Um cartão de título gerado com o cabeçalho 'Karpo Decision 31B vs Drex Max 1.1' e o subtítulo 'Duas tabelas, um número em cada — e nenhuma comparação direta', dois painéis arredondados lado a lado rotulados 'Índice de Decisão' exibindo 'Karpo Decision 31B 73.9' e 'Artificial Analysis v2.1' exibindo 'Drex Max 1.1 72.62', e um pequeno chip vertical no espaço entre eles exibindo 'nenhum instrumento em comum'.
Guides & Insights

Karpo Decision 31B vs Drex Max 1.1: Duas Placas, Um Número Cada

Autor

Elias Hawthorne

Data de publicação

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

O Karpo Decision 31B e o Drex Max 1.1 são próximos o suficiente em tamanho, formato e descrição de tarefa para que uma ficha técnica os faça parecer o mesmo produto de duas empresas. Ambos são modelos densos de ~30B ajustados para responder a perguntas digitadas sobre um estado em um único forward pass, sem gerar texto. Ambos vêm com uma cabeça de leitura de 255 vias, ambos aceitam imagens e ambos recusam em vez de truncar uma pergunta grande demais. A divergência não está na arquitetura. Está no que cada fornecedor tem estado disposto a deixar que outra pessoa meça e no que você tem permissão para fazer com os pesos depois. O Karpo, da MachinePulse, tem uma pontuação Full de terceiros e nenhum preço. O Drex Max 1.1, da Nace.AI, tem um número independente da Artificial Analysis, um preço publicado e uma licença que restringe o uso comercial.

Nenhuma dessas trocas é obviamente a certa. Isto é o que cada lado da troca realmente custa.

De onde vêm os números, porque eles não vêm do mesmo lugar

Comece pela parte desconfortável: hoje, não há um único ranking em que ambos os modelos tenham uma pontuação.

O Karpo Decision 31B aparece no Decision Index, o quadro comunitário que acompanha reproduções abertas do Je​v da TypeSafe. A sua pontuação Full é 73,9, calculada pelos mantenedores do quadro em testes privados, e atualmente partilha o primeiro lugar com o GLiDE 27B, com 73,4. O seu índice público de 75,05 veio da própria execução do kit oficial pela MachinePulse e foi adotado pelo quadro, com o ficheiro de resultados de 140 178 pedidos publicado para que qualquer pessoa o possa voltar a executar. A Artificial Analysis não tem sequer uma linha para o Karpo.

O Drex Max 1.1 é a imagem espelhada. A Artificial Analysis atribui a ele 72,62 no Decision Index v2.1 — segundo entre 25 modelos de decisão, atrás do Liquid AI d1.2-ultra, com 74,85, e à frente do SubQ Snap 1.2, com 72,58. Esse número é da AA, medido no hardware da AA com o conjunto de documentos privados da AA. O que o Karpo tem e o Drex Max 1.1 não tem: o Je​v tracker traz uma linha para Drex Max v1 com 66,60 Full, e nenhuma linha para a v1.1.

Então, a única comparação com o mesmo instrumento disponível é Karpo Decision 31B com 73,9 contra Drex Max v1 com 66,6 — uma diferença de 7,3 pontos em um único ranking, entre duas versões diferentes do modelo Nace, que é exatamente o tipo de comparação que favorece o lado que você por acaso prefere. Faça o recorte pelo outro lado e Drex Max 1.1 tem 72,62 onde Karpo não tem nada impresso. As duas frases são verdadeiras. Nenhuma é um confronto direto.

As especificações, dimensão por dimensão

A generated two-column scoreboard titled 'Karpo Decision 31B vs Drex Max 1.1 — the scoreboard'. The Karpo column reads 'Params: 31.3B, 62.5 GB bf16', 'Context: 32,768 tokens', 'Score: 73.9, Decision Index', 'Price: none published', 'Licence: Apache-2.0' and 'Hosting: self-host only'; the Drex Max 1.1 column reads 'Params: dense 27B, 49 GB bf16', 'Context: 16,384 default, up to 131,072', 'Score: 72.62, Artificial Analysis', 'Price: $0.03 per million input', 'Licence: Nace.AI Open RAIL-M' and 'Hosting: served by Nace.AI'. The footer reads 'Karpo figures per the Decision Index and its model card; Drex figures per Artificial Analysis and Nace.AI.'

• Parâmetros — Karpo 31.3B em bf16, além de um readout fp32 de 255 × 5.376, cerca de 62,5 GB em disco; o Drex Max 1.1 é um modelo denso de 27B, cerca de 49 GB em bf16 e 26 GB com o backbone em 8 bits.

• Modelo base — Gemma 4 31B ajustado por instrução para Karpo, Qwen3.8-27B para Drex Max 1.1. Diferentes corpora de pré-treinamento, diferentes tokenizadores, tudo diferente daí em diante.

• Contexto — Karpo usa 32.768 tokens por sequência e divide uma solicitação mais longa por pergunta, com cada parte carregando o estado completo; Drex Max 1.1 usa 16.384 tokens por solicitação por padrão, e a documentação do fornecedor aumenta para 131.072 por pergunta.

• Multimodalidade — ambos leem imagens nativamente, e ambos tornam a captura de tela visível para cada pergunta da solicitação, em vez de apenas para uma.

• Tipos de pergunta — interface idêntica: escolha com até 255 opções, noul para verdadeiro/falso, pontuação para um nível ordenado.

• Interface — Karpo atende o System One em POST /v1/systemone do seu próprio pacote Python; Drex Max 1.1 tem o mesmo formato, além de forks do llama.cpp e Ollama para Apple silicon e CPU.

• Licença — Apache-2.0 para os pesos e o código do Karpo; Nace.AI Open RAIL-M para o Drex Max 1.1, que são pesos abertos com restrições de uso associadas.

• Hospedagem — a Karpo não oferece nenhuma. O Drex Max 1.1 é servido pela Nace.AI a US$ 0,03 por milhão de tokens de entrada, sinalizado no quadro da AA como preço temporário de lançamento.

A capture of the community Decision Index leaderboard, headed with the multimodalart jev-decision-index attribution, listing Karpo Decision 31B at 73.86 in first place ahead of GLiDE 27B at 73.37, REAX 1.3 at 72.64, Logits Sigma-1 Duo at 72.28, Copernicus-31B at 72.11, KnowLine 31B Gen1.5 at 71.91, Copernicus-57B at 71.8, FlexDM-LoRA 2.1 at 71.66, Sieve 31B v3 at 71.10, OneJev1.6g-31B at 70.86 and Turion Jev 31B at 70.47.

A linha de contexto é aquela que as pessoas passam os olhos sem ler. Um teto rígido de 32.768 tokens com uma recusa explícita é uma restrição de engenharia diferente de um padrão de 16.384 tokens que você pode aumentar para 131.072 com uma variável de ambiente. Se seus estados são faturas e tickets de suporte, nenhum dos dois números importa. Se seus estados são contratos, o modelo Nace pode receber dez deles e Karpo não pode receber nem um.

Como 11 pontos de diferença de calibração aparecem em um pipeline

A acurácia é o número que as pessoas citam e o que menos importa para esta classe de modelo. O objetivo central de um modelo de decisão é que sua saída seja uma probabilidade sobre a qual um limiar possa agir, então a questão é se a probabilidade é honesta.

O cartão de Karpo reporta um erro de calibração de 4,8 pontos: quando o modelo diz 0,9, ele está certo um pouco menos de 90% das vezes, cerca de cinco pontos abaixo, em média. O perfil AA do Drex Max 1.1 traz uma pontuação de Brier de 0,16 em todo o conjunto de perguntas, que é uma estatística diferente e não diretamente comparável, mas o mesmo painel também mostra sua escada de confiança: na faixa de confiança de 0,98, o modelo está certo 97,5% das vezes. Esse é um modelo cujas respostas de maior confiança podem ser levadas a sério pelo valor declarado.

A separação interessante no Drex Max 1.1 está na avaliação de conhecimento. No AA-Omniscience, ele obtém uma pontuação de decisão de 60,3 — mas esse composto vem de 28% de precisão bruta contra uma taxa de não alucinação de 65,3%. Lendo esses números em conjunto, o que se tem é um modelo que responde corretamente a cerca de um quarto das perguntas de conhecimento e se recusa a responder a uma grande parte do restante. O índice o recompensa por recusar em vez de inventar, que é o comportamento pretendido para uma camada de decisão e uma má opção para qualquer coisa que precise de uma resposta de fato.

Para Karpo, o mesmo instinto surge em outro lugar: nove solicitações de 140.178 foram recusadas de imediato porque uma pergunta e seu estado ultrapassaram a janela. Recusar em vez de truncar silenciosamente é o padrão correto. Também é um modo de falha que você precisa contornar, e um teto de 32.768 tokens o torna mais frequente.

Latência e a forma da implantação

A mediana registrada da Karpo é de 94 ms por requisição no hardware de referência do tracker, uma GPU, uma requisição por vez. A AA mede o Drex Max 1.1 em 283 ms por tarefa e um custo de US$ 102,7 por milhão de tarefas no preço de lançamento atual. Os dois números não representam a mesma medição — por requisição contra por tarefa, e uma tarefa no conjunto de documentos da AA envolve várias decisões em um único documento longo —, então trate a diferença como direcional e não como precisa.

Em termos de direção, isso diz algo real: uma leitura derivada do Gem​ma 31B com uma única passagem de estado compartilhado é um objeto mais enxuto do que um modelo de 27B cujas camadas de atenção não causal reescrevem toda a sequência. Se ser mais enxuto importa depende de onde a chamada fica. Um gate que dispara antes de cada chamada de ferramenta precisa caber no orçamento do turno. Uma reavaliação noturna de mil tickets não se importa com 200 ms.

A pergunta sobre licença que ninguém faz até o setor de compras fazer.

O Karpo Decision 31B é Apache-2.0, pesos e código, com a própria licença do Gem​ma 4 incluída no repositório. Esse é o extremo permissivo do aberto.

O Drex Max 1.1 está sob a licença Open RAIL-M da Nace.AI. A Open RAIL-M é genuinamente aberta — é possível baixar, executar, modificar e redistribuir —, mas traz restrições de uso que se propagam aos usuários downstream e obriga você a repassar as mesmas restrições. Para um notebook de pesquisa, essa distinção é invisível. Para um produto em que o modelo fica dentro de um pipeline voltado ao cliente, trata-se de uma revisão jurídica, e a revisão perguntará o que acontece quando você faz fine-tuning nele e distribui o derivado. A resposta é: “as restrições vêm junto”.

Se a camada de decisão for uma ferramenta interna, a licença é uma nota de rodapé. Se estiver incorporada em algo que você vende, a Apache-2.0 remove uma reunião do caminho crítico.

Qual deles realmente se encaixa

Escolha o Drex Max 1.1 se quiser um número que não teve de calcular, um preço que possa incluir num orçamento e estados que se prolongam. É mensurável hoje, está hospedado hoje, e a sua escada de confiança no extremo superior é a propriedade que torna defensável um limiar automatizado. Os custos são as restrições de licença e um preço de lançamento que a AA assinala explicitamente como temporário.

Escolha o Karpo Decision 31B se a ausência de um endpoint hospedado não for um problema — você tem a GPU, ou tem um job em lote — e a permissividade da Apache-2.0 importar, e a pontuação Full do board for a evidência em que você confia. Os custos são 62,5 GB de pesos, um teto de 32.768 tokens e um fornecedor que não publicou preço, página de produto nem anúncio.

Há uma terceira posição e, para a maioria das equipas, é a correta este mês: nenhuma das duas. O Karpo tem duas semanas, uma liderança empatada e nenhuma pontuação independente; o Drex Max 1.1 está com um preço baseado num desconto que expira. Teste ambos com a sua própria amostra rotulada e compare a taxa de respostas confiantes e erradas em vez do resultado principal. Para o modelo atual nesse teste sombra, a referência mais barata disponível é o próprio modelo da TypeSafe — o Jev 1.14 está no nosso catálogo, pelo que uma política de limiar pode ser validada contra aquilo que cada reprodução aberta procura alcançar, na mesma chave que usaria para o Qwen3.8-27B ou o Gemma 4 31B, os dois modelos base a partir dos quais estes checkpoints foram criados. Ambas as bases são servidas através de uma API para mais de 200 modelos ao preço de tabela do provedor, sem acréscimo, o que é útil precisamente porque uma camada de decisão é um local onde se quer trocar o modelo e manter o código.

A única coisa que resolveria este confronto é um número: o Karpo Decision 31B aparecer no quadro da AA. Até lá, a comparação é entre um 73,9 bem documentado e um 72,62 bem documentado, produzidos por duas organizações que nunca avaliaram o mesmo artigo.

A capture of the Artificial Analysis Decision Index v2.1 page showing the six weighted evaluations — AA-Paperclip at 30%, EvalSafe-O*NET-AA at 15%, When2Call at 10%, AA-Omniscience-Decision at 15%, HLE-MultiChoice at 15% and AA-Symmetry at 15% — the methodology note that all evaluations are conducted independently by Artificial Analysis, the 'Update Oct 30, 2026' stamp, and the worked example of a support-ticket state scored by a decision model.