Ett genererat titelkort med rubriken "Karpo Decision 31B vs Drex Max 1.1" och underrubriken "Två paneler, ett nummer var — och ingen direkt jämförelse", två rundade paneler sida vid sida märkta "Decision Index" med "Karpo Decision 31B 73.9" och "Artificial Analysis v2.1" med "Drex Max 1.1 72.62", samt en liten vertikal chip i mellanrummet mellan dem med texten "inget gemensamt instrument".
Guides & Insights

Karpo Decision 31B vs Drex Max 1.1: Två brädor, ett nummer var

Författare

Elias Hawthorne

Publiceringsdatum

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

Karpo Decision 31B och Drex Max 1.1 är tillräckligt nära varandra i storlek, form och arbetsbeskrivning för att ett datablad ska få dem att se ut som samma produkt från två företag. Båda är täta ~30B-modeller finjusterade för att svara på skrivna frågor om ett tillstånd i en enda framåtpassning utan att generera text. Båda levereras med ett 255-vägs avläsningshuvud, båda tar emot bilder, båda vägrar hellre än att trunkera en för stor fråga. Skillnaden ligger inte i arkitekturen. Den ligger i vad respektive leverantör har varit villig att låta någon annan mäta, och i vad du får göra med vikterna efteråt. Karpo från MachinePulse har en Full-poäng från tredje part och inget pris. Drex Max 1.1 från Nace.AI har ett oberoende Artificial Analysis-värde, en publicerad taxa och en licens som begränsar kommersiell användning.

Ingen av dessa affärer är uppenbart rätt val. Det här är vad varje sida av affären faktiskt kostar.

Var siffrorna kommer ifrån, eftersom de inte kommer från samma ställe

Börja med det obekväma: på ingen enda resultattavla har båda modellerna en poäng idag.

Karpo Decision 31B finns med i Decision Index, communitytavlan som spårar öppna reproduktioner av TypeSafe's Jev. Dess Full-poäng är 73,9, beräknad av tavlans ansvariga på privata tester, och den delar för närvarande förstaplatsen med GLiDE 27B på 73,4. Dess publika index på 75,05 kommer från MachinePulse's egen körning av det officiella kitet och antogs av tavlan, med resultatfilen för 140 178 förfrågningar publicerad så att alla kan köra om den. Artificial Analysis har ingen rad för Karpo alls.

Drex Max 1.1 är spegelbilden. Artificial Analysis ger den 72,62 på Decision Index v2.1 – tvåa av 25 beslutsmodeller, efter Liquid AI d1.2-ultra på 74,85 och före SubQ Snap 1.2 på 72,58. Den siffran är AA:s, uppmätt på AA:s hårdvara med AA:s privata dokumentuppsättning. Det som Karpo har, men som Drex Max 1.1 inte har: Jev-trackern har en rad för Drex Max v1 på 66,60 Full, och ingen rad alls för v1.1.

Så den enda tillgängliga jämförelsen mellan samma instrument är Karpo Decision 31B på 73,9 mot Drex Max v1 på 66,6 – en skillnad på 7,3 punkter på en och samma tavla, mellan två olika versioner av Nace-modellen, vilket är precis den typ av jämförelse som smickrar den sida man råkar föredra. Drar man linjen åt andra hållet har Drex Max 1.1 ett 72,62 där Karpo inte har något tryckt. Båda påståendena är sanna. Ingen av dem är en direkt jämförelse.

Specifikationerna, dimension för dimension

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.'

Parametrar — Karpo 31,3B i bf16 plus en fp32-readout på 255 × 5 376, cirka 62,5 GB på disk; Drex Max 1.1 är en dense 27B-modell, cirka 49 GB i bf16 och 26 GB med backbone i 8-bit.

• Basmodell — Gemma 4 31B instruktionstrimmad för Karpo, Qwen3.8-27B för Drex Max 1.1. Olika förträningskorpusar, olika tokeniserare, olika allt nedströms.

• Kontext — Karpo tar 32 768 token per sekvens och delar upp en längre förfrågan per fråga, där varje del bär hela tillståndet; Drex Max 1.1 använder som standard 16 384 token per förfrågan och leverantörens dokumentation höjer den till 131 072 per fråga.

• Multimodalitet – båda läser bilder inbyggt, och båda gör skärmbilden synlig för varje fråga i begäran i stället för bara en.

• Frågetyper – identisk yta: val med upp till 255 alternativ, noul för sant/falskt, poäng för en ordnad nivå.

• Gränssnitt — Karpo tillhandahåller System One på POST /v1/systemone från sitt eget Python-paket; Drex Max 1.1 har samma form, plus forks av llama.cpp och Ollama för Apple silicon och CPU.

• Licens — Apache-2.0 för Karpos vikter och kod; Nace.AI Open RAIL-M för Drex Max 1.1, som är öppna vikter med tillhörande användningsrestriktioner.

• Hosting — Karpo har ingen. Drex Max 1.1 tillhandahålls av Nace.AI för 0,03 USD per miljon indatatokens; priset är markerat på AA-tavlan som ett tillfälligt lanseringspris.

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.

Kontextraden är den som folk skummar förbi. Ett hårt tak på 32 768 token med ett uttryckligt avslag är en annan teknisk begränsning än en standard på 16 384 token som du kan höja till 131 072 med en miljövariabel. Om dina tillstånd är fakturor och supportärenden spelar inget av talen någon roll. Om dina tillstånd är avtal kan Nace-modellen tilldelas tio av dem, medan Karpo inte kan tilldelas ett enda.

Hur en kalibreringsskillnad på 11 punkter ser ut i en pipeline

Träffsäkerhet är det tal som folk citerar och det tal som spelar minst roll för den här klassen av modeller. Hela poängen med en beslutsmodell är att dess utdata är en sannolikhet som en tröskel kan agera utifrån, så frågan är om sannolikheten är ärlig.

Karpos kort rapporterar ett kalibreringsfel på 4,8 punkter: när modellen säger 0,9 har den rätt något mindre än 90 % av gångerna, i genomsnitt cirka fem punkter för lite. Drex Max 1.1:s AA-profil har en Brier-poäng på 0,16 över hela frågeuppsättningen, vilket är en annan statistik och inte direkt jämförbar, men samma resultattavla visar också dess konfidensstege: i konfidensfacket 0,98 har modellen rätt 97,5 % av gångerna. Det är en modell vars svar med högst konfidens kan litas på utan vidare.

Den intressanta uppdelningen för Drex Max 1.1 finns i kunskapsutvärderingen. På AA-Omniscience får den en beslutspoäng på 60,3 – men den sammansatta siffran kommer från 28 % rå träffsäkerhet mot en icke-hallucineringsgrad på 65,3 %. Läser man dem tillsammans har man en modell som svarar rätt på ungefär en fjärdedel av kunskapsfrågorna och avstår från att svara på en stor del av resten. Indexet belönar den för att avstå snarare än att hitta på, vilket är det avsedda beteendet för ett beslutslager och en dålig passform för allt som behöver ett faktiskt svar.

Samma instinkt dyker upp på ett annat ställe för Karpo: nio förfrågningar av 140 178 avvisades direkt eftersom en fråga plus dess tillstånd överskred fönstret. Avvisning framför tyst trunkering är rätt standardbeteende. Det är också ett felmod du måste ta dig runt, och ett tak på 32 768 token gör det till ett vanligare sådant.

Latens och distributionens utformning

Karpos registrerade median är 94 ms per anrop på trackerns referenshårdvara, en GPU, ett anrop i taget. AA mäter Drex Max 1.1 till 283 ms per uppgift och en kostnad på $102.7 per miljon uppgifter vid nuvarande lanseringspris. De två siffrorna är inte samma mätning – per anrop mot per uppgift, och en uppgift i AA:s dokumentuppsättning är flera beslut över ett långt dokument – så behandla gapet som indikativt snarare än exakt.

Riktmässigt ligger det något verkligt i det: en 31B Gem​ma-härledd avläsning med en enda delad tillståndspassering är ett nättare objekt än en 27B-modell vars icke-kausala attentionlager skriver om hela sekvensen. Om det nättare spelar roll beror på var anropet sitter. En grind som aktiveras före varje verktygsanrop måste ligga inom turbudgeten. En nattlig ompoängsättning av tusen ärenden bryr sig inte om 200 ms.

Licensfrågan som ingen ställer förrän inköpsavdelningen gör det

Karpo Decision 31B är Apache-2.0, både vikter och kod, med Gemma 4:s egen licens som medföljer i repositoryt. Det är den permissiva änden av öppen.

Drex Max 1.1 omfattas av Nace.AI Open RAIL-M-licensen. Open RAIL-M är verkligen öppen – du kan ladda ner, köra, ändra och vidaredistribuera – men den innehåller användningsrestriktioner som följer med till nedströmsanvändare, och den ålägger dig att föra samma restriktioner vidare. I en forskningsanteckningsbok är den skillnaden osynlig. För en produkt där modellen ingår i en kundvänd pipeline är det en juridisk granskning, och granskningen kommer att fråga vad som händer när du finjusterar den och levererar derivatet. Svaret är "restriktionerna följer med".

Om beslutslagret är interna verktyg är licensen en fotnot. Om det är inbäddat i något du säljer tar Apache-2.0 bort ett möte från den kritiska vägen.

Vilken passar egentligen?

Välj Drex Max 1.1 om du vill ha ett tal som du inte behöver räkna ut, ett pris som du kan lägga in i en budget och tillstånd som varar länge. Det är mätbart i dag, det är hostat i dag, och dess konfidensstege i det övre intervallet är den egenskap som gör ett automatiskt tröskelvärde försvarbart. Kostnaderna är licensrestriktionerna och ett lanseringspris som AA uttryckligen flaggar som tillfälligt.

Välj Karpo Decision 31B om avsaknaden av en hostad slutpunkt inte är ett problem – du har GPU:n, eller så har du ett batchjobb – och om Apache-2.0:s tillåtande villkor spelar roll, och om Full-poängen från resultattavlan är det bevis du litar på. Kostnaderna är 62,5 GB vikter, ett tak på 32 768 token och en leverantör som inte har publicerat något pris, någon produktsida eller något tillkännagivande.

Det finns en tredje position, och för de flesta team är den rätt den här månaden: ingen av dem. Karpo är två veckor gammalt med delad ledning och ingen oberoende poäng; Drex Max 1.1 är prissatt med en rabatt som löper ut. Kör båda mot ditt eget märkta urval och jämför andelen självsäkra men fel snarare än rubriksiffran. För den sittande modellen i det skuggtestet är den billigaste tillgängliga referensen TypeSafe:s egen modell — Jev 1.14 finns i vår katalog, så en tröskelpolicy kan valideras mot det som varje öppen reproduktion jagar, med samma nyckel som du skulle använda för Qwen3.8-27B eller Gemma 4 31B, de två basmodeller som dessa checkpoints byggdes från. Båda baserna serveras via ett API för 200+ modeller till leverantörens listpris utan påslag, vilket är användbart just eftersom ett beslutslager är en plats där du vill byta modell och behålla koden.

Det enda som skulle avgöra den här duellen är en siffra: att Karpo Decision 31B dyker upp på AA-tavlan. Fram till dess är jämförelsen en väl dokumenterad 73,9 mot en väl dokumenterad 72,62, framtagen av två organisationer som aldrig har betygsatt samma uppsats.

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.