
Drex Max v1.1 vs Liquid AI d1-ultra: Dois pontuadores multimodais, e uma manchete que já não se sustenta
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 180 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 223 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 89 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 98 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
Liquid AI d1-ultra foi lançado em 15 de outubro de 2026 com uma frase que era defensável na época: ele "supera todos os outros modelos de decisão no Artificial Analysis Decision Index em pelo menos 8 pontos." Três semanas depois, a Artificial Analysis substituiu esse índice pela v2, reavaliou dezessete modelos com novos dados, e o d1-ultra ficou em quinto lugar com 70,4 — atrás do Drex Max v1.1 com 73,4, do GLiDE v1.2 com 72,8, do Mammoth 27B com 72,4 e, por três centésimos de ponto, do Decider v1.2 da Perplexity com 70,5. A vantagem de oito pontos sumiu, e ela nunca foi medida neste instrumento.
Esse é o enquadramento desta comparação, e vale ser preciso sobre o que ele significa e o que não significa. Não significa que o d1-ultra piorou. Significa que o ranking mudou por baixo de uma afirmação feita com base no antigo, que é o risco comum de citar uma posição no ranking como se fosse uma propriedade do modelo. Ambos são fortes pontuadores de decisão multimodal. Também são mais próximos do que o marketing de qualquer um dos fornecedores sugere, e são bons em coisas visivelmente diferentes.
Onde os dois modelos concordam, o que corresponde à maior parte da superfície
Ambos são modelos de decisão no sentido estrito: você envia um estado e perguntas tipadas, um único forward pass retorna uma probabilidade por opção, e nenhum texto é gerado. Ambos aceitam imagens junto com o texto. Ambos respondem aos mesmos três formatos de pergunta — uma escolha entre opções nomeadas, um sim/não e uma pontuação em uma escala. Ambos cobram apenas a entrada, com a saída não cobrada, porque não há saída.
• Modalidade — O Drex Max v1.1 lê texto, capturas de tela, gráficos, formulários, documentos digitalizados, fotos e quadros de vídeo, oito imagens por solicitação. O d1-ultra lê texto, imagens ou ambos; o exemplo de lançamento da Liquid é uma fotografia de uma placa de circuito verificada em relação à sua especificação.
• Preço por milhão de tokens de entrada — $0.03 para Drex Max v1.1 durante seu período de lançamento (50% de desconto sobre o preço de tabela de $0.06), $0.042 para d1-ultra. A Nace está mais barata hoje e pode não estar depois que o desconto acabar.
• Cobrança de imagens — Drex Max v1.1 conta tokens de imagem dentro do limite de 131.072 tokens por pergunta. O d1-ultra cobra 1,5 token por patch de 32×32 pixels, então uma imagem de 1024×1024 custa 1.536 tokens, e cobra cada pergunta como um prompt próprio, incluindo todas as imagens.
• Contexto — 131.072 tokens por pergunta para Drex Max v1.1, com 262.144 para toda a solicitação empacotada. A Liquid não publica uma janela comparável por pergunta.
• Disponibilidade — Drex Max v1.1 é comercializado por meio da API e do console da Nace; d1-ultra, por meio da API e do console da Liquid. Nenhum dos dois está na nossa lista de rotas, e nada aqui é uma declaração de disponibilidade da nossa parte.
A regra de cobrança por pergunta no d1-ultra é o detalhe que decide o custo em escala de documentos, e o board mediu isso. A Artificial Analysis reporta o Drex Max v1.1 com cerca de 9.000 tokens de entrada para uma tarefa de documento de quinze perguntas, contra aproximadamente 63.000 para modelos que recobram a entrada por pergunta — e o custo por tarefa do d1-ultra ficou em US$ 132, contra US$ 102 do Drex, próximo da razão dos preços de tabela e um pouco pior.
A placa, componente por componente
A lacuna composta é de 2,9 pontos. As lacunas dos componentes são extremamente desiguais, e o padrão é consistente: Drex vence em documentos, d1-ultra vence em conhecimento e em recusar-se a responder.

• Índice de Decisão v2 — Drex Max v1.1 73,39, d1-ultra 70,45.
• Índice de precisão — Drex Max v1.1 58,41, d1-ultra 54,94, que é a pontuação sem o componente de calibração.
• Pontuação de decisão de documento do AA-Paperclip — Drex Max v1.1 72,82, d1-ultra 64,69. Taxa de acerto em todas as quinze: 63,0% contra 51,3%.
• Chamada de ferramentas do When2Call — Drex Max v1.1 95,26, d1-ultra 93,83. Próximos, e ambos muito acima dos 84,39 do Jev 1.14.
Consistência de paráfrase de simetria AA — Drex Max v1.1 84,96, d1-ultra 77,81, uma diferença de 7 pontos que é a segunda maior divergência do conjunto.
• AA-Omniscience-Decision — d1-ultra 64,39, Drex Max v1.1 60,27. A única avaliação em que a ordem se inverte.
• HLE-MultiChoice — d1-ultra 47,39, Drex Max v1.1 46,61, mas na precisão bruta d1-ultra está em 6,09% e Drex em 8,25%.
• Abstenção — o d1-ultra recusa-se a responder a 88,61% das perguntas de onisciência que não consegue responder, o Drex Max v1.1 a 65,28% e o Microsoft-Decision-1 a 21,74%.
• Tempo por tarefa — Drex Max v1.1 275 ms, d1-ultra 295 ms.
• Custo por 1M de tarefas — Drex Max v1.1 $102, d1-ultra $132.
Leia a linha de abstenção duas vezes, porque ela explica a linha de onisciência e é a propriedade menos intuitiva do quadro. A pontuação de decisão de onisciência mais alta do d1-ultra não se deve principalmente ao conhecimento: sua acurácia bruta ali é de 28,0%, a mesma do Drex Max v1.1. Ele pontua mais alto porque diz "não sei" com muito mais frequência, e a função de pontuação recompensa isso. Mammoth 27B e Elephant 9B lideram a avaliação de simetria pelo mesmo motivo — a Artificial Analysis afirma sem rodeios que os modelos da Baseten "admitem consistentemente que não sabem uma resposta com alta confiança em diferentes variações da pergunta."
Nada disso é uma falha da métrica. É uma afirmação sobre o que você está comprando. O d1-ultra é o modelo a que se recorre quando uma pergunta sem resposta custa menos do que uma pergunta errada. O Drex Max v1.1 é o modelo a que se recorre quando algo tem de voltar com uma decisão, e a cauda de baixa confiança vai para um humano.

O que a avaliação da própria Liquid mediu, e o que não mediu
O post de lançamento da Liquid compara o d1-ultra com o d1 e o Jev 1.14 em "112 avaliações exclusivas" e relata que ele supera o Jev em todas elas, com melhor calibração pelo mesmo preço. Trata-se de uma comparação conduzida pelo fornecedor em um instrumento escolhido pelo fornecedor, e ela não diz nada sobre o Drex Max, que não aparece nela. A alegação do índice de oito pontos foi feita em relação ao Decision Index v1.0, publicado em 13 de outubro de 2026 — dois dias antes de o d1-ultra existir — e esse painel nunca listou o d1-ultra.
O fornecedor faz, de fato, uma afirmação que o novo placar corrobora: ele treinou o d1-ultra especificamente para ser menos propenso ao excesso de confiança, e o fato de a calibração aparecer como 64,39 em onisciência, contra 60,14 do Jev, e de o composto ser 2,0 pontos mais alto que o do Jev com precisão comparável é real. O d1-ultra com 70,45 contra o Jev 1.14 com 66,96 no mesmo instrumento é uma melhoria genuína em relação ao incumbente, medida de forma independente.

A afirmação que não resiste é a do ranking. No v2, o d1-ultra é o quinto entre dezessete, e os quatro modelos acima dele estão todos dentro de 3 pontos. Uma diferença de 3 pontos entre os cinco primeiros não é uma hierarquia; é um empate desfeito pelo componente que sua carga de trabalho por acaso pondera.
O que realmente executar
Ambos os modelos estão hospedados, nenhum está no nosso catálogo, e a maneira honesta de escolher entre eles é uma comparação direta com os seus próprios estados, em vez de com a suíte de qualquer um dos fornecedores. Se você fizer isso, faça com aquilo que o conselho penaliza: documentos de tudo ou nada. Um modelo que acerta 97% das respostas individuais e 63% dos documentos completamente não é duas vezes melhor do que um com 51%; ele é exatamente tão bom quanto a probabilidade de que nenhuma das quinze respostas dependentes esteja errada, que é o que seu pipeline vai experimentar.
O que um roteador muda aqui não é a escolha entre esses dois — não oferecemos nenhum dos dois —, mas o formato do pipeline ao redor deles. Ambos são scorers que ficam a montante de algo que escreve. A etapa de escrita é uma chamada de modelo geral, e é aí que um endpoint com 200+ modelos, preço de tabela do provedor repassado sem markup por token e failover automático de fato economiza uma integração para você, porque o modelo para o qual você roteia vai mudar com mais frequência do que o scorer.
Se você quiser um único motivo para preferir o Drex Max v1.1 hoje, não é o índice composto de 2,9 pontos. É que ele é mais rápido, mais barato por tarefa e sete pontos mais consistente quando a mesma pergunta é formulada de duas maneiras — e consistência é a propriedade que falha silenciosamente em produção, e não ruidosamente em um benchmark. Se você quiser um único motivo para preferir o d1-ultra, é que ele se recusa. Ambas são defensáveis. Nenhuma das manchetes dos fornecedores é.
