Сгенерированная титульная карточка с заголовком «2,2 балла разницы — и цена, которая удваивается» и подзаголовком «d1.2-ultra против Drex Max v1.1 — Decision Index v2.1». На двух карточках со скруглёнными углами написано «d1.2-ultra» над «75» и «Drex Max v1.1» над «73»; их разделяет тонкий вертикальный разделитель. Под ними на широкой полосе написано «$133 за 1 млн задач против $103 сейчас, около $206 по стандартной цене», а на одной плашке с контуром — «независимая комиссия, обе модели прогнаны через Artificial Analysis». Знак OrcaRouter наложен в правом нижнем углу.
Guides & Insights

d1.2-ultra против Drex Max 1.1: разрыв в 2,2 балла и ценник, который удваивается в декабре

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Liquid AI d1.2-ultra опережает Drex Max v1.1 от Nace.AI на 2,23 балла в Artificial Analysis Decision Index v2.1 — 74,85 против 72,62 — а по заявленной цене это более дорогая модель: $0,042 за миллион входных токенов против $0,03. Оба этих числа верны сегодня, но только одно из них останется верным, когда стартовая скидка со стороны Nace истечёт. Artificial Analysis ставит звёздочку в строке затрат Drex Max v1.1: указанные $103 за миллион задач «отражают временную стартовую цену», а по стандартной цене эта стоимость удвоится. Это значит, что пара, которая выглядит как премиальная модель против бюджетной, по стоимости, которая реально определяет развёртывание, оказывается наоборот.

Рейтинг реален и измерен независимо — обе модели были запущены Artificial Analysis на собственном оборудовании, а не кем-либо из поставщиков, — поэтому это сравнение двух строк с оценками, а не двух пресс-релизов. Далее отделяются пункты, которые переживут изменение цены, от тех, которые не переживут.

Во-первых, как сноска влияет на сравнение затрат

A generated two-column scoreboard titled ‘d1.2-ultra vs Drex Max v1.1 - the scoreboard’. The d1.2-ultra column reads Decision Index 75, AA-Paperclip 75.8 at 67.7% all-pass, AA-Symmetry 86.3, HLE accuracy 2.36%, context window 66k and cost per 1M tasks $133. The Drex Max v1.1 column reads Decision Index 73, AA-Paperclip 72.8 at 63.0% all-pass, AA-Symmetry 79.8, HLE accuracy 8.25%, context window 262k and cost per 1M tasks $103 at launch price. The footer reads ‘Both figures per Artificial Analysis Decision Index v2.1; Drex cost reflects a temporary launch price and would double at standard pricing.’

Цены за токен — неподходящая величина для планирования, когда один из двух поставщиков даёт скидку. Правильная — стоимость за задачу, потому что она учитывает, сколько токенов расходует каждая модель, отвечая на один и тот же документ, и именно это Artificial Analysis публикует вместе с индексом.

• За миллион входных токенов — d1.2-ultra $0.042, Drex Max v1.1 $0.03.

• На миллион задач по текущим ценам — d1.2-ultra $133, Drex Max v1.1 $103; последняя отмечена как временная стартовая цена.

• За миллион задач по стандартной цене — d1.2-ultra $133, Drex Max v1.1 примерно $206, согласно собственному примечанию совета о том, что его стоимость будет вдвое выше.

• Медиана по классу — 135 долларов за миллион задач, поэтому модель Liquid находится чуть ниже этого значения, а модель Nace будет значительно выше него.

Эта инверсия важнее, чем можно предположить по разнице в два цента за токен, потому что она меняет, какую модель вы выберете при больших объёмах. Линейка Drex была дешёвым вариантом в этой категории с момента запуска v2 8 ноября; если скидка — это промоакция к запуску, а не пересмотр цен, дешёвый вариант станет дорогим без изменения ни одного бенчмарка. Всем, кто привязал бюджет к цифре $103, стоит спросить у Nace, когда вступает в силу стандартная цена, прежде чем направлять на это квартальный трафик.

Из чего на самом деле складываются 2,2 балла

A headless-browser screenshot of the Artificial Analysis model page for Drex Max v1.1, captured 17 November 2026 in English, showing the Nace.AI vendor label, the heading ‘Drex Max v1.1: Release, Decision Index Score, Performance & Price’, a Decision Index score of 73, a 262k-token context window, and a summary describing the model as amongst the leading decision models and reasonably priced, but notably slow.

Сводный показатель близок. Компоненты — нет, и они указывают в разные стороны, что и есть самое полезное.

• AA-Symmetry, 15% — самый широкий разрыв из шести. d1.2-ultra набирает 86,34 против 79,82 у Drex Max v1.1. По более строгой метрике all-pass, которая требует одинакового ответа при разных перефразированиях, а не хорошего среднего, результат составляет 56,7% против 53,3%. Drex Max v1.1 уже был второй по качеству моделью в своём семействе в этом тесте; модель Liquid просто более устойчива к перефразированию.

• AA-Paperclip, 30% — 75,81 против 72,82 по оценке решений и 67,7% против 63,0% документов, полностью правильных. Три процентных пункта доли документов, прошедших все проверки, — крупнейший вклад в разрыв индекса, и именно этот показатель наиболее прямо соответствует реальному конвейеру извлечения, поскольку документ, в котором отсутствует один из пятнадцати ответов, в любом случае считается неудачным.

• When2Call, 10% — 96,49 против 95,26. Оба значения близки к потолку шкалы оценки; 1,25 балла в тесте, где вся десятка лучших укладывается в полосу шириной в два балла, не является дифференцирующим фактором.

• EvalSafe-O*NET-AA, 15% — 89.53 против 88.32, такой же незначительный перевес, как при подбрасывании монеты.

• AA-Omniscience-Decision v1.1, 15% — 60,80 против 60,27. По баллу фактически ничья, но под ним картина расходится: Drex правильно отвечает на большее число этих вопросов — 28,0% против 23,6%, тогда как d1.2-ultra чаще честно воздерживается — 83,8% ответов без галлюцинаций против 65,3%.

• HLE-MultiChoice v1.1, 15% — 46,36 против 46,61: единственный показатель решений, по которому Nace побеждает, причём на четверть пункта. Но в основе этого разрыв в сырой точности вовсе не в четверть пункта: 8,25% против 2,36%.

Где Drex Max 1.1 всё ещё выигрывает и почему это не погрешность округления

Три вещи на плате говорят в пользу модели Nace, и первые две — из тех, что решают, возможна ли рабочая нагрузка в принципе.

Главное — это контекстное окно. Drex Max v1.1 принимает 262k токенов; d1.2-ultra принимает 66k — что само по себе вдвое больше, чем вмещала предыдущая флагманская модель Liquid. Это четырёхкратная разница в размере состояния, которое можно передать модели за один вызов, и ни одна из моделей не генерирует выходные токены, поэтому нет бюджета выходных токенов, который можно было бы обменять на это. 200-страничный договор, длинный файл претензий или пакет материалов по делу из нескольких документов, который помещается в один запрос Drex, приходится разбивать на фрагменты, заново задавать по ним вопросы и собирать заново на стороне Liquid — и каждая граница фрагмента становится местом, где вопрос, затрагивающий несколько документов, перестаёт иметь ответ.

Второе — знания. В HLE-MultiChoice Drex правильно отвечает на 8,25% вопросов против 2,36%, а в AA-Omniscience-Decision — на 28,0% против 23,6%, при этом значительно реже воздерживается. Высокие показатели отсутствия галлюцинаций у d1.2-ultra — отчасти достоинство, отчасти симптом: модель, которая в трёх случаях из четырёх говорит «Я не знаю», хорошо калибрована, но не очень полезна для вопроса, у которого действительно есть ответ. Если ваша задача — принимать решения по документам, такой компромисс подходит. Если это решения, требующие знаний, то Drex — модель, которая знает больше.

Третье — скорость, и только на бумаге. 283 мс против 218 мс на задачу по индексу; оба показателя медленнее медианы класса в 209 мс, и оба достаточно быстры, чтобы ни один из них не стал узким местом в конвейере, который делает что-либо ещё.

Эти две модели не являются взаимозаменяемыми, что упрощает выбор.

Никакая арифметика индексов не сделает их взаимозаменяемыми, и попытки представить иначе — вот где большинство сравнительных материалов ошибаются. Один — это читатель документов на 66k токенов, настроенный на калибровку и устойчивость к перефразированию; другой — читатель на 262k токенов, который снижает свою цену и отвечает на большее число сложных вопросов. Точка перехода — это не оценка, а размер состояния.

• Если ваши состояния укладываются в 66k, а порог задаётся по вероятности — автоматически одобрять выше 0,9, эскалировать ниже — d1.2-ultra является лучшим инструментом. Лучший показатель Brier среди 24 моделей на доске — 0,150 против 0,160 у Drex, а показатель симметрии на шесть с половиной пунктов выше.

• Если ваши состояния превышают 66k или ваши вопросы требуют знаний, а не чтения, то Drex Max v1.1 — единственный из двух, кто вообще справится с задачей, и разрыв в индексе перестаёт быть решающим числом.

• Если вы чувствительны к стоимости при больших объёмах и цена Nace сохраняется, Drex сегодня обходится дешевле на одну задачу. Если цена вернётся к прежнему уровню, Drex будет дороже из двух, и модель Liquid выигрывает и по оценке, и по стоимости.

Проверять оба, не делая ставку ни на один

Ни одна из моделей не входит в наш каталог, и ничто здесь не является заявлением о доступности ни для одной из них: d1.2-ultra предоставляется через собственный API Liquid, а Drex Max v1.1 — через API Nace. Именно в такой ситуации слой маршрутизации оправдывает себя, а не является просто статьёй расходов, потому что на вопрос, который у команды действительно возникает — воспроизводится ли разрыв в 2,2 пункта на моих документах? — отвечает прогон одних и тех же состояний через обе модели, а не чтение таблицы лидеров.

Третья модель, которую стоит включить в этот тест, — это Jev 1.14, которую мы действительно хостим по цене $0,042 за миллион входных токенов при той же systemone форме запроса. Она лидирует в EvalSafe-O*NET-AA с результатом 91,14 — единственный компонент, где ни одна из этих двух не занимает первое место, — и отвечает за 92 мс, что с большим отрывом делает её самой быстрой из трёх. Теневой прогон с тремя участниками на одном ключе, при котором DSL маршрутизации отправляет одинаковые данные каждому, а автоматическое переключение при сбое поддерживает работоспособность production-пути, если у одного поставщика выдался неудачный день, — более дешёвый способ уладить это, чем цикл закупок.

Что смотреть и когда

Две даты решают исход этого сравнения. Первая — когда закончится стартовая цена Nace: при $103 за миллион задач Drex Max v1.1 — выгодный выбор, при примерно $206 — премиальный, и балл в индексе в любом случае не меняется. Уточните перед планированием бюджета.

Второй — следующая ревизия индекса. Decision Index v2.1 достаточно свеж, поэтому на панели всё ещё есть пометка о его обновлении 16 ноября, а разрыв в 2,2 пункта между первым и вторым укладывается в диапазон, который способна сдвинуть одна ревизия компонента. Если набор приватных документов AA-Paperclip будет обновлён, компонент с весом 30%, формирующий большую часть разрыва, сдвинется первым.

До тех пор честное резюме таково: судя по свидетельствам, d1.2-ultra — лучшая модель, с разрывом, небольшим по сводному показателю и большим по симметрии и доле полного прохождения документов, и она же более дешёвая в расчёте на задачу, как только скидка Nace перестанет действовать. Drex Max v1.1 остаётся единственной из двух, способной принять состояние объёмом 200k токенов, и в вопросах, где нужны знания, а не чтение, она по-прежнему сильнее из этой пары. Выбирайте сначала по размеру состояния, затем по цене и в третью очередь по индексу.

A headless-browser screenshot of the OrcaRouter model page for typesafe/jev-1.14, captured 17 November 2026 in English, showing the /v1/systemone endpoint, Zero Data Retention availability, an input and output list price of $0.04, and measured latencies of 182 ms and 372 ms.
© 2026 OrcaRouter