
Drex Max v1.1 vs Liquid AI d1-ultra: dwa multimodalne skorery i nagłówek, który przestał być aktualny
- OrcaNOWOŚĆOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 za 1 mln tokenów · 180 tok/s
- tencentNOWOŚĆTencent: Hy4 Flash2026-11-16$0.02 / $0.07 za 1 mln tokenów · 223 tok/s
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 89 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 98 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 za 1 mln tokenów · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 za 1 mln tokenów · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 za 1 mln tokenów · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
Liquid AI d1-ultratrafił na rynek 15 października 2026 r. ze zdaniem, którego wówczas można było bronić: „przewyższa wszystkie inne modele decyzyjne w Artificial Analysis Decision Index o co najmniej 8 punktów”. Trzy tygodnie później Artificial Analysis zastąpiło ten indeks wersją v2, ponownie oceniło siedemnaście modeli na nowych danych, a d1-ultra wylądował na piątym miejscu z wynikiem 70,4 — za Drex Max v1.1z wynikiem 73,4, GLiDE v1.2 z 72,8, Mammoth 27B z 72,4 i, o trzy setne punktu, Decider v1.2 od Perplexity z 70,5. Ośmiopunktowa przewaga zniknęła, a nigdy nie została zmierzona tym narzędziem.
To jest kontekst tego porównania i warto dokładnie określić, co to znaczy, a czego nie znaczy. Nie oznacza to, że d1-ultra się pogorszył. Oznacza to, że ranking zmienił się, podczas gdy twierdzenie opierało się na starej wersji — co jest zwykłym ryzykiem cytowania pozycji w rankingu tak, jakby była właściwością modelu. Oba te modele są mocnymi multimodalnymi scorerami decyzyjnymi. Są też bliżej siebie, niż sugeruje marketing któregokolwiek z dostawców, i są dobre w wyraźnie różnych obszarach.
Tam, gdzie oba modele są zgodne, co stanowi większość powierzchni
Oba są modelami decyzyjnymi w ścisłym tego słowa znaczeniu: wysyłasz stan i pytania o określonym typie, pojedynczy przebieg w przód zwraca prawdopodobieństwo dla każdej opcji, a żaden tekst nie jest generowany. Oba przyjmują obrazy wraz z tekstem. Oba odpowiadają na te same trzy rodzaje pytań — wybór spośród nazwanych opcji, pytanie tak/nie oraz ocenę w skali. Oba naliczają opłaty wyłącznie za dane wejściowe, nie naliczając ich za dane wyjściowe, ponieważ nie ma danych wyjściowych.
• Modalność — Drex Max v1.1 odczytuje tekst, zrzuty ekranu, wykresy, formularze, zeskanowane dokumenty, zdjęcia i klatki wideo — osiem obrazów na żądanie. d1-ultra odczytuje tekst, obrazy lub oba te elementy; przykładem premiery Liquid jest fotografia płytki drukowanej porównywanej z jej specyfikacją.
• Cena za milion tokenów wejściowych — 0,03 USD za Drex Max v1.1 w okresie premiery (50% zniżki od ceny katalogowej 0,06 USD), 0,042 USD za d1-ultra. Nace jest dziś tańszy i może nie być po zakończeniu rabatu.
• Rozliczanie obrazów — Drex Max v1.1 liczy tokeny obrazów w ramach limitu 131 072 tokenów na pytanie. d1-ultra rozlicza 1,5 tokena za każdy fragment o wymiarach 32×32 piksele, więc obraz 1024×1024 kosztuje 1536 tokenów, a każde pytanie rozlicza jako osobny prompt obejmujący wszystkie obrazy.
• Kontekst — 131 072 tokenów na pytanie dla Drex Max v1.1, a 262 144 dla całego spakowanego żądania. Liquid nie publikuje porównywalnego okna na pytanie.
• Dostępność — Drex Max v1.1 jest sprzedawany przez API i konsolę Nace; d1-ultra przez API i konsolę Liquid. Żaden z nich nie znajduje się na naszej liście tras i nic tutaj nie stanowi naszego oświadczenia o dostępności.
Ta zasada rozliczania za każde pytanie w d1-ultra to szczegół, który decyduje o koszcie w skali dokumentu, a zarząd to zmierzył. Artificial Analysis podaje, że Drex Max v1.1 zużywa około 9 000 tokenów wejściowych w zadaniu dokumentowym złożonym z piętnastu pytań, wobec około 63 000 w przypadku modeli, które ponownie naliczają opłatę za dane wejściowe przy każdym pytaniu — a koszt d1-ultra na zadanie wyniósł 132 USD wobec 102 USD w przypadku Drex, co jest bliskie stosunkowi ich cen katalogowych i nieco gorsze.
Płytka, komponent po komponencie
Różnica w wyniku łącznym wynosi 2,9 punktu. Różnice w poszczególnych komponentach są skrajnie nierówne, a wzorzec jest spójny: Drex wygrywa w przypadku dokumentów, a d1-ultra wygrywa w wiedzy i w odmawianiu odpowiedzi.

• Indeks decyzji v2 — Drex Max v1.1 73,39, d1-ultra 70,45.
• Indeks dokładności — Drex Max v1.1 58,41, d1-ultra 54,94, czyli wynik po wyłączeniu składnika kalibracyjnego.
• Wynik decyzji dokumentowych AA-Paperclip — Drex Max v1.1 72,82, d1-ultra 64,69. Wskaźnik poprawności wszystkich piętnastu: 63,0% wobec 51,3%.
• Wywoływanie narzędzi When2Call — Drex Max v1.1 95,26, d1-ultra 93,83. Blisko siebie, a oba znacznie powyżej wyniku 84,39 Jev 1.14.
• Spójność parafraz AA-Symmetry — Drex Max v1.1 84,96, d1-ultra 77,81, różnica 7 punktów, która jest drugą największą rozbieżnością w zestawie.
• AA-Omniscience-Decision — d1-ultra 64,39, Drex Max v1.1 60,27. Jedyna ocena, w której kolejność się odwraca.
• HLE-MultiChoice — d1-ultra 47,39, Drex Max v1.1 46,61, ale pod względem surowej dokładności d1-ultra osiąga 6,09%, a Drex 8,25%.
• Wstrzymanie się od odpowiedzi — d1-ultra odmawia odpowiedzi na 88,61% pytań z zakresu wszechwiedzy, na które nie potrafi odpowiedzieć, Drex Max v1.1 na 65,28%, a Microsoft-Decision-1 na 21,74%.
• Czas na zadanie — Drex Max v1.1 275 ms, d1-ultra 295 ms.
• Koszt za 1 mln zadań — Drex Max v1.1 102 USD, d1-ultra 132 USD.
Przeczytaj dwukrotnie wiersz dotyczący wstrzymania się od odpowiedzi, ponieważ wyjaśnia on wiersz wszechwiedzy i jest najmniej intuicyjną właściwością w tabeli. Wyższy wynik decyzji o wszechwiedzy d1-ultra nie wynika głównie z wiedzy: jego surowa dokładność w tym zakresie wynosi 28,0%, tyle samo co w Drex Max v1.1. Otrzymuje wyższy wynik, ponieważ znacznie częściej mówi „nie wiem”, a funkcja punktacji to premiuje. Mammoth 27B i Elephant 9B przewodzą w ocenie symetrii z tego samego powodu — Artificial Analysis mówi wprost, że modele Baseten „konsekwentnie z wysoką pewnością przyznają, że nie znają odpowiedzi w różnych wariantach pytań”.
To wszystko nie jest wadą metryki. To stwierdzenie o tym, co kupujesz. d1-ultra to model, po który warto sięgnąć, gdy pozostawienie pytania bez odpowiedzi kosztuje mniej niż udzielenie błędnej. Drex Max v1.1 to model, po który warto sięgnąć, gdy coś musi wrócić z decyzją, a ogon niskiej pewności trafia do człowieka.

Co zmierzyła własna ewaluacja Liquid, a czego nie
Post premierowy Liquid porównuje d1-ultra z d1 i Jev 1.14 w ramach „112 unikalnych ewaluacji” i donosi, że pokonuje Jev w każdej z nich, przy lepszej kalibracji w tej samej cenie. To porównanie przeprowadzone przez dostawcę na wybranym przez dostawcę instrumencie i nie mówi nic o Drex Max, który w nim nie występuje. Twierdzenie o ośmiopunktowym indeksie zostało wysunięte wobec Decision Index v1.0, opublikowanego 13 października 2026 r. — dwa dni przed istnieniem d1-ultra — a ten ranking nigdy nie wymieniał d1-ultra.
Dostawca naprawdę formułuje jedno twierdzenie, które potwierdza nowa tablica: wytrenował d1-ultra specjalnie tak, aby był mniej podatny na nadmierną pewność siebie, a kalibracja wynosząca 64,39 w omniscience wobec 60,14 uzyskanych przez Jev oraz o 2,0 punktu wyższy wynik złożony niż u Jev przy porównywalnej dokładności są prawdziwe. d1-ultra z wynikiem 70,45 wobec Jev 1.14 z wynikiem 66,96 na tym samym instrumencie to rzeczywista poprawa względem obecnego rozwiązania, zmierzona niezależnie.

Twierdzenie, które nie wytrzymuje próby, to ranking. W wersji v2 d1-ultra zajmuje piąte miejsce na siedemnaście, a cztery modele przed nim mieszczą się w granicach 3 punktów. Rozrzut 3 punktów w obrębie pierwszej piątki to nie hierarchia; to remis rozstrzygany tym, któremu komponentowi twoje obciążenie robocze akurat przypisuje wagę.
Co właściwie uruchomić
Oba modele są hostowane, żaden nie znajduje się w naszym katalogu, a uczciwym sposobem wyboru między nimi jest bezpośrednie starcie na własnych stanach, a nie na zestawie testowym któregokolwiek dostawcy. Jeśli je przeprowadzisz, przeprowadź je na tym, za co karze zarząd: dokumentach typu wszystko albo nic. Model, który poprawnie odpowiada na 97% pojedynczych pytań i w pełni poprawnie obsługuje 63% dokumentów, nie jest dwukrotnie lepszy od modelu z wynikiem 51%; jest dokładnie tak dobry, jak prawdopodobieństwo, że żadna z piętnastu zależnych odpowiedzi nie jest błędna, a właśnie z tym zetknie się twój potok.
To, co zmienia tutaj router, to nie wybór między tymi dwoma — nie oferujemy żadnego z nich — ale kształt pipeline'u wokół nich. Oba są scorerami, które znajdują się przed czymś, co pisze. Etap pisania to wywołanie ogólnego modelu i właśnie w tym miejscu jeden endpoint z ponad 200 modelami, cena z cennika dostawcy przekazywana bez narzutu na token oraz automatyczny failover faktycznie oszczędzają ci jedną integrację, ponieważ model, do którego kierujesz ruch, będzie się zmieniał częściej niż scorer.
Jeśli chcesz dziś jednego powodu, by preferować Drex Max v1.1, nie jest nim wynik złożony 2,9 punktu. Jest nim to, że jest szybszy, tańszy w przeliczeniu na zadanie i o siedem punktów bardziej spójny, gdy to samo pytanie zostanie sformułowane na dwa sposoby — a spójność to właściwość, która w produkcji psuje się po cichu, a nie głośno na benchmarku. Jeśli chcesz jednego powodu, by preferować d1-ultra, jest nim to, że odmawia. Oba stanowiska są do obrony. Żadne z nagłówkowych twierdzeń dostawców nie jest.
