Um cartão de título gerado com o cabeçalho 'Karpo Decision 31B vs Liquid AI D1 Ultra' e o subtítulo 'Um tem preço. O outro tem uma história.', quatro chips com os dizeres '$0,042 por milhão de tokens de entrada', '70,58 no Artificial Analysis v2.1', '73,9 no painel da comunidade' e 'nenhuma linha do Artificial Analysis para Karpo', e dois cartões com contorno separados por um divisor fino com os rótulos 'com preço e servido' e 'pesos abertos, sem endpoint'.
Guides & Insights

Karpo Decision 31B vs Liquid AI D1 Ultra: Um Tem um Preço, o Outro Tem uma História

Autor

jinhao.song

Data de publicação

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

O Liquid AI D1 Ultra é o único modelo desta comparação que uma equipe financeira pode aprovar. Foi lançado em 15 de outubro de 2026, é servido a partir da infraestrutura própria da Liquid a $0,042 por milhão de tokens de entrada com zero tokens de saída por construção, e a Artificial Analysis atribui-lhe 70,58 no Decision Index v2.1 — oitavo entre 25 modelos de decisão, 4,3 pontos atrás do seu próprio sucessor d1.2-ultra e praticamente ao nível do Drex Max 1.1, com 72,62. O Karpo Decision 31B, da MachinePulse, não tem preço, nem endpoint, nem linha na Artificial Analysis. O que tem é uma pontuação Full de 73,9 no Decision Index da comunidade, calculada pelos mantenedores desse conselho, e um repositório Apache-2.0 com duas semanas de existência que ninguém anunciou.

Colocados lado a lado, os dois modelos descrevem as duas formas como um modelo de decisão pode entrar numa organização: um chega com uma fatura e um número medido, o outro chega com um link de download e uma promessa. Qual deles você deve levar em conta depende de a camada de decisão entrar em produção neste trimestre ou estar sendo prototipada para o orçamento do próximo trimestre.

O número que a Liquid está realmente vendendo, e por que ele é o que não alucina

A generated two-column scoreboard titled 'Karpo Decision 31B vs Liquid AI D1 Ultra — the scoreboard'. The Karpo column reads 'Score: 73.9 Decision Index', 'Price: none published', 'Cost per million tasks: self-hosted only', 'Latency: 94 ms per request', 'Non-hallucination: not reported' and 'Licence: Apache-2.0'; the D1 Ultra column reads 'Score: 70.58 Artificial Analysis', 'Price: $0.042 per million input', 'Cost per million tasks: $133', 'Latency: 301 ms per task', 'Non-hallucination: 88.6' and 'Licence: not open, API only'. The footer reads 'Karpo figures per the Decision Index; D1 Ultra figures per Artificial Analysis v2.1.'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.

A manchete do D1 Ultra é uma alegação de primeiro lugar de outubro que o ranking publicado não sustentava, e esse argumento já foi apresentado em outro lugar. O que vale a pena entender agora é o que mudou entre ele e seu antecessor, porque os dados da AA mostram isso com clareza.

Liquid AI d1, o original, obtém 3,3 na taxa de não alucinação da AA para a avaliação de conhecimento. Isso está perto da parte inferior de todo o ranking — um modelo que, quando não sabe, inventa. O D1 Ultra obtém 88,6 na mesma medida. No exame de conhecimento de múltipla escolha, ele passa de 5,6 para 56,9. Quase nada desse movimento vem de acertar mais respostas: a precisão bruta no AA-Omniscience na verdade caiu de 39,8% para 28,0%. O modelo melhorou ao aprender a recusar.

Isso não é um truque. Para uma camada de decisão, é o comportamento mais valioso que existe, porque uma resposta recusada encaminha para um humano e uma resposta inventada com confiança encaminha para um cliente. Mas isso reformula aquilo que o índice está recompensando. O 70,58 do D1 Ultra é substancialmente uma pontuação por abstenção, e o mesmo ranking mostra o custo: no HLE-MultiChoice, a precisão bruta é de 6,09%, uma das figuras mais baixas entre os 25 modelos listados.

O sucessor, d1.2-ultra, foi mais longe na mesma direção e ainda mais além dela — 83,8 de não alucinação com apenas 23,6% de precisão bruta, um índice de 74,85 e o topo da tabela. A Liquid vem otimizando um eixo com afinco, e o eixo é a honestidade, não o conhecimento.

Onde o perfil de Karpo segue na direção oposta

Os números de Karpo vêm de um instrumento diferente, portanto não podem ser subtraídos dos de Liquid. O que eles podem fazer é mostrar uma forma diferente.

Nas cinco categorias do Decision Index, a área mais forte do Karpo é ferramentas e automação, com 88,4 de habilidade corrigida pelo acaso, e a mais fraca é conhecimento e raciocínio, com 65,5. Seu erro de calibração registrado pelo rastreador é de 4,8 pontos. A ficha também informa uma latência mediana de 94 ms em hardware de referência, contra 301 ms por tarefa do D1 Ultra na medição da AA — medições diferentes, uma por solicitação e outra por tarefa, portanto apenas direcionais.

Leia os dois perfis em conjunto e emerge uma diferença coerente: Karpo é um modelo ajustado para a ação — seleção de ferramentas, roteamento, interação com páginas, as pequenas decisões que um agente toma a cada passo —, enquanto D1 Ultra e seu sucessor são ajustados para a recusa. Um modelo que recusa 72% das perguntas de conhecimento é um mecanismo ruim de escolha de ferramentas, porque a seleção de ferramentas não é uma pergunta da qual você tem permissão de se abster. Um modelo que responde corretamente a 88% no roteamento de ferramentas, mas apenas 65% em conhecimento, é um mecanismo ruim de conhecimento.

Esse é o confronto real, e é um confronto de uso pretendido, não de pontuações. A própria forma como a MachinePulse apresenta a ficha do modelo diz isso: o modelo serve para as decisões que um agente toma entre etapas, se deve chamar uma ferramenta ou perguntar primeiro, em qual elemento clicar. O lançamento da Liquid de outubro, e ainda mais o seu sucessor de novembro, serve para avaliar se uma afirmação tem suporte.

A comparação de custos, com as ressalvas incluídas

• Liquid AI D1 Ultra — $0.042 por milhão de tokens de entrada, sem cobrança de saída porque nada é gerado, $133 por milhão de tarefas no conjunto de documentos da AA, mediana de 301 ms por tarefa.

• Karpo Decision 31B — sem preço publicado. Somente auto-hospedado: 62.5 GB de pesos bf16, uma GPU, mediana de 94 ms por requisição no hardware de referência do tracker.

• Drex Max 1.1, em escala — $0,03 por milhão de tokens de entrada com preço de lançamento que a AA sinaliza como temporário, $102,7 por milhão de tarefas.

• A comparação que ninguém publica — um modelo residente de 62,5 GB em uma GPU alugada custa o que essa GPU custa por hora, quer você envie uma requisição ou dez mil. Em volumes pequenos, isso é muito mais que US$ 133 por milhão de tarefas; em volumes altos e sustentados, a situação se inverte.

O valor por tarefa é o que deve servir de base para o orçamento, porque incorpora quantos tokens cada modelo consome para responder ao mesmo documento, e um modelo que relê repetidamente seu estado custa mais por decisão do que sua taxa por token sugere. Os US$ 133 do D1 Ultra são o mais alto dos três modelos Liquid listados aqui e US$ 30 acima do preço de lançamento do Drex Max 1.1. Não é uma camada de decisão barata, e o modelo que ele substituiu custava US$ 63,4.

Onde um nível hospedado realmente vence é no segmento de entrada. Se você precisa de um modelo de decisão para cem solicitações por dia, provisionar 62,5 GB de memória para o Karpo não é uma opção séria, e chamar um endpoint servido a preço de tabela é. Nosso catálogo repassa o preço de tabela do provedor sem markup, então um corte de preço da Liquid entra em vigor no mesmo dia em que é anunciado, e um modelo de decisão pode ficar junto ao restante da stack com uma única chave, em vez de como um segundo contrato. Isso não é um argumento a favor do D1 Ultra em relação ao Karpo; é um argumento para não comprar uma GPU para descobrir se você precisa de uma.

O que o D1 Ultra pode lhe dizer que o Karpo não pode

Três coisas, todas elas do tipo que você descobre no segundo mês.

A primeira é a escada de confiança. A AA publica a calibração por faixa para cada modelo que avalia, e a do D1 Ultra é legível: na faixa de confiança de 0,96 ou mais, ele acerta 97,1% das vezes na avaliação de simetria. Isso indica que um limiar em 0,95 se comporta aproximadamente como anunciado, o que é uma afirmação na qual você pode basear uma fila de revisão. A ficha do Karpo traz um único número agregado — um erro de calibração de 4,8 pontos — e nenhuma curva por faixa. Você pode produzir uma por conta própria, e terá de fazê-lo.

O segundo é a invariância. O AA-Symmetry reordena opções, troca rótulos e nega perguntas de sim/não em 440 variantes, e o D1 Ultra obtém 78,7 com uma taxa de aprovação total de 45,8%. Um modelo de decisão que dá uma resposta diferente quando você ordena as opções alfabeticamente não é um modelo de decisão, é uma moeda com etapas extras. O cartão do Karpo não relata um resultado de invariância e, como sua leitura pontua códigos de opção em posições fixas em vez do texto da opção, essa é exatamente a propriedade que vale a pena verificar antes da implantação.

O terceiro é o comportamento em caso de recusa. A AA relata 88,6 de não alucinação no conjunto de conhecimento do D1 Ultra, o que significa que o caminho de abstenção é exercitado e medido. O Karpo recusa apenas por comprimento — nove de 140.178 solicitações, todas acima do tamanho — e sua ficha não diz nada sobre a abstenção como decisão. Não está documentado se o Karpo recusa uma pergunta que não consegue responder ou se escolhe a opção menos ruim porque a leitura sempre escolhe algo. A seção de limitações diz apenas que ele "sempre escolhe uma das opções fornecidas".

Essa última frase é a mais importante em qualquer uma das duas fichas de modelo. Um modelo de decisão que, estruturalmente, não pode abster-se precisa de uma opção “nenhuma resposta confiável” em todas as listas de escolhas, ou de um limiar sobre a probabilidade, ou de ambos. Os designers do D1 Ultra escolheram a outra arquitetura: ele pode recusar-se a responder, e recusa-se com frequência.

A licença, que é o único ponto em que Karpo vence de forma absoluta

O Karpo Decision 31B é Apache-2.0, pesos e código, com a licença do Gemma 4 incluída em conjunto. Baixe-o, execute-o, modifique-o, distribua a versão derivada, sem necessidade de conversar com um advogado.

Os modelos da Liquid não são abertos. Não há pesos, nem auto-hospedagem, nem ajuste fino com seu próprio tráfego, nem implantação em ambiente isolado. A API é o produto. Para um pipeline interno de classificação que lida com documentos regulamentados, isso é um impedimento para a aquisição de uma forma que um checkpoint de 62,5 GB não é.

Então a troca é nítida e não se trata de pontuações: o Karpo dá a você controle e nada mais; o Liquid dá a você um produto mensurado e retira os pesos. Uma equipe com exigência de conformidade não pode escolher o D1 Ultra a preço algum. Uma equipe com prazo de três semanas não pode escolher o Karpo por mais esforço que faça, porque não há endpoint para chamar.

O que fazer este mês

Se a camada de decisão vai para produção e a entrada é composta por documentos, o D1 Ultra é a escolha defensável, apesar do preço e da baixa precisão de conhecimento bruto, porque é medido, servido e precificado, e o seu comportamento de abstenção é a propriedade que você realmente quer. Em vez disso, fique de olho no d1.2-ultra se estiver comprando agora — é a mesma linha de produto, quatro pontos acima no mesmo quadro, e carrega a mesma ressalva de que uma grande parte da sua pontuação é abstenção, e não conhecimento.

Se a entrada for uma página, uma captura de tela ou uma chamada de ferramenta e você tiver GPUs, Karpo é o modelo mais interessante e a licença mais permissiva, e sua habilidade de roteamento de ferramentas de 88,4 é o número a testar contra seu próprio tráfego. Vá sabendo que você é a primeira pessoa a medi-lo em algo que importa: sem linha AA, sem preço, sem anúncio, e um fornecedor cuja página de produto atualmente retorna 404.

Há um caminho intermediário que vale a pena nomear, porque é o que a maioria das equipes acaba fazendo. Rode o modelo hospedado em produção, rode o aberto contra as mesmas requisições offline e compare a taxa de respostas confiantes e erradas em vez do índice principal. Essa comparação exige que ambos os modelos possam ser chamados com uma única credencial e tenham preço transparente, que é justamente o caso que nosso catálogo existe para viabilizar — um modelo de decisão servido e as bases abertas a partir das quais esses ajustes finos foram construídos, em uma única chave, pelo preço de tabela do provedor. Se a Karpo conseguir um endpoint ou uma submissão à AA no próximo mês, a latência dessa mudança passa a ser o ponto a observar; se não conseguir, o 73.9 continua sendo um número interessante em um painel da comunidade e o D1 Ultra continua sendo o modelo com comprovante.

A capture of the Hugging Face model card for MachinePulseAI/karpo-decision-31B showing the Text Classification tag, the gemma4 image-text-to-text tag, the apache-2.0 licence, the line 'Ranked #1 on the Decision Index, with the highest Full score, 73.9', the description of a multimodal decision model that returns a probability for every option of every question in one forward pass without generating text, 'Fine-tuned from google/gemma-4-31B', 'Parameters: 31.3B in bf16, plus a 255 x 5,376 readout in fp32', the screenshot input at state.viewport_screenshot, and the base-model link to google/gemma-4-31B.