
Drex Max v1.1 против Liquid AI d1-ultra: два мультимодальных оценщика и заголовок, который больше не соответствует действительности
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 180 tok/s
- tencentНОВИНКАTencent: Hy4 Flash2026-11-16$0.02 / $0.07 за 1 млн токенов · 223 tok/s
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 89 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 98 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 за 1 млн токенов · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
Liquid AI d1-ultraвышла 15 октября 2026 года с фразой, которую на тот момент можно было отстоять: она «превосходит все остальные модели принятия решений в Artificial Analysis Decision Index как минимум на 8 пунктов». Три недели спустя Artificial Analysis заменила этот индекс на v2, пересчитала баллы семнадцати моделей на новых данных, и d1-ultra оказалась пятой с результатом 70.4 — позади Drex Max v1.1 с 73.4, GLiDE v1.2 с 72.8, Mammoth 27B с 72.4 и — с отставанием в три сотых пункта — Decider v1.2 от Perplexity с 70.5. Восьмипунктовое преимущество исчезло, и на этом инструменте оно никогда не измерялось.
Вот в каких рамках стоит рассматривать это сравнение, и стоит точно понимать, что оно означает, а что нет. Это не значит, что d1-ultra стала хуже. Это значит, что таблица изменилась под утверждением, которое было сделано относительно старой версии, — обычная опасность ссылаться на позицию в рейтинге так, будто это свойство модели. Оба они — сильные мультимодальные скореры для принятия решений. Они также ближе друг к другу, чем подразумевает маркетинг любого из вендоров, и они хороши в заметно разных вещах.
Там, где обе модели совпадают, а это большая часть поверхности
Обе являются моделями принятия решений в строгом смысле: вы отправляете состояние и типизированные вопросы, один прямой проход возвращает вероятность для каждого варианта, и текст не генерируется. Обе принимают изображения вместе с текстом. Обе отвечают на одни и те же три формы вопросов — выбор среди именованных вариантов, да/нет и оценка по шкале. Обе тарифицируют только вход, а выход не тарифицируется, поскольку выхода нет.
• Модальность — Drex Max v1.1 читает текст, скриншоты, диаграммы, формы, отсканированные документы, фотографии и кадры видео, восемь изображений на запрос. d1-ultra читает текст, изображения или и то и другое; пример запуска Liquid — фотография платы, сверяемая с её спецификацией.
• Цена за миллион входных токенов — $0.03 для Drex Max v1.1 в течение периода запуска (скидка 50% от каталожной цены $0.06), $0.042 для d1-ultra. Сегодня Nace дешевле, но после окончания скидки это может измениться.
• Оплата изображений — Drex Max v1.1 учитывает токены изображений в пределах лимита 131,072 токена на вопрос. d1-ultra начисляет 1,5 токена за каждый фрагмент 32×32 пикселя, поэтому изображение 1024×1024 стоит 1 536 токенов, а каждый вопрос тарифицируется как отдельный промпт, включая все изображения.
• Контекст — 131 072 токена на вопрос для Drex Max v1.1, при этом 262 144 на весь упакованный запрос. Liquid не публикует сопоставимое окно на один вопрос.
• {{1}}Доступность{{/1}} — Drex Max v1.1 продается через API и консоль Nace; d1-ultra — через API и консоль Liquid. Ни один из них не входит в наш список маршрутов, и ничто здесь не является заявлением о доступности с нашей стороны.
Это правило оплаты за каждый вопрос в d1-ultra — та деталь, которая определяет стоимость при работе с документами в масштабе, и совет директоров это измерил. Artificial Analysis сообщает, что Drex Max v1.1 использует около 9 000 входных токенов для задачи с документом из пятнадцати вопросов против примерно 63 000 у моделей, которые повторно тарифицируют входные данные за каждый вопрос, — а стоимость d1-ultra за задачу составила $132 против $102 у Drex, что близко к соотношению их цен по прайс-листу и немного хуже.
Плата, компонент за компонентом
Совокупный разрыв составляет 2,9 балла. Разрывы по компонентам крайне неравномерны, и закономерность устойчива: Drex выигрывает в работе с документами, а d1-ultra — в знании фактов и в воздержании от ответа.

• Индекс решений v2 — Drex Max v1.1 73.39, d1-ultra 70.45.
• Индекс точности — Drex Max v1.1 58.41, d1-ultra 54.94, то есть оценка без компонента калибровки.
• Оценка решения по документу AA-Paperclip — Drex Max v1.1 72,82, d1-ultra 64,69. Доля случаев со всеми пятнадцатью правильными ответами: 63,0% против 51,3%.
• Вызов инструментов When2Call — Drex Max v1.1 95.26, d1-ultra 93.83. Близко, и оба намного выше 84.39 у Jev 1.14.
• Согласованность перефразирований AA-Symmetry — Drex Max v1.1 84.96, d1-ultra 77.81, разрыв в 7 пунктов, который является вторым по величине расхождением в наборе.
• AA-Omniscience-Decision — d1-ultra 64.39, Drex Max v1.1 60.27. Единственная оценка, в которой порядок меняется на обратный.
• HLE-MultiChoice — d1-ultra 47.39, Drex Max v1.1 46.61, но по чистой точности d1-ultra — 6.09%, а Drex — 8.25%.
• Отказ от ответа — d1-ultra отказывается отвечать на 88,61% вопросов на всезнание, на которые не может ответить, Drex Max v1.1 — на 65,28%, Microsoft-Decision-1 — на 21,74%.
• Время на одну задачу — Drex Max v1.1 275 мс, d1-ultra 295 мс.
• Стоимость за 1 млн задач — Drex Max v1.1 $102, d1-ultra $132.
Прочитайте строку воздержания от ответа дважды, потому что она объясняет строку всеведения, и это наименее интуитивное свойство в таблице. Более высокая оценка решения по всеведению у d1-ultra обусловлена не столько знаниями: её сырая точность там составляет 28,0% — столько же, сколько у Drex Max v1.1. Она получает более высокую оценку, потому что гораздо чаще говорит «Я не знаю», и функция оценки вознаграждает это. Mammoth 27B и Elephant 9B лидируют в оценке симметрии по той же причине — Artificial Analysis прямо говорит, что модели Baseten «последовательно признают, что не знают ответа, с высокой уверенностью при вариациях вопросов».
Ничто из этого не является недостатком метрики. Это утверждение о том, что вы покупаете. d1-ultra — это модель, к которой стоит обратиться, когда неотвеченный вопрос обходится дешевле, чем неверный. Drex Max v1.1 — это модель, к которой стоит обратиться, когда нужно получить результат с решением, а случаи с низкой уверенностью передаются человеку.

Что измерила собственная оценка Liquid, а что — нет
В посте Liquid о запуске d1-ultra сравнивается с d1 и Jev 1.14 по «112 уникальным оценкам» и сообщается, что он превосходит Jev в каждой из них, демонстрируя лучшую калибровку при той же цене. Это сравнение, проведённое поставщиком на выбранном поставщиком инструменте, и в нём ничего не говорится о Drex Max, который в нём не фигурирует. Утверждение о восьмибалльном индексе было сделано на основе Decision Index v1.0, опубликованного 13 октября 2026 года — за два дня до появления d1-ultra — и в этой таблице d1-ultra никогда не значился.
Производитель действительно делает одно утверждение, которое подтверждает новая таблица лидеров: он специально обучал d1-ultra быть менее самоуверенным, и то, что калибровка показывает 64,39 по omniscience против 60,14 у Jev, а составной показатель на 2,0 пункта выше, чем у Jev, при сопоставимой точности — это реально. d1-ultra с 70,45 против 66,96 у Jev 1.14 на том же инструменте — это подлинное улучшение по сравнению с действующим решением, измеренное независимо.

Утверждение, которое не выдерживает проверки, — это рейтинг. В v2 d1-ultra занимает пятое место из семнадцати, и все четыре модели выше неё укладываются в 3 балла. Разброс в 3 балла среди первых пяти — это не иерархия; это ничья, которую разрешает то, какой компонент случайно оказывается весомее для вашей нагрузки.
Что именно запускать
Обе модели предоставляются как хостинговые, ни одна из них не входит в наш каталог, и честный способ выбрать между ними — это сравнительное испытание на ваших собственных состояниях, а не на наборе тестов любого из поставщиков. Если вы его проведёте, проводите его на том, за что наказывает совет: документах по принципу «всё или ничего». Модель, которая даёт 97% правильных отдельных ответов и 63% полностью правильных документов, не вдвое лучше модели с 51%; она ровно так же хороша, как вероятность того, что ни один из пятнадцати зависимых ответов не окажется неверным, — а именно с этим и столкнётся ваш конвейер.
Что здесь меняет роутер — это не выбор между этими двумя (мы не поддерживаем ни один из них), а форма пайплайна вокруг них. Оба — это скореры, которые стоят выше по потоку от компонента, выполняющего запись. Этап записи — это вызов универсальной модели, и именно здесь один эндпоинт с более чем 200 моделями, передача цены провайдера по прайс-листу без наценки за токен и автоматическое переключение при сбое действительно избавляют вас от необходимости в отдельной интеграции, потому что модель, на которую вы маршрутизируете, будет меняться чаще, чем скорер.
Если вам нужна единственная причина предпочесть сегодня Drex Max v1.1, то дело не в составном показателе в 2,9 пункта. Дело в том, что он быстрее, дешевле в расчёте на задачу и на семь пунктов последовательнее, когда один и тот же вопрос сформулирован двумя способами, — а согласованность — это свойство, которое тихо ломается в продакшене, а не громко на бенчмарке. Если вам нужна единственная причина предпочесть d1-ultra, то она в том, что он отказывается. Обе позиции защитимы. Ни один из главных тезисов вендоров — нет.
