Ett genererat titelkort med rubriken ’2,2 poäng isär, och ett pris som fördubblas’, med underrubriken ’d1.2-ultra vs Drex Max v1.1 – Decision Index v2.1’. Två rundade kort visar ’d1.2-ultra’ ovanför ’75’ och ’Drex Max v1.1’ ovanför ’73’, åtskilda av en tunn vertikal avdelare; under dem står det i en bred remsa ’$133 per 1 miljon uppgifter jämfört med $103 nu, cirka $206 till standardpris’, och en konturerad chip visar ’oberoende panel, båda modellerna körs av Artificial Analysis’. OrcaRouter-märket är kompositerat längst ned till höger.
Guides & Insights

d1.2-ultra vs Drex Max 1.1: En skillnad på 2,2 punkter och en prislapp som fördubblas i december

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Liquid AI d1.2-ultra ligger 2,23 poäng före Nace.AI:s Drex Max v1.1 på Artificial Analysis Decision Index v2.1 – 74,85 mot 72,62 – och vad gäller listpris är det den dyrare modellen, med 0,042 USD per miljon input-tokens mot 0,03 USD. Båda siffrorna stämmer i dag, och bara en av dem kommer fortfarande att stämma när lanseringsrabatten hos Nace löper ut. Artificial Analysis förser Drex Max v1.1:s kostnadsrad med en asterisk: de 103 USD per miljon uppgifter som rapporteras "återspeglar ett tillfälligt lanseringspris", och till ordinarie pris skulle den kostnaden fördubblas. Vilket innebär att det par som ser ut som en premiummodell mot en prismedveten modell, sett till den kostnad som faktiskt styr en driftsättning, är det omvända.

Rankingen är verklig och oberoende mätt — båda modellerna kördes av Artificial Analysis på deras egen hårdvara, inte av någon av leverantörerna — så detta är en jämförelse av två poängsatta rader snarare än två pressmeddelanden. Det som följer skiljer på de punkter som kommer att stå kvar efter prisändringen från de som inte kommer att göra det.

Först, vad fotnoten gör med kostnadsjämförelsen

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.’

Pris per token är fel siffra att planera utifrån när en av de två leverantörerna ger rabatt. Kostnad per uppgift är den rätta, eftersom den väger in hur många tokens varje modell förbrukar för att svara på samma dokument, och det är vad Artificial Analysis publicerar tillsammans med indexet.

• Per miljon indatatoken — d1.2-ultra $0,042, Drex Max v1.1 $0,03.

• Per miljon uppgifter vid nuvarande priser — d1.2-ultra $133, Drex Max v1.1 $103, där den senare markeras som ett tillfälligt lanseringspris.

• Per miljon uppgifter till standardpris — d1.2-ultra 133 USD, Drex Max v1.1 ungefär 206 USD enligt styrelsens egen anteckning om att kostnaden skulle vara dubbel.

• Klassmedian — 135 USD per miljon uppgifter, så Liquid-modellen ligger strax under den och Nace-modellen kommer att ligga väl över den.

Den inversionen spelar större roll än vad gapet på två cent per token antyder, eftersom den förändrar vilken modell du väljer vid volym. Drex-linjen har varit det billiga alternativet i den här kategorin sedan v2 lanserades den 8 november; om rabatten är en lanseringskampanj snarare än en ny prissättning blir det billiga alternativet det dyra utan att ett enda benchmark flyttas. Den som har knutit en budget till siffran $103 bör fråga Nace när standardpriset träder i kraft innan de binder ett kvartals trafik till det.

Vad 2,2 poängen faktiskt består av

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.

Kompositen ligger nära. Komponenterna gör det inte, och de pekar åt olika håll, vilket är det användbara.

• AA-Symmetry, 15 % – den största skillnaden av de sex. d1.2-ultra får 86,34 mot Drex Max v1.1:s 79,82. I det strikare all-pass-måttet, som kräver samma svar över omformuleringar snarare än ett bra genomsnitt, ligger den på 56,7 % mot 53,3 %. Drex Max v1.1 var redan den näst bästa modellen i sin egen familj i detta test; Liquid-modellen är helt enkelt mer stabil vid omformuleringar.

• AA-Paperclip, 30 % – 75,81 mot 72,82 i beslutspoäng, och 67,7 % mot 63,0 % av dokumenten helt korrekta. Tre procentenheter i andelen dokument som klarar alla kontroller är den enskilt största bidragande faktorn till indexgapet, och det är den som mest direkt motsvarar en verklig extraktionspipeline, eftersom ett dokument som missar ett av femton svar räknas som ett misslyckande oavsett.

• When2Call, 10 % – 96,49 mot 95,26. Båda ligger nära utvärderingens tak; en och en kvarts poäng på ett test där hela topp tio ligger inom ett tvåpoängsband är inte en särskiljande faktor.

• EvalSafe-O*NET-AA, 15% — 89.53 mot 88.32, likaså en marginal som ett myntkast.

• AA-Omniscience-Decision v1.1, 15 % — 60,80 mot 60,27. I praktiken oavgjort på poängen, men delat under ytan: Drex svarar korrekt på fler av dessa frågor, 28,0 % mot 23,6 %, medan d1.2-ultra avstår mer ärligt, 83,8 % icke-hallucination mot 65,3 %.

• HLE-MultiChoice v1.1, 15 % – 46,36 mot 46,61, den enda beslutspoäng som Nace vinner, med en fjärdedels poäng. Under det är den råa noggrannhetsklyftan inte en fjärdedels poäng: 8,25 % mot 2,36 %.

Där Drex Max 1.1 fortfarande vinner, och varför det inte är ett avrundningsfel

Tre saker på tavlan talar för Nace-modellen, och de två första är av det slag som avgör om en arbetsbelastning överhuvudtaget är möjlig.

Kontextfönstret är det stora. Drex Max v1.1 tar emot 262k tokens; d1.2-ultra tar emot 66k, vilket i sig är dubbelt så mycket som Liquids tidigare flaggskepp hade. Det är en fyra gånger så stor skillnad i storleken på det tillstånd du kan ge modellen i ett anrop, och ingen av modellerna genererar utdatatokens, så det finns ingen utdatabudget att väga mot det. Ett 200-sidigt kontrakt, en lång skadeakt eller ett ärendepaket med flera dokument som får plats i en enda Drex-förfrågan måste delas upp i chunkar, frågas igen och sättas ihop igen på Liquid-sidan – och varje chunkgräns är en plats där en fråga som spänner över dokument inte längre går att besvara.

Den andra är kunskap. På HLE-MultiChoice svarar Drex korrekt på 8,25 % av frågorna jämfört med 2,36 %, och på AA-Omniscience-Decision svarar den 28,0 % jämfört med 23,6 % – samtidigt som den avstår från att svara mycket mer sällan. d1.2-ultras höga grad av icke-hallucination är delvis en dygd och delvis ett symptom: en modell som säger "jag vet inte" tre gånger av fyra är välkalibrerad och inte särskilt användbar på en fråga som verkligen har ett svar. Om din uppgift är beslut om dokument är den avvägningen okej. Om det är beslut som kräver att man vet något är Drex modellen som vet mer.

Det tredje är hastighet, bara på papperet. 283 ms mot 218 ms per uppgift på indexet, båda långsammare än klassmedianen på 209 ms, och båda tillräckligt snabba för att ingen av dem kommer att vara flaskhalsen i en pipeline som gör något annat.

De två modellerna är inte utbytbara, vilket förenklar valet

Ingen mängd indexaritmetik gör dessa utbytbara, och att låtsas något annat är där de flesta jämförelseartiklar går fel. Den ena är en dokumentläsare på 66k token, trimmad för kalibrering och parafrasstabilitet; den andra är en läsare på 262k token som sänker sitt pris och besvarar fler svåra frågor. Skärningspunkten är inte en poäng, den är en tillståndsstorlek.

• Om dina tillstånd ryms inom 66k och du sätter tröskeln på sannolikheten – godkänn automatiskt över 0,9, eskalera under – är d1.2-ultra det bättre verktyget. Bästa Brier-poängen av de 24 modellerna på listan med 0,150, mot 0,160 för Drex, och en symmetripoäng som är sex och en halv poäng högre.

• Om dina tillstånd överstiger 66k, eller om dina frågor kräver kunskap snarare än läsning, är Drex Max v1.1 den enda av de två som överhuvudtaget klarar jobbet, och indexgapet slutar vara den avgörande siffran.

• Om du är kostnadskänslig vid stora volymer och Nace-priset håller är Drex billigare per uppgift idag. Om priset återgår är det det dyrare av de två och Liquid-modellen vinner både på poäng och kostnad.

Testar båda utan att satsa på någon av dem

Ingendera modellen finns i vår katalog, och inget här utgör ett påstående om tillgänglighet för någon av dem: d1.2-ultra tillhandahålls via Liquids eget API och Drex Max v1.1 via Naces. Det är precis den situation där ett routningslager förtjänar sin plats snarare än att bara vara en rad i budgeten, eftersom frågan ett team faktiskt har – återupprepas gapet på 2,2 punkter i mina dokument? – besvaras genom att köra samma tillstånd genom båda, inte genom att läsa en topplista.

Den tredje modellen som är värd att ta med i det testet är Jev 1.14, som vi faktiskt hostar för $0,042 per miljon indatatokens för samma systemone-anropsform. Det leder EvalSafe-O*NET-AA på 91,14, den enda komponenten där ingen av dessa två är först, och det svarar på 92 ms — klart snabbast av de tre. En trevägsskuggkörning över en nyckel, med routing-DSL som skickar samma nyttolast till var och en och automatisk failover som håller en produktionsväg vid liv om en leverantör har en dålig eftermiddag, är ett billigare sätt att avgöra detta än en upphandlingscykel.

Vad man ska titta på, och när

Två datum avgör den här duellen. Det första är när Naces lanseringspris slutar gälla: till $103 per miljon uppgifter är Drex Max v1.1 det prisvärda valet, vid ungefär $206 är det premiumalternativet, och indexpoängen ändras inte oavsett. Fråga innan du budgeterar.

Den andra är nästa indexrevidering. Decision Index v2.1 är tillräckligt nytt för att tavlan fortfarande ska bära en anteckning om att den uppdaterades den 16 november, och ett gap på 2,2 poäng mellan första och andra plats ligger inom det spann som en komponentrevidering kan förskjuta. Om AA-Paperclips privata dokumentuppsättning uppdateras är den 30-procentviktade komponent som bidrar med största delen av gapet den som kommer att röra sig först.

Fram till dess är den ärliga sammanfattningen denna: d1.2-ultra är den bättre modellen enligt evidensen, med en marginal som är liten på det sammansatta måttet och stor på symmetri och andelen dokument som klarar alla kriterier, och den är den billigare modellen per uppgift så snart Nace-rabatten löper ut. Drex Max v1.1 är fortfarande den enda av de två som kan svälja ett tillstånd på 200 000 token, och på frågor som kräver kunskap snarare än läsning är den fortfarande den starkare av de två. Välj först efter tillståndsstorlek, sedan efter pris och sist efter index.

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.