트가 없기 때문이다.
이번 달에 할 일
의사결정 계층이 프로덕션으로 넘어가고 입력이 문서라면, D1 Ultra는 가격과 낮은 원시 지식 정확도에도 불구하고 방어 가능한 선택입니다. 측정되고, 서빙되며, 가격이 책정되어 있고, 그 기권(abstention) 행태가 바로 여러분이 실제로 원하는 속성이기 때문입니다. 지금 구매하려는 경우에는 대신 d1.2-ultra를 주목하세요 — 동일한 제품 라인이고, 같은 평가표에서 4점 더 높으며, 점수 중 상당 부분이 지식이 아니라 기권에서 나온다는 동일한 주의사항을 갖고 있습니다.
입력이 페이지, 스크린샷 또는 도구 호출이고 GPU가 있다면, Karpo는 더 흥미로운 모델이자 더 관대한 라이선스이며, 88.4의 도구 라우팅 능력은 자체 트래픽과 비교해 테스트할 수치입니다. 중요한 무언가에서 그것을 측정하는 첫 번째 사람이라는 점을 알고 시작하세요. AA row도, 가격도, 발표도 없고, 제품 페이지가 현재 404를 반환하는 업체뿐입니다.
이름 붙일 만한 중간 경로가 있다. 대부분의 팀이 결국 택하는 방식이기 때문이다. 호스팅 모델은 프로덕션에서 실행하고, 오픈 모델은 동일한 요청에 대해 오프라인으로 실행한 뒤, 최상위 지표가 아니라 ‘확신하면서 틀리는 비율’을 비교하는 것이다. 그 비교가 가능하려면 두 모델 모두 하나의 자격 증명으로 호출할 수 있고 가격이 투명해야 하는데, 우리 카탈로그는 바로 그 상황을 만들기 위해 존재한다 — 서빙되는 결정 모델과 이 파인튜닝의 기반이 된 오픈 베이스 모델을 하나의 키로, 공급자 정가로 제공하는. Karpo가 다음 달 안에 엔드포인트나 AA 제출을 얻는다면, 이제 지켜볼 것은 그 변화의 지연 시간이다. 그렇지 않다면 73.9는 커뮤니티 게시판에서 흥미로운 숫자로 남고, D1 Ultra는 영수증을 갖춘 모델로 남는다.

