
Karpo Decision 31B против Liquid AI D1 Ultra: у одного есть цена, у другого — история
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 184 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 · 87 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 96 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 · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 77 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 · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 69 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 · 41 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 · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 111 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 Ultra — единственная модель в этом сравнении, которую может одобрить финансовая команда. Она вышла 15 октября 2026 года, обслуживается из собственной инфраструктуры Liquid по цене $0,042 за миллион входных токенов при нулевом количестве выходных токенов по построению, а Artificial Analysis оценивает её в 70,58 по Decision Index v2.1 — восьмое место среди 25 моделей принятия решений, на 4,3 балла позади собственной преемницы d1.2-ultra и примерно на уровне Drex Max 1.1 с 72,62. У Karpo Decision 31B от MachinePulse нет ни цены, ни эндпоинта, ни строки в Artificial Analysis. Зато у неё есть показатель Full score 73,9 в community Decision Index, рассчитанный сопровождающими этой таблицы, и двухнедельный репозиторий Apache-2.0, о котором никто не объявлял.
Если поставить их рядом, две модели описывают два способа, которыми модель принятия решений может войти в организацию: одна приходит со счётом и измеренной цифрой, другая — со ссылкой на скачивание и обещанием. Какая из них должна вас интересовать, зависит от того, отправляется ли слой принятия решений в продакшен в этом квартале или прототипируется под бюджет следующего квартала.
Число, которое Liquid на самом деле продаёт, и почему именно оно не является галлюцинацией


Заголовок D1 Ultra — это заявка на первое место от октября, которую опубликованная таблица не подтверждала, и этот аргумент уже приводился в другом месте. Сейчас стоит понять, что изменилось между ним и его предшественником, потому что данные AA показывают это наглядно.
Liquid AI d1, оригинальная версия, набирает 3,3 балла по показателю отсутствия галлюцинаций AA в рамках оценки знаний. Это близко к самому низу всей таблицы — модель, которая, когда не знает, выдумывает. D1 Ultra набирает 88,6 по тому же показателю. На экзамене на знания с множественным выбором она поднимается с 5,6 до 56,9. Почти ничего из этого роста не связано с тем, что она стала давать больше правильных ответов: фактическая точность на AA-Omniscience на самом деле упала с 39,8% до 28,0%. Модель стала лучше, научившись отказываться от ответа.
Это не уловка. Для слоя принятия решений это самое ценное поведение из всех возможных, потому что отказ от ответа передаёт вопрос человеку, а уверенно выдуманный ответ — клиенту. Но это меняет представление о том, что поощряет индекс. Показатель D1 Ultra, 70.58, в значительной степени является оценкой за воздержание от ответа, и та же таблица показывает цену: на HLE-MultiChoice сырая точность составляет 6.09% — один из самых низких показателей среди 25 перечисленных моделей.
Преемник, d1.2-ultra, продвинулся дальше в том же направлении — и ещё дальше за его пределы: 83,8 по показателю отсутствия галлюцинаций при всего 23,6% сырой точности, индекс 74,85 и первое место в таблице. Liquid упорно оптимизировала одну ось, и эта ось — честность, а не знания.
Там, где профиль Карпо идёт в обратную сторону
Числа Karpo получены с помощью другого инструмента, поэтому их нельзя вычесть из чисел Liquid. Зато они могут показать другую форму.
По пяти категориям Индекса решений самая сильная область Karpo — инструменты и автоматизация с показателем 88,4 с поправкой на случайный выбор, а самая слабая — знания и рассуждения с 65,5. Зафиксированная трекером ошибка калибровки составляет 4,8 пункта. В карточке также указана медианная задержка 94 мс на эталонном оборудовании против 301 мс на задачу для D1 Ultra по измерению AA — это разные измерения, одно на запрос, другое на задачу, поэтому сравнение носит лишь ориентировочный характер.
Если прочитать оба профиля вместе, проявляется последовательное различие: Karpo — это модель, настроенная на действие — выбор инструментов, маршрутизацию, взаимодействие со страницей, небольшие решения, которые агент принимает на каждом шаге, — тогда как D1 Ultra и его преемник настроены на отказ. Модель, которая отказывается отвечать на 72% вопросов на знание, — плохой движок выбора инструментов, потому что выбор инструмента — это не вопрос, от ответа на который можно воздержаться. Модель, которая даёт 88% правильных ответов при маршрутизации инструментов, но только 65% в вопросах знаний, — плохой движок для работы со знаниями.
Это и есть настоящее сравнение, и это сравнение по предполагаемому использованию, а не по оценкам. Формулировка самой MachinePulse в карточке модели говорит именно об этом: модель предназначена для решений, которые агент принимает между шагами, — вызывать ли инструмент или сначала спросить, на какой элемент нажать. Октябрьский релиз Liquid, а ещё в большей степени его ноябрьский преемник, предназначен для оценки того, подкреплено ли утверждение.
Сравнение затрат с прилагаемыми оговорками
• Liquid AI D1 Ultra — $0,042 за миллион входных токенов, плата за вывод не взимается, поскольку ничего не генерируется, $133 за миллион задач на наборе документов AA, медианное время — 301 мс на задачу.
• Karpo Decision 31B — цена не опубликована. Только для самостоятельного развёртывания: 62,5 ГБ весов bf16, одна GPU, 94 мс медианной задержки на запрос на эталонном оборудовании трекера.
Drex Max 1.1, для масштаба — $0.03 за миллион входных токенов по стартовой цене, которую AA отмечает как временную, $102.7 за миллион задач.
• Сравнение, которое никто не публикует: модель на 62,5 ГБ, постоянно находящаяся в памяти, на арендованном GPU стоит столько, сколько этот GPU стоит в час, независимо от того, отправите вы один запрос или десять тысяч. При малых объёмах это намного больше $133 за миллион задач; при высоких устойчивых объёмах соотношение переворачивается.
Показатель на задачу — это то, на что нужно ориентироваться при планировании бюджета, потому что он учитывает, сколько токенов каждая модель расходует на ответ по одному и тому же документу, а модель, которая многократно перечитывает своё состояние, обходится дороже за решение, чем предполагает её цена за токен. $133 у D1 Ultra — самый высокий показатель среди трёх моделей Liquid, перечисленных здесь, и на $30 выше стартовой цены Drex Max 1.1. Это не дешёвый слой принятия решений, а модель, которую он заменил, стоила $63,4.
Хостинговый тариф по-настоящему выигрывает в нижнем сегменте. Если вам нужна модель принятия решений для ста запросов в день, выделять 62,5 ГБ памяти для Karpo — несерьёзный вариант, а обращаться к обслуживаемой конечной точке по прайсовой цене — вполне. В нашем каталоге прейскурантная цена провайдера передаётся без наценки, поэтому снижение цены Liquid вступает в силу в тот же день, когда о нём объявляют, а модель принятия решений может располагаться вместе с остальным стеком по одному ключу, а не как отдельный контракт. Это не аргумент в пользу D1 Ultra вместо Karpo; это аргумент за то, чтобы не покупать GPU, чтобы понять, нужен ли он вам.
Что D1 Ultra может сообщить вам, чего не может Karpo
Три вещи — и все они из тех, о которых узнаёшь на втором месяце.
Первое — это лестница уверенности. AA публикует калибровку по каждому бакету для каждой модели, которую оценивает, и у D1 Ultra она читается: в бакете уверенности 0,96 и выше модель оказывается права в 97,1% случаев в оценке симметрии. Это говорит о том, что порог 0,95 ведёт себя примерно так, как заявлено, — утверждение, на котором можно строить очередь проверки. Карточка Karpo даёт одну агрегированную цифру — ошибку калибровки 4,8 пункта — и никакой кривой по бакетам. Вы можете построить её сами — и вам придётся это сделать.
Второе — это инвариантность. AA-Symmetry переупорядочивает варианты, меняет местами метки и инвертирует вопросы с ответом «да/нет» в 440 вариантах, а D1 Ultra набирает 78,7 при доле полностью успешных прохождений 45,8%. Модель принятия решений, которая даёт другой ответ, если упорядочить варианты по алфавиту, — это не модель принятия решений, а монета с лишними шагами. В карточке Karpo не сообщается результат проверки инвариантности, и поскольку её механизм считывания оценивает коды вариантов в фиксированных слотах, а не текст вариантов, это именно то свойство, которое стоит проверить перед развёртыванием.
Третий — поведение при отказе. AA сообщает показатель 88,6 отсутствия галлюцинаций на наборе знаний для D1 Ultra, а значит, путь воздержания задействуется и измеряется. Karpo отказывает только по длине — девять из 140 178 запросов, все превышают лимит — и в его карточке ничего не сказано о воздержании как решении. Не документировано, отклоняет ли Karpo вопрос, на который не может ответить, или выбирает наименее плохой вариант, потому что считывание всегда что-то выбирает. В разделе ограничений говорится только, что он «всегда выбирает один из заданных вариантов».
Это последнее предложение — самое важное в обеих карточках моделей. Модель принятия решений, которая структурно не может воздержаться от ответа, нуждается в варианте «нет уверенного ответа» в каждом списке вариантов, или в пороге вероятности, или в том и другом. Разработчики D1 Ultra выбрали другую архитектуру: она может отказаться от ответа, и делает это часто.
Лицензия, которая является единственным местом, где Карпо одерживает безоговорочную победу
Karpo Decision 31B распространяется под Apache-2.0 — веса и код, а лицензия Gemma 4 прилагается рядом. Скачивайте, запускайте, изменяйте, выпускайте производные — разговор с юристом не требуется.
Модели Liquid не являются открытыми. Нет весов, нет возможности развернуть у себя, нет дообучения на собственном трафике и нет развертывания в изолированной среде. Продуктом является API. Для внутреннего конвейера классификации, обрабатывающего регулируемые документы, это блокер при закупке, тогда как чекпоинт размером 62,5 ГБ — нет.
Так что выбор резок, и дело не в баллах: Karpo даёт вам контроль и больше ничего; Liquid даёт вам выверенный продукт и забирает веса. Команда с требованием комплаенса не может выбрать D1 Ultra ни за какие деньги. Команда с трёхнедельным сроком не может выбрать Karpo при любых усилиях, потому что нет эндпоинта, к которому можно обратиться.
Что делать в этом месяце
Если слой принятия решений выходит в продакшен, а на входе — документы, D1 Ultra — это обоснованный выбор, несмотря на цену и низкую точность «сырых» знаний, потому что он измеряется, обслуживается и имеет цену, а его поведение воздержания от ответа — это именно то свойство, которое вам нужно. Присмотритесь к d1.2-ultra, если вы покупаете сейчас — это та же продуктовая линейка, на четыре пункта выше в той же таблице, и с той же оговоркой, что большая доля его оценки приходится на воздержание от ответа, а не на знания.
Если на входе страница, скриншот или вызов инструмента и у вас есть GPUs, Karpo — более интересная модель и с более разрешительной лицензией, а его навык маршрутизации инструментов 88.4 — это число, которое стоит проверить на собственном трафике. Учитывайте, что вы первый, кто измеряет его на чём-то значимом: ни строки AA, ни цены, ни анонса, а страница продукта вендора сейчас возвращает четыре-ноль-четыре.
Есть промежуточный путь, который стоит назвать, потому что именно к нему в итоге приходят большинство команд. Запускайте хостинговую модель в продакшене, а открытую — офлайн на тех же запросах, и сравнивайте долю уверенных, но неверных ответов, а не сводный индекс. Для такого сравнения нужно, чтобы обе модели можно было вызывать с одним ключом и чтобы цены были прозрачны; именно это и призван обеспечить наш каталог — модель принятия решений, доступная как сервис, и открытые базовые модели, на которых строились эти дообученные версии, по одному ключу, по прайс-листу провайдера. Если Karpo в течение следующего месяца получит эндпоинт или подаст заявку в AA, теперь стоит следить за скоростью этого изменения; если нет, 73.9 останется интересным числом на доске сообщества, а D1 Ultra — моделью с подтверждением.

