Wygenerowana karta tytułowa z nagłówkiem „Różnica 2,2 punktu i cena, która się podwaja”, z podtytułem „d1.2-ultra vs Drex Max v1.1 – Decision Index v2.1”. Dwie zaokrąglone karty pokazują „d1.2-ultra” nad „75” i „Drex Max v1.1” nad „73”, oddzielone cienką pionową linią; pod nimi szeroki pasek głosi „$133 za 1 mln zadań vs $103 teraz, około $206 w cenie standardowej”, a jeden obrysowany chip głosi „niezależny panel, oba modele uruchamiane przez Artificial Analysis”. Znak OrcaRouter jest nałożony w prawym dolnym rogu.
Guides & Insights

d1.2-ultra vs Drex Max 1.1: różnica 2,2 punktu i cena, która podwaja się w grudniu

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Liquid AI d1.2-ultra wyprzedza Drex Max v1.1 od Nace.AI o 2,23 punktu w Artificial Analysis Decision Index v2.1 — 74,85 wobec 72,62 — a pod względem ceny katalogowej jest droższym modelem: 0,042 USD za milion tokenów wejściowych wobec 0,03 USD. Obie te liczby są prawdziwe dziś i tylko jedna z nich pozostanie prawdziwa, gdy wygaśnie rabat startowy po stronie Nace. Artificial Analysis dodaje gwiazdkę do wiersza kosztów Drex Max v1.1: raportowane 103 USD za milion zadań „odzwierciedla tymczasową cenę startową”, a przy cenie standardowej ten koszt by się podwoił. Co oznacza, że para, która wygląda jak model premium na tle modelu budżetowego, pod względem kosztu faktycznie decydującego o wdrożeniu wygląda odwrotnie.

Ranking jest prawdziwy i zmierzony niezależnie — oba modele zostały uruchomione przez Artificial Analysis na jej własnym sprzęcie, a nie przez któregokolwiek z dostawców — więc to porównanie dwóch wierszy z wynikami, a nie dwóch informacji prasowych. W dalszej części oddzielono punkty, które przetrwają zmianę ceny, od tych, które tego nie zrobią.

Po pierwsze, jaki wpływ ma przypis na porównanie kosztów

A generated two-column scoreboard titled ‘d1.2-ultra vs Drex Max v1.1 - the scoreboard’. The d1.2-ultra column reads Decision Index 75, AA-Paperclip 75.8 at 67.7% all-pass, AA-Symmetry 86.3, HLE accuracy 2.36%, context window 66k and cost per 1M tasks $133. The Drex Max v1.1 column reads Decision Index 73, AA-Paperclip 72.8 at 63.0% all-pass, AA-Symmetry 79.8, HLE accuracy 8.25%, context window 262k and cost per 1M tasks $103 at launch price. The footer reads ‘Both figures per Artificial Analysis Decision Index v2.1; Drex cost reflects a temporary launch price and would double at standard pricing.’

Ceny za token to niewłaściwa liczba, na której warto opierać planowanie, gdy jeden z dwóch dostawców stosuje rabaty. Właściwa jest cena za zadanie, ponieważ uwzględnia ona, ile tokenów każdy model zużywa, by odpowiedzieć na ten sam dokument — a to właśnie Artificial Analysis publikuje obok indeksu.

• Za milion tokenów wejściowych — d1.2-ultra 0,042 USD, Drex Max v1.1 0,03 USD.

• Za milion zadań przy obecnych cenach — d1.2-ultra 133 USD, Drex Max v1.1 103 USD, przy czym ta ostatnia jest oznaczona jako tymczasowa cena premierowa.

• Za milion zadań w standardowej cenie — d1.2-ultra 133 USD, Drex Max v1.1 około 206 USD, według samej notatki zarządu, że jego koszt byłby dwukrotnie wyższy.

• Mediana w klasie — 135 USD za milion zadań, więc model Liquid plasuje się tuż poniżej niej, a model Nace będzie znacznie powyżej.

To odwrócenie ma większe znaczenie, niż sugeruje dwucentowa różnica w cenie tokena, ponieważ zmienia to, po który model sięgasz przy dużej skali. Linia Drex jest tanią opcją w tej kategorii od czasu premiery v2 8 listopada; jeśli zniżka to promocja premierowa, a nie zmiana cennika, tania opcja staje się drogą, mimo że żaden benchmark się nie zmienia. Każdy, kto oparł budżet na kwocie $103, powinien zapytać Nace’a, kiedy zacznie obowiązywać standardowa cena, zanim przeznaczy na to ruch z całego kwartału.

Z czego tak naprawdę składają się 2,2 punktu

A headless-browser screenshot of the Artificial Analysis model page for Drex Max v1.1, captured 17 November 2026 in English, showing the Nace.AI vendor label, the heading ‘Drex Max v1.1: Release, Decision Index Score, Performance & Price’, a Decision Index score of 73, a 262k-token context window, and a summary describing the model as amongst the leading decision models and reasonably priced, but notably slow.

Indeks zbiorczy jest blisko. Komponenty już nie — a wskazują różne kierunki, i to jest ta użyteczna część.

• AA-Symmetry, 15% — największa różnica spośród sześciu. d1.2-ultra uzyskuje 86,34 wobec 79,82 modelu Drex Max v1.1. W bardziej rygorystycznej mierze pełnego zaliczenia, która wymaga tej samej odpowiedzi w różnych parafrazach, a nie dobrej średniej, jest to 56,7% wobec 53,3%. Drex Max v1.1 był już drugim najlepszym modelem w swojej rodzinie w tym teście; model Liquid jest po prostu stabilniejszy przy przeformułowaniach.

• AA-Paperclip, 30% — 75,81 wobec 72,82 w wyniku decyzyjnym oraz 67,7% wobec 63,0% dokumentów w pełni poprawnych. Trzy punkty procentowe wskaźnika pełnego zaliczenia dokumentów to największy pojedynczy czynnik przyczyniający się do luki w indeksie i jednocześnie ten, który najbardziej bezpośrednio przekłada się na rzeczywisty potok ekstrakcji, ponieważ dokument, w którym brakuje jednej z piętnastu odpowiedzi, i tak liczy się jako niepowodzenie.

• When2Call, 10% — 96,49 wobec 95,26. Oba wyniki są blisko górnej granicy oceny; punkt i ćwierć w teście, w którym cała pierwsza dziesiątka mieści się w przedziale dwóch punktów, nie jest czynnikiem różnicującym.

• EvalSafe-O*NET-AA, 15% — 89,53 wobec 88,32, również margines jak przy rzucie monetą.

• AA-Omniscience-Decision v1.1, 15% — 60,80 wobec 60,27. W praktyce remis w punktacji, a w szczegółach podział: Drex odpowiada poprawnie na więcej z tych pytań, 28,0% wobec 23,6%, podczas gdy d1.2-ultra uczciwiej wstrzymuje się od odpowiedzi, 83,8% braku halucynacji wobec 65,3%.

• HLE-MultiChoice v1.1, 15% — 46,36 wobec 46,61, jedyny wynik decyzyjny, który Nace wygrywa, o ćwierć punktu. Pod spodem różnica w surowej dokładności nie wynosi ćwierć punktu: 8,25% wobec 2,36%.

Gdzie Drex Max 1.1 nadal wygrywa i dlaczego nie jest to błąd zaokrąglenia

Trzy rzeczy na tablicy przemawiają za modelem Nace, a pierwsze dwie są tego rodzaju, że rozstrzygają, czy dane obciążenie jest w ogóle wykonalne.

Okno kontekstu to najważniejsza kwestia. Drex Max v1.1 przyjmuje 262 tys. tokenów; d1.2-ultra przyjmuje 66 tys., co samo w sobie jest dwukrotnością tego, co oferował poprzedni flagowy model Liquid. To czterokrotna różnica w rozmiarze stanu, jaki można przekazać modelowi w jednym wywołaniu, a żaden z modeli nie generuje tokenów wyjściowych, więc nie ma budżetu wyjściowego, który można by temu przeciwstawić. Umowę na 200 stron, długi plik roszczeń lub obejmujący wiele dokumentów pakiet akt sprawy, który mieści się w jednym żądaniu Drex, trzeba podzielić na fragmenty, ponownie odpytać i złożyć z powrotem po stronie Liquid — a każda granica fragmentu to miejsce, w którym pytanie obejmujące wiele dokumentów przestaje być możliwe do udzielenia odpowiedzi.

Drugą kwestią jest wiedza. W HLE-MultiChoice Drex odpowiada poprawnie na 8,25% pytań wobec 2,36%, a w AA-Omniscience-Decision — na 28,0% wobec 23,6% — jednocześnie znacznie rzadziej wstrzymując się od odpowiedzi. Wysokie wskaźniki braku halucynacji w d1.2-ultra są po części zaletą, a po części objawem: model, który trzy razy na cztery mówi „nie wiem”, jest dobrze skalibrowany i niezbyt przydatny w przypadku pytania, które naprawdę ma odpowiedź. Jeśli Twoim zadaniem są decyzje dotyczące dokumentów, ten kompromis jest w porządku. Jeśli chodzi o decyzje wymagające wiedzy o czymś, Drex jest modelem, który wie więcej.

Trzecia to szybkość, i to tylko na papierze. 283 ms wobec 218 ms na zadanie w indeksie, oba wolniejsze od mediany klasowej wynoszącej 209 ms, a przy tym oba wystarczająco szybkie, by żaden nie był wąskim gardłem w potoku, który robi cokolwiek innego.

Te dwa modele nie są zamienne, co upraszcza wybór.

Żadna arytmetyka indeksów nie sprawi, że staną się wymienne, a udawanie, że jest inaczej, to właśnie miejsce, w którym większość materiałów porównawczych się myli. Jeden to czytnik dokumentów na 66k tokenów dostrojony pod kalibrację i stabilność parafraz; drugi to czytnik na 262k tokenów, który obniża swoją cenę i odpowiada na więcej trudnych pytań. Punkt przejścia nie jest wynikiem — to rozmiar stanu.

Jeśli Twoje stany mieszczą się w 66k i stosujesz próg na prawdopodobieństwie — automatycznie zatwierdzaj powyżej 0,9, eskaluj poniżej — d1.2-ultra jest lepszym narzędziem. Najlepszy wynik Brier spośród 24 modeli w zestawieniu: 0,150 wobec 0,160 dla Drex i wynik symetrii wyższy o sześć i pół punktu.

• Jeśli Twoje stany przekraczają 66k lub Twoje pytania wymagają raczej wiedzy niż czytania, Drex Max v1.1 jest jedynym z tych dwóch, który w ogóle podoła temu zadaniu, a różnica w indeksie przestaje być decydującą liczbą.

• Jeśli przy dużym wolumenie liczy się dla Ciebie koszt, a cena Nace się utrzyma, Drex jest dziś tańszy w przeliczeniu na zadanie. Jeśli cena wróci do poprzedniego poziomu, Drex będzie droższy z tych dwóch, a model Liquid wygrywa zarówno pod względem wyniku, jak i kosztu.

Testowanie obu bez stawiania na żaden

Żaden z tych modeli nie znajduje się w naszym katalogu i nic tutaj nie jest twierdzeniem o dostępności któregokolwiek z nich: d1.2-ultra jest udostępniany przez własne API Liquid, a Drex Max v1.1 przez własne API Nace. To dokładnie ta sytuacja, w której warstwa routingu na siebie zarabia, zamiast być tylko pozycją w zestawieniu, ponieważ na pytanie, które zespół naprawdę ma — czy 2,2-punktowa różnica powtórzy się na moich dokumentach? — odpowiada przepuszczenie tych samych stanów przez oba modele, a nie czytanie rankingu.

Trzecim modelem, który warto poddać temu testowi, jest Jev 1.14, hostowany przez nas za 0,042 USD za milion tokenów wejściowych przy tej samej strukturze zapytań systemone. W EvalSafe-O*NET-AA prowadzi z wynikiem 91,14 — w jedynym komponencie, w którym żaden z tych dwóch nie jest pierwszy — a odpowiada w 92 ms, najszybciej z całej trójki i to z dużą przewagą. Trójstronny test w trybie shadow na jednym kluczu, w którym DSL routingu wysyła ten sam ładunek do każdego, a automatyczne przełączenie awaryjne utrzymuje działającą ścieżkę produkcyjną, jeśli jeden z dostawców ma zły dzień, jest tańszym sposobem rozstrzygnięcia tej kwestii niż cykl zakupowy.

Co oglądać i kiedy

O wyniku tego starcia decydują dwie daty. Pierwsza zależy od tego, kiedy kończy się cena wprowadzająca Nace: przy $103 za milion zadań Drex Max v1.1 jest opcją opłacalną, przy około $206 jest opcją premium, a wynik indeksu nie zmienia się w żadnym przypadku. Zapytaj przed zaplanowaniem budżetu.

Drugi to kolejna rewizja indeksu. Decision Index v2.1 jest na tyle świeży, że na tablicy wciąż widnieje adnotacja, iż zaktualizowano go 16 listopada, a różnica 2,2 punktu między pierwszym a drugim miejscem mieści się w zakresie, jaki może przesunąć jedna rewizja składnika. Jeśli prywatny zestaw dokumentów AA-Paperclip zostanie odświeżony, składnik o wadze 30%, który odpowiada za większość tej różnicy, przesunie się jako pierwszy.

Do tego czasu uczciwe podsumowanie jest takie: d1.2-ultra jest lepszym modelem na podstawie dowodów, z przewagą, która jest niewielka w wyniku złożonym, a duża w symetrii i odsetku pełnego zaliczenia dokumentów, i jest tańszym modelem na zadanie w momencie wygaśnięcia zniżki Nace. Drex Max v1.1 pozostaje jedynym z tych dwóch, który potrafi przyjąć stan o rozmiarze 200 tys. tokenów, a w pytaniach wymagających wiedzy, a nie lektury, nadal jest silniejszy z tej pary. Wybieraj najpierw według rozmiaru stanu, potem ceny, a na końcu indeksu.

A headless-browser screenshot of the OrcaRouter model page for typesafe/jev-1.14, captured 17 November 2026 in English, showing the /v1/systemone endpoint, Zero Data Retention availability, an input and output list price of $0.04, and measured latencies of 182 ms and 372 ms.