
Karpo Decision 31B voert een ranglijst van 307 modellen aan zonder enig lanceringsbericht op zijn naam
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 184 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 223 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 87 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 96 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
Op 12 november 2026 zette de Decision Index — de communityranglijst die open reproducties van TypeSafe's Jev volgt — Karpo Decision 31B bovenaan de Full score, 73,9, de hoogste van 307 inzendingen. Diezelfde week begon de bewering de ronde te doen dat dit model, een fine-tune van Google's open Gemma 4 31B, Google's eigen Gemini Decision 1 verslaat. Slechts één van die twee uitspraken is iets wat een lezer vandaag kan controleren, en het verschil daartussen is het hele verhaal. Dat de ranglijst Karpo bovenaan plaatst, is openbaar, gedateerd en reproduceerbaar aan de hand van een resultatenbestand van 45 MB dat het lab heeft gepubliceerd. De rechtstreekse confrontatie met Gemini Decision 1 is nooit uitgevoerd: de twee modellen delen geen enkele ranglijst, en de instrumenten waarop ze zijn gescoord, zijn niet hetzelfde instrument.
Wat het eerste deel vreemd maakt, is niet de score. Het is de stilte eromheen. MachinePulse Pte. Ltd., het Singaporese bedrijf achter Karpo, heeft op 5 november 2026 de Hugging Face-repository aangemaakt, diezelfde dag een inference-repository op GitHub gepubliceerd en op 12 november vijf kleinere varianten uitgebracht — 12B, 9B, 4B, 2B en 0.8B. Op het moment van schrijven is er geen productpagina, geen blogpost, geen prijsstelling, geen modelaankondiging en geen API. De eigen site van het bedrijf geeft een 404 op elk pad dat er een zou bevatten. Karpo bestaat als gewichten, een README, een Python-pakket en een regel op een ranglijst. Dit stuk gaat over wat die vier dingen je wel en niet kunnen vertellen.

De data, en waarom ze dit keer meer van belang zijn dan anders
De aanmaakstempel van de repository is 5 november 2026 om 15:33 UTC. De GitHub-inferentiecode werd tweeëntwintig minuten later aangemaakt. De Decision Index-run-dataset — hetgeen de 73.9 controleerbaar maakt — werd op 6 november om 05:18 UTC geüpload. De README werd op 16 november nog steeds bewerkt; de laatste twee commits wijzigden niets anders dan een copyrightregel en een licentieverklaring.
Dat is een model van twee weken oud met een actieve repository en geen lancering. Het is geen lek, en het is geen hernoeming van iets ouders: de gewichten zijn nieuw, het licentiebestand is nieuw, en de familie van zes modellen is in één middag gepusht. Wat het is, is een lab dat besloot het artefact te publiceren vóór de marketing.
Wat de 73,9 precies meet

De Decision Index is op dit moment editie 0.4.1. De Full-score wordt door de beheerders van het board berekend op besloten tests: ongeveer 60% van de taken komt uit dezelfde vaardigheden als de publieke suite en 40% uit domeinen die de publieke suite niet dekt. De rij van Karpo staat op 73,9 Full, met 70,7 op het gedeelte met dezelfde vaardigheden en 78,6 op het gedeelte met nieuwe domeinen. Die laatste twee cijfers staan in een ongebruikelijke volgorde — een model presteert doorgaans slechter op onbekend terrein dan op de vaardigheden waartegen het is afgestemd — en de kaart vermeldt dit zonder commentaar.
De board publiceert één rang voor modellen binnen 0,9 punt van de leider, dus Karpo staat niet alleen op de eerste plaats. GLiDE 27B, met 73,4, deelt de #1-positie. Daarachter staan REAX 1.3 met 72,6, Logits Sigma-1 Duo met 72,3, Copernicus-31B met 72,1 en KnowLine 31B Gen1.5 met 71,9. Dit is een drukke top, geen onbetwiste uitschieter.
Het tweede getal op de kaart, 75,05, heeft een andere herkomst en verdient een andere lezing. Dat is de openbare index, en die komt uit de eigen run van MachinePulse met de officiële scoringkit — 140.178 gescoorde verzoeken, waarvan er negen zijn geweigerd omdat één enkele vraag plus de bijbehorende toestand het venster van 32.768 tokens overschreed. Het bestuur heeft die run overgenomen. De reden om die meer te vertrouwen dan een typisch leverancierscijfer is dat de runmap openbaar is: results.jsonl.gz, een bestand met scores per verzoek, een manifest van de omgeving. Iedereen kan de kit opnieuw draaien en vergelijken. De eigen overname door het bestuur is de beoordelingsstap. Dat is een strengere maatstaf dan de meeste lanceerclaims halen, en het is nog steeds niet hetzelfde als een onafhankelijk lab dat het model op zijn eigen hardware scoort.
Twee labels dus, en die mogen niet worden samengevoegd: de Full score wordt door een derde partij berekend op basis van privétests; de publieke index wordt door de eerste partij berekend op basis van een publieke suite en overgenomen. Geen van beide is een leveranciersbenchmark in de gebruikelijke zin. Geen van beide is Artificial Analysis.
Waarom "verslaat Gemini Decision 1" nog geen gemeten uitspraak is
Gemini Decision 1 heeft een cijfer. Artificial Analysis scoorde het op 65,98 op Decision Index v2.1, een samengestelde score van zes evaluaties, gewogen over documentbeslissingen, tool calling, kennis, redeneren en invariantie. Op die ranglijst staat het elfde van de beslissingsmodellen die AA rangschikt, onder d1.2-ultra op 74,85, Drex Max v1.1 op 72,62 en SubQ Snap 1.2 op 72,58, en boven Microsoft-Decision-1 op 62,07. De scoring is van AA, op de hardware van AA, en het kost $345 per miljoen taken om te draaien.
Karpo komt helemaal niet voor op dat overzicht. Artificial Analysis heeft er geen pagina en geen rij voor. Ook Gemini Decision 1 staat niet op de Decision Index-tracker waarop Karpo voorkomt — dat overzicht is een register van open reproducties, en Google's model is een gesloten product dat alleen via API beschikbaar is, zonder gewichten om te reproduceren.
Dus de vergelijking die iedereen maakt, is een gevolgtrekking uit twee getallen die door twee organisaties zijn geproduceerd op twee suites met verschillende taakmixes, verschillende aandelen privétests en verschillende scoringsformules. 73,9 is in geen enkele zin die contact met de methodologie overleeft groter dan 65,98. Als de twee morgen door dezelfde kit zouden worden gehaald, zou Karpo best kunnen winnen — het profiel per categorie is sterk — maar niemand heeft dat gedaan, en de kop is momenteel een hypothese in de kleren van een resultaat.
Er is nog een detail dat het weten waard is, omdat het tegen de bewering pleit in plaats van ervoor. In de vijf categorie-uitsplitsingen van de tracker is het zwakste gebied van Karpo kennis en redeneren, met 65,5 kansgecorrigeerde vaardigheid. Het sterkste is hulpmiddelen en automatisering, met 88,4. Op het bord van AA is de enige component waarop Gemini Decision 1 bijna alles verslaat juist de kenniscomponent: 66,3 op AA-Omniscience, de hoogste van de vier hier onderzochte modellen. Het gebied waarop het Google-model het best is, is het gebied waarop de Gemma-finetune relatief het zwakst is. Een rechtstreekse confrontatie zou daar een echte wedstrijd zijn, geen walk-over, en dat is precies waarom de niet-uitgevoerde vergelijking niet als overwinning mag worden gerapporteerd.
Het deel van de kaart dat interessanter is dan de rangschikking

Karpo is geen chatmodel met een JSON-modus. Het is een uitlezing. Elke optie in een vraag krijgt een optiecode, en een lineaire head scoort 255 codes op een vaste slot en doet daarna softmax over de opties die de vraag daadwerkelijk bood. Er wordt niets gegenereerd, dus het antwoord is altijd een van de keuzes die je hebt opgegeven en de uitvoerkosten zijn structureel nul.
De architectuur verdient één alinea omdat ze de latentie verklaart. Een verzoek is één state plus een willekeurig aantal vragen, gecodeerd als één enkele sequentie: eerst de vragen, dan de state, en dan één branch per vraag. Branch-attentie laat een branch het gedeelde blok en zichzelf lezen, nooit een andere branch. De state wordt één keer berekend. Honderd vragen over één factuur kosten daarom ongeveer één pass over de factuur, niet honderd.
• Parameters — 31,3B in bf16, plus een 255 × 5.376 readout in fp32; ongeveer 62,5 GB op schijf.
• Context — 32.768 tokens per sequentie; een langer verzoek wordt per vraag opgesplitst, waarbij elk deel de volledige status bevat, en een vraag die er nog steeds niet in past, wordt geweigerd in plaats van afgekapt.
• Invoer — tekst, JSON en afbeeldingen; een schermafbeelding kan worden doorgegeven als state.viewport_screenshot of als een data-URL.
• Vraagtypen — keuze met maximaal 255 opties, noul voor waar/onwaar, score voor een geordend niveau.
• Interface — een Python-API en een HTTP-server in de vorm van System One, POST /v1/systemone.
• Licentie — Apache-2.0 voor de gewichten en de code, met daarnaast de eigen licentie van Gemma 4 meegeleverd in de repository.
De gemeten latency op de referentiehardware van de tracker, één GPU en één verzoek tegelijk, is mediaan 94 ms. Dat is niet snel genoeg om onzichtbaar te zijn in een agentlus per stap die twintig kleine aanroepen per beurt doet, en het is wel snel genoeg om achter een tool-call-gate te zitten die een handvol keren per gesprek afgaat. De kaart rapporteert ook een kalibratiefout van 4,8 punten, en dat is het getal waar een deployment echt van afhangt: nauwkeurigheid vertelt je hoe vaak het beste antwoord juist is, kalibratie vertelt je of de waarschijnlijkheid die eraan is gekoppeld aan een drempel kan worden getoetst.
Wat niet bevestigd is, simpel gezegd
Er is geen prijs. Niet "nog niet bekendgemaakt, in afwachting van de lancering" — geen tarievenkaart, geen gehost endpoint, geen console, geen proefversie. Als je Karpo Decision 31B vandaag wilt, download je 62,5 GB en draai je het op je eigen GPU met de loader van de repository zelf. Het checkpoint laden als een gewoon chatmodel zal de antwoorden ervan niet reproduceren; zowel de branch attention als de readout zijn vereist.
Er is geen onafhankelijke score. De Decision Index is onofficieel en wordt door de community onderhouden. De index is zorgvuldig, goed gedocumenteerd en ongewoon transparant over de methode; hij is niet Artificial Analysis en is niet gevraagd om dit model op zijn eigen hardware te scoren. Het sterkste element van derden is dat de beheerders de Full score hebben berekend op tests die de leverancier nooit heeft gezien.
{{1}}Er is geen verklaring van de leverancier over waarvoor het model is gebouwd, verder dan de eigen beschrijving in de README: de kleine beslissingen die een agent bij elke stap neemt — of hij een tool aanroept of eerst iets vraagt, op welk element op een pagina hij klikt, of een retourzending onder een beleid in aanmerking komt.{{/1}} Die beschrijving is de framing van het lab, geen onafhankelijk gevalideerd toepassingsbereik.
En er is geen aankondiging. Niet een stille, niet een changelog-item. Twee weken nadat de weights online zijn gezet, is wat het bedrijf publiek laat zien een vacaturepagina en een andere productlijn.
Wat dit betekent voor een team dat het wil uitproberen
De eerlijke samenvatting is dat Karpo Decision 31B het meest interessante open beslissingsmodel van de afgelopen twee weken is en het minst onderbouwde. Zijn voorsprong is reëel maar gedeeld, de openbare index ervan is reproduceerbaar, de score op de privétest is echt van een derde partij, en de centrale marketingclaim — dat een Gemma-fine-tune Google nu verslaat in diens eigen beslissingsmodel — is niet gemeten.
Voor teams die al een beslissingslaag draaien, is de praktische route een schaduwdeployment in plaats van een migratie. Houd het model dat het productieverkeer draagt, draai Karpo offline op dezelfde verzoeken en vergelijk de waarschijnlijkheden in plaats van de labels: een kalibratiefout van 4,8 punten betekent dat ongeveer één op de twintig antwoorden met meer zelfvertrouwen onjuist is dan de opgegeven waarschijnlijkheid suggereert, en het is je drempelbeleid dat daar vervolgens ofwel een wachtrij voor menselijke beoordeling ofwel een incident van maakt. Als je de rest van de stack op één endpoint standaardiseert, zijn de modellen die je deze week daadwerkelijk kunt bereiken, de modellen die in de catalogus staan — Gemma 4 31B zelf, dat de basis van Karpo vormt en wordt aangeboden via één API voor 200+ modellen tegen de lijstprijs van de provider, zonder opslag, en TypeSafe's Jev 1.14, het model waar dit hele open-reproductiebord voor is gebouwd om na te jagen. Karpo zal zijn plek moeten verdienen zoals de anderen dat deden: door aanroepbaar te zijn.
Waar je op moet letten is niet de 73,9. Het is of MachinePulse binnen een maand een productpagina, een prijs en een AA-inzending oplevert. Een lab dat gewichten publiceert vóór een website heeft meestal een reden, en die reden komt doorgaans tot uiting als een gehost endpoint of een pivot. Hoe dan ook, het eerste onafhankelijke cijfer op het AA-board zal binnen een week beslechten wat twee weken leaderboard-rekenwerk niet heeft gedaan.
