Сгенерированная титульная карточка с заголовком «Karpo Decision 31B vs Liquid AI D1 Ultra» и подзаголовком «У одного есть цена. У другого — история», четырьмя плашками с текстом «$0.042 за миллион входных токенов», «70.58 в Artificial Analysis v2.1», «73.9 на доске сообщества» и «нет строки Artificial Analysis для Karpo», а также двумя карточками с обводкой, разделёнными тонким разделителем с подписями «с ценой и обслуживанием» и «открытые веса, без эндпоинта».
Guides & Insights

Karpo Decision 31B против Liquid AI D1 Ultra: у одного есть цена, у другого — история

Автор

jinhao.song

Дата публикации

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

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

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.

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.

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.
© 2026 OrcaRouter