Een gegenereerde vergelijkingskaart met als kop 'Drex Max v1.1 vs Liquid AI d1-ultra', met rijen voor Decision Index 73,4 tegen 70,4, documentbeslissingsscore 72,8 tegen 64,7, onthoudingspercentage 65,3 procent tegen 88,6 procent, tijd per taak 275 ms tegen 295 ms, en kosten per 1M taken $102 tegen $132, met een voettekst met de tekst Artificial Analysis Decision Index v2, 8 november 2026.
Guides & Insights

Drex Max v1.1 vs Liquid AI d1-ultra: twee multimodale scorers, en een kop die niet langer standhoudt

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Liquid AI d1-ultra werd op 15 oktober 2026 uitgebracht met een zin die op dat moment verdedigbaar was: hij "presteert minstens 8 punten beter dan alle andere beslissingsmodellen op de Artificial Analysis Decision Index". Drie weken later verving Artificial Analysis die index door v2, werden zeventien modellen opnieuw gescoord op nieuwe data, en eindigde d1-ultra als vijfde met 70,4 — achter Drex Max v1.1 met 73,4, GLiDE v1.2 met 72,8, Mammoth 27B met 72,4 en, met drie honderdsten van een punt verschil, Perplexity's Decider v1.2 met 70,5. De voorsprong van acht punten is verdwenen, en die is nooit met dit instrument gemeten.

Dat is het kader voor deze vergelijking, en het is de moeite waard om precies te zijn over wat het wel en niet betekent. Het betekent niet dat d1-ultra slechter is geworden. Het betekent dat het leaderboard veranderde onder een claim die tegen het oude was gemaakt, wat het gebruikelijke risico is van het citeren van een leaderboardpositie alsof het een eigenschap van het model is. Beide zijn sterke multimodale beslissingsscorers. Ze liggen ook dichter bij elkaar dan de marketing van beide leveranciers suggereert, en ze zijn goed in zichtbaar verschillende dingen.

Waar de twee modellen overeenstemmen, wat het grootste deel van het oppervlak beslaat

Beide zijn beslissingsmodellen in de strikte zin: je stuurt een toestand en getypeerde vragen, één forward pass retourneert een waarschijnlijkheid per optie, en er wordt geen tekst gegenereerd. Beide nemen afbeeldingen naast tekst. Beide beantwoorden dezelfde drie vraagvormen — een keuze uit benoemde opties, een ja/nee, en een score op een schaal. Beide factureren alleen input, met output ongefactureerd, omdat er geen output is.

• Modaliteit — Drex Max v1.1 leest tekst, screenshots, grafieken, formulieren, gescande documenten, foto's en videoframes, acht afbeeldingen per aanvraag. d1-ultra leest tekst, afbeeldingen of beide; het lanceervoorbeeld van Liquid is een foto van een printplaat die aan de specificatie wordt getoetst.

• Prijs per miljoen invoertokens — $0,03 voor Drex Max v1.1 tijdens de lanceerperiode (50% korting op een lijstprijs van $0,06), $0,042 voor d1-ultra. Nace is vandaag goedkoper en mogelijk niet meer nadat de korting afloopt.

• Facturering van afbeeldingen — Drex Max v1.1 telt beeldtokens mee binnen de limiet van 131.072 tokens per vraag. d1-ultra factureert 1,5 token per patch van 32×32 pixels, dus een afbeelding van 1024×1024 kost 1.536 tokens, en factureert elke vraag als een eigen prompt inclusief alle afbeeldingen.

• Context — 131.072 tokens per vraag voor Drex Max v1.1, met 262.144 voor het volledige gepakte verzoek. Liquid publiceert geen vergelijkbaar venster per vraag.

• Beschikbaarheid — Drex Max v1.1 wordt verkocht via Nace's API en console; d1-ultra via de Liquid API en console. Geen van beide staat op onze routelijst, en niets hier is een beschikbaarheidsclaim van ons.

Die factureringsregel per vraag op d1-ultra is het detail dat de kosten op documentschaal bepaalt, en de board heeft het gemeten. Artificial Analysis meldt Drex Max v1.1 op ongeveer 9.000 inputtokens voor een documenttaak met vijftien vragen, tegenover ongeveer 63.000 voor modellen die de input per vraag opnieuw factureren — en de kosten per taak van d1-ultra kwamen uit op $132 tegenover $102 voor Drex, dicht bij de verhouding van hun lijstprijzen en iets slechter.

Het bord, component voor component

De samengestelde kloof is 2,9 punten. De kloven tussen de componenten zijn enorm ongelijk, en het patroon is consistent: Drex wint op documenten, d1-ultra wint op het weten van dingen en op het weigeren te antwoorden.

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.

• Decision Index v2 — Drex Max v1.1 73,39, d1-ultra 70,45.

• Nauwkeurigheidsindex — Drex Max v1.1 58,41, d1-ultra 54,94, de score zonder de kalibratiecomponent.

• Documentbeslissingsscore van AA-Paperclip — Drex Max v1.1 72,82, d1-ultra 64,69. Percentage met alle vijftien correct: 63,0% tegenover 51,3%.

• When2Call tool calling — Drex Max v1.1 95.26, d1-ultra 93.83. Dicht bij elkaar, en beide ver boven de 84.39 van Jev 1.14.

• Consistentie van AA-symmetrie-parafrases — Drex Max v1.1 84,96, d1-ultra 77,81, een verschil van 7 punten dat de op een na grootste afwijking in de set is.

• AA-Omniscience-Decision — d1-ultra 64,39, Drex Max v1.1 60,27. De enige evaluatie waarin de rangorde omkeert.

• HLE-MultiChoice — d1-ultra 47,39, Drex Max v1.1 46,61, maar qua ruwe nauwkeurigheid staat d1-ultra op 6,09% en Drex op 8,25%.

• Onthouding — d1-ultra weigert te antwoorden op 88,61% van de alwetendheidsvragen die het niet kan beantwoorden, Drex Max v1.1 op 65,28%, Microsoft-Decision-1 op 21,74%.

• Tijd per taak — Drex Max v1.1 275 ms, d1-ultra 295 ms.

• Kosten per 1 miljoen taken — Drex Max v1.1 $102, d1-ultra $132.

Lees de abstentieregel twee keer, want die verklaart de omniscientieregel en het is de minst intuïtieve eigenschap op het bord. De hogere beslissingsscore voor omniscientie van d1-ultra komt niet vooral door kennis: de ruwe nauwkeurigheid daar is 28,0%, gelijk aan die van Drex Max v1.1. Het scoort hoger omdat het veel vaker "Ik weet het niet" zegt en de scoringsfunctie daarvoor beloont. Mammoth 27B en Elephant 9B leiden de symmetrie-evaluatie om dezelfde reden — Artificial Analysis zegt ronduit dat de modellen van Baseten "bij verschillende vraagvarianten consequent met grote stelligheid toegeven dat ze een antwoord niet weten."

Niets daarvan is een gebrek in de metriek. Het is een uitspraak over wat je koopt. d1-ultra is het model om naar te grijpen wanneer een onbeantwoorde vraag goedkoper is dan een verkeerde. Drex Max v1.1 is het model om naar te grijpen wanneer er iets met een beslissing terug moet komen, en de staart met lage betrouwbaarheid bij een mens terechtkomt.

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.

Wat de eigen evaluatie van Liquid wel heeft gemeten, en wat niet

De lanceringspost van Liquid vergelijkt d1-ultra met d1 en Jev 1.14 over "112 unieke evaluaties" en meldt dat het Jev op elke daarvan verslaat, met betere kalibratie tegen dezelfde prijs. Dat is een door de leverancier uitgevoerde vergelijking op een door de leverancier gekozen instrument, en het zegt niets over Drex Max, dat er niet in voorkomt. De claim over de achtpuntsindex werd gedaan tegen Decision Index v1.0, gepubliceerd op 13 oktober 2026 — twee dagen voordat d1-ultra bestond — en die ranglijst heeft d1-ultra nooit vermeld.

De leverancier doet wel één bewering die de nieuwe ranglijst bevestigt: d1-ultra is specifiek getraind om minder overconfident te zijn, en de kalibratie die op omniscience 64,39 laat zien tegenover de 60,14 van Jev en een 2,0 punten hogere samengestelde score dan Jev bij vergelijkbare nauwkeurigheid, is echt. d1-ultra op 70,45 tegenover Jev 1.14 op 66,96 op hetzelfde instrument is een echte verbetering ten opzichte van de bestaande oplossing, onafhankelijk gemeten.

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.

De bewering die geen stand houdt, is de rangschikking. Op v2 staat d1-ultra vijfde van zeventien, en de vier modellen die erboven staan, liggen allemaal binnen 3 punten. Een spreiding van 3 punten over de top vijf is geen hiërarchie; het is een gelijkspel dat wordt beslecht door welke component je werklast toevallig zwaarder weegt.

Wat je daadwerkelijk moet uitvoeren

Beide modellen worden gehost, geen van beide staat in onze catalogus, en de eerlijke manier om tussen hen te kiezen is een bake-off op jullie eigen toestanden in plaats van op de suite van een van beide leveranciers. Als je die uitvoert, voer hem dan uit op datgene waar het bestuur op bestraft: alles-of-niets-documenten. Een model dat 97% van de individuele antwoorden goed heeft en 63% van de documenten volledig goed, is niet twee keer zo goed als een model met 51%; het is precies zo goed als de kans dat geen van vijftien afhankelijke antwoorden fout is, en dat is wat jullie pipeline zal ervaren.

Wat een router hier verandert, is niet de keuze tussen deze twee — we bieden geen van beide aan — maar de vorm van de pipeline eromheen. Beide zijn scorers die stroomopwaarts staan van iets dat schrijft. De schrijfstap is een algemene modelaanroep, en dat is precies het deel waar één endpoint met 200+ modellen, de lijstprijs van de provider doorgegeven zonder opslag per token en automatische failover je daadwerkelijk een integratie bespaart, omdat het model waarnaar je routeert vaker zal veranderen dan de scorer.

Als je één reden wilt om vandaag de voorkeur te geven aan Drex Max v1.1, is het niet de samengestelde score van 2,9 punten. Het is dat hij sneller is, goedkoper per taak, en zeven punten consistenter wanneer dezelfde vraag op twee manieren wordt geformuleerd — en consistentie is de eigenschap die stilletjes stukgaat in productie in plaats van luidruchtig in een benchmark. Als je één reden wilt om de voorkeur te geven aan d1-ultra, is het dat hij weigert. Beide zijn verdedigbaar. Geen van beide leveranciers heeft een verdedigbare headline.