Um cartão de comparação gerado intitulado 'Drex Max v1.1 vs Liquid AI d1-ultra', com linhas para Decision Index 73,4 contra 70,4, pontuação de decisão de documento 72,8 contra 64,7, taxa de abstenção 65,3 por cento contra 88,6 por cento, tempo por tarefa 275 ms contra 295 ms, e custo por 1 milhão de tarefas US$ 102 contra US$ 132, com um rodapé que diz Artificial Analysis Decision Index v2, 8 de novembro de 2026.
Guides & Insights

Drex Max v1.1 vs Liquid AI d1-ultra: Dois pontuadores multimodais, e uma manchete que já não se sustenta

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

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.

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.

• 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.

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.

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.

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.

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.