Сгенерированная титульная карточка с заголовком «Karpo Decision 31B vs Drex Max 1.1» и подзаголовком «Две панели, по одному числу на каждой — и никакого очного сравнения», две скруглённые панели рядом с подписями «Индекс решений» со значением «Karpo Decision 31B 73.9» и «Artificial Analysis v2.1» со значением «Drex Max 1.1 72.62», а также небольшой вертикальный чип в промежутке между ними с надписью «общий инструмент отсутствует».
Guides & Insights

Karpo Decision 31B против Drex Max 1.1: две платы, по одному числу у каждой

Автор

Elias Hawthorne

Дата публикации

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

Karpo Decision 31B и Drex Max 1.1 настолько близки по размеру, форме и назначению, что в спецификации они выглядят как один и тот же продукт от двух компаний. Обе — плотные модели примерно на 30B параметров, дообученные отвечать на типизированные вопросы о состоянии за один прямой проход без генерации текста. Обе поставляются с 255-классовой головой вывода, обе принимают изображения, обе отказываются отвечать, а не усекают чрезмерно большой вопрос. Расхождение не в архитектуре. Оно в том, что каждый вендор был готов позволить измерить сторонним людям, и в том, что вам разрешено делать с весами после этого. Karpo от MachinePulse имеет стороннюю оценку Full и не имеет цены. Drex Max 1.1 от Nace.AI имеет независимый показатель Artificial Analysis, опубликованный тариф и лицензию, ограничивающую коммерческое использование.

Ни одна из этих сделок не является очевидно правильной. Вот сколько на самом деле стоит каждая сторона сделки.

Откуда берутся эти числа, ведь они берутся не из одного и того же места

Начнём с неприятного: сегодня ни в одном рейтинге у обеих моделей нет оценки.

Karpo Decision 31B фигурирует в Decision Index — общественном совете, отслеживающем открытые воспроизведения Je​v от TypeSafe. Его Full score составляет 73,9; она рассчитана сопровождающими совета на закрытых тестах, и сейчас он делит первое место с GLiDE 27B с результатом 73,4. Его публичный индекс 75,05 получен в ходе собственного прогона MachinePulse официального набора и был принят советом, а файл результатов по 140 178 запросам опубликован, чтобы любой мог повторить запуск. У Artificial Analysis вообще нет строки для Karpo.

Drex Max 1.1 — это зеркальное отражение. Artificial Analysis оценивает его в 72.62 по Decision Index v2.1 — второе место среди 25 моделей принятия решений, после Liquid AI d1.2-ultra с 74.85 и перед SubQ Snap 1.2 с 72.58. Это число AA, измеренное на оборудовании AA с использованием закрытого набора документов AA. Чего у Drex Max 1.1 нет, а у Karpo есть: в трекере Je​v есть строка для Drex Max v1 со значением 66.60 Full, а строки для v1.1 нет вообще.

Итак, единственное доступное сравнение в рамках одного и того же инструмента — это Karpo Decision 31B с 73,9 против Drex Max v1 с 66,6 — разрыв в 7,3 пункта на одной доске, между двумя разными версиями модели Nace, и это как раз тот тип сравнения, который льстит той стороне, которой вы симпатизируете. Проведите границу иначе, и у Drex Max 1.1 будет 72,62 там, где у Karpo ничего не напечатано. Оба утверждения верны. Ни одно из них не является очным сравнением.

Характеристики, измерение за измерением

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.'

• Параметры — Karpo 31.3B в bf16 плюс fp32-ридаут 255 × 5,376, около 62,5 ГБ на диске; Drex Max 1.1 — плотная модель на 27B, около 49 ГБ в bf16 и 26 ГБ при 8-битном бэкбоне.

• Базовая модель — Gemma 4 31B дообученная на инструкциях для Karpo, Qwen3.8-27B для Drex Max 1.1. Разные корпуса предварительного обучения, разные токенизаторы, и всё дальнейшее — тоже разное.

• Контекст — Karpo принимает 32 768 токенов на последовательность и разбивает более длинный запрос по вопросам, причём каждая часть несёт полное состояние; Drex Max 1.1 по умолчанию использует 16 384 токена на запрос, а документация поставщика повышает это значение до 131 072 на каждый вопрос.

• Мультимодальность — обе нативно читают изображения, и обе делают скриншот видимым для каждого вопроса в запросе, а не только для одного.

• Типы вопросов — одинаковый интерфейс: choice до 255 вариантов, noul для «верно/неверно», score для упорядоченного уровня.

• Интерфейс — Karpo обслуживает System One по адресу POST /v1/systemone из собственного Python-пакета; Drex Max 1.1 имеет такую же структуру, а также форки llama.cpp и Ollama для Apple silicon и CPU.

• Лицензия — Apache-2.0 для весов и кода Karpo; Nace.AI Open RAIL-M для Drex Max 1.1, который представляет собой открытые веса с прикреплёнными ограничениями использования.

• Хостинг — у Karpo его нет. Drex Max 1.1 обслуживается Nace.AI по цене $0.03 за миллион входных токенов; на панели AA это отмечено как временная цена запуска.

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.

Строку контекста обычно просматривают мельком. Жёсткий потолок в 32 768 токенов с явным отказом — это инженерное ограничение, отличное от значения по умолчанию в 16 384 токена, которое можно поднять до 131 072 с помощью переменной окружения. Если ваши состояния — это счета и заявки в поддержку, ни одно из этих чисел не имеет значения. Если ваши состояния — это контракты, модели Nace можно передать десять из них, а Karpo нельзя передать ни одного.

Как выглядят 11 пунктов разницы в калибровке в пайплайне

Accuracy — это число, которое люди цитируют, и число, которое меньше всего значит для моделей этого класса. Весь смысл модели принятия решений в том, что её выход — это вероятность, с которой может работать порог, поэтому вопрос в том, честна ли эта вероятность.

Карточка Karpo сообщает о калибровочной ошибке в 4,8 пункта: когда модель говорит 0,9, она права чуть менее чем в 90% случаев — в среднем примерно на пять пунктов меньше. AA-профиль Drex Max 1.1 имеет показатель Brier 0,16 по полному набору вопросов; это другая статистика, и её нельзя напрямую сравнивать, но на той же панели также показана его лестница уверенности: в диапазоне уверенности 0,98 модель права в 97,5% случаев. Это модель, чьим ответам с наивысшей уверенностью можно доверять без оговорок.

Интересный разрыв у Drex Max 1.1 проявляется в оценке знаний. В AA-Omniscience он получает оценку решений 60,3 — но этот составной показатель складывается из 28% сырой точности при уровне негаллюцинаций 65,3%. Если прочитать это вместе, получается модель, которая правильно отвечает примерно на четверть вопросов о знаниях и отказывается отвечать на большую долю остальных. Индекс вознаграждает её за отказ, а не за выдумывание, что является желательным поведением для слоя принятия решений и плохо подходит для всего, что требует фактического ответа.

У Karpo тот же инстинкт проявляется в другом месте: девять запросов из 140,178 были отклонены сразу, потому что вопрос вместе с его состоянием переполнил окно. Отказ вместо тихого усечения — правильное поведение по умолчанию. Это также режим отказа, который приходится обходить, и потолок в 32,768 токенов делает его более частым.

Задержка и структура развертывания

Зафиксированная медиана Karpo составляет 94 мс на запрос на эталонном оборудовании трекера: одна GPU, один запрос за раз. AA измеряет Drex Max 1.1 в 283 мс на задачу и стоимость $102,7 за миллион задач при текущей стартовой цене. Эти два числа — не одно и то же измерение: на запрос против на задачу, а задача в наборе документов AA — это несколько решений по одному длинному документу, — поэтому рассматривайте разрыв как ориентировочный, а не точный.

В смысле общего направления это говорит о реальной вещи: выходное считывание на базе 31B Gem​ma с одним общим проходом состояния — более компактный объект, чем 27B-модель, у которой некаузальные слои внимания переписывают всю последовательность. Имеет ли значение эта компактность, зависит от того, где находится вызов. Гейт, срабатывающий перед каждым вызовом инструмента, должен укладываться в бюджет хода. Ночному пересчёту оценок тысячи тикетов 200 мс не важны.

Вопрос о лицензии, который никто не задаёт, пока его не задаст отдел закупок

Karpo Decision 31B распространяется под лицензией Apache-2.0 — и веса, и код, — а в репозитории вместе с ним поставляется собственная лицензия Gem​ma 4. Это разрешительный полюс открытости.

Drex Max 1.1 распространяется по лицензии Nace.AI Open RAIL-M. Open RAIL-M действительно открытая — вы можете скачивать, запускать, изменять и распространять — но она содержит ограничения на использование, которые переходят к нижестоящим пользователям, и обязывает вас передавать те же ограничения дальше. Для исследовательского блокнота это различие незаметно. Для продукта, где модель встроена в клиентский пайплайн, это предмет юридической проверки, и в ходе проверки будет задан вопрос, что произойдёт, когда вы дообучите её и выпустите производную. Ответ: «ограничения идут вместе с ней».

Если слой принятия решений — это внутренний инструментарий, лицензия — лишь сноска. Если он встроен во что-то, что вы продаёте, Apache-2.0 убирает одно совещание с критического пути.

Какой из них на самом деле подходит?

Выбирайте Drex Max 1.1, если вам нужно число, которое не пришлось вычислять самому, цена, которую можно заложить в бюджет, и состояния, которые длятся долго. Его можно измерить уже сегодня, он уже сегодня размещён, а его лестница уверенности на верхнем конце — это свойство, которое делает автоматический порог обоснованным. Издержки — это лицензионные ограничения и стартовая цена, которую AA явно отмечает как временную.

Выбирайте Karpo Decision 31B, если отсутствие хостингового эндпоинта не проблема — у вас есть GPU или пакетное задание — и если важна либеральность Apache-2.0, а оценка Full в лидерборде — это то доказательство, которому вы доверяете. Цена вопроса — 62,5 ГБ весов, потолок в 32 768 токенов и вендор, который не опубликовал ни цену, ни страницу продукта, ни анонс.

Есть третья позиция, и для большинства команд именно она верна в этом месяце: ни тот, ни другой. Karpo существует всего две недели, делит первое место и не имеет независимой оценки; Drex Max 1.1 продаётся со скидкой, срок действия которой истекает. Прогоните оба варианта на собственной размеченной выборке и сравните долю уверенных, но неверных ответов, а не заголовочные цифры. Для текущего решения в этом теневом тесте самый дешёвый доступный ориентир — собственная модель TypeSafe — Jev 1.14 есть в нашем каталоге, поэтому пороговую политику можно проверить на том, за чем гонится каждое открытое воспроизведение, на том же ключе, который вы бы использовали для Qwen3.8-27B или Gemma 4 31B — двух базовых моделей, из которых были построены эти чекпойнты. Обе базы обслуживаются через единый API для 200+ моделей по прайс-листовой цене провайдера без наценки, что полезно именно потому, что слой принятия решений — это место, где вы хотите менять модель, сохраняя код.

Единственное, что поставило бы точку в этом противостоянии, — это одна цифра: появление Karpo Decision 31B в рейтинге AA board. До тех пор это сравнение хорошо задокументированного результата 73,9 с хорошо задокументированным 72,62, полученными двумя организациями, которые никогда не оценивали одну и ту же работу.

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.
© 2026 OrcaRouter