Ett genererat titelkort med rubriken 'Karpo Decision 31B vs Liquid AI D1 Ultra' och underrubriken 'Den ena har ett pris. Den andra har en historia.', fyra chips med texten '$0.042 per miljon indatatokens', '70.58 på Artificial Analysis v2.1', '73.9 på gemenskapstavlan' och 'ingen rad för Karpo hos Artificial Analysis', samt två konturerade kort åtskilda av en tunn avdelare märkt 'prissatt och serverad' och 'öppna vikter, ingen slutpunkt'.
Guides & Insights

Karpo Decision 31B vs Liquid AI D1 Ultra: Den ena har ett pris, den andra har en historia

Författare

jinhao.song

Publiceringsdatum

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

Liquid AI D1 Ultra är den enda modellen i den här jämförelsen som ett ekonomiteam kan godkänna. Den lanserades den 15 oktober 2026, serveras från Liquids egen infrastruktur till 0,042 USD per miljon indatatoken med noll utdatatoken per design, och Artificial Analysis ger den 70,58 på Decision Index v2.1 – åttonde av 25 beslutsmodeller, 4,3 poäng efter sin egen efterträdare d1.2-ultra och ungefär jämn med Drex Max 1.1 på 72,62. Karpo Decision 31B från MachinePulse har inget pris, ingen slutpunkt och ingen rad hos Artificial Analysis. Det den har är en Full-poäng på 73,9 i communityns Decision Index, beräknad av den panelens underhållare, och ett två veckor gammalt Apache-2.0-repo som ingen har annonserat.

Ställda sida vid sida beskriver de två modellerna de två sätt på vilka en beslutsmodell kan komma in i en organisation: den ena anländer med en faktura och ett uppmätt tal, den andra anländer med en nedladdningslänk och ett löfte. Vilken du bör bry dig om beror på huruvida beslutsdelen ska gå i produktion det här kvartalet eller prototypas mot nästa kvartals budget.

Siffran som Liquid faktiskt säljer, och varför det är den icke-hallucinerande varianten

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.

D1 Ultras rubrik är ett anspråk på förstaplats från oktober som den publicerade resultattavlan inte stödde, och det argumentet har framförts på annat håll. Det som är värt att förstå nu är vad som förändrades mellan den och dess föregångare, eftersom AA-data visar det tydligt.

Liquid AI d1, originalet, får 3,3 på AA:s icke-hallucinationsgrad för kunskapsutvärderingen. Det är nära botten av hela resultattavlan – en modell som hittar på när den inte vet. D1 Ultra får 88,6 på samma mått. I kunskapsprovet med flervalsfrågor går den från 5,6 till 56,9. Nästan ingen av den förändringen kommer från att fler svar blir rätt: den råa träffsäkerheten på AA-Omniscience sjönk faktiskt från 39,8 % till 28,0 %. Modellen blev bättre genom att lära sig att avstå.

Det är inte ett trick. För ett beslutslager är det det enskilt mest värdefulla beteende som finns, eftersom ett avböjt svar dirigeras till en människa och ett självsäkert påhittat sådant dirigeras till en kund. Men det förändrar bilden av vad indexet belönar. D1 Ultras 70,58 är till stor del en poäng för att avstå från att svara, och samma resultattavla visar kostnaden: på HLE-MultiChoice är den råa noggrannheten 6,09 %, en av de lägsta siffrorna bland de 25 listade modellerna.

Efterföljaren, d1.2-ultra, gick längre i samma riktning och ännu längre bortom den — 83,8 icke-hallucination med endast 23,6 % rå noggrannhet, ett index på 74,85 och toppen av resultattavlan. Liquid har optimerat en axel hårt, och axeln är ärlighet snarare än kunskap.

Där Karpos profil går åt andra hållet

Karpos siffror kommer från ett annat instrument, så de kan inte subtraheras från Liquids. Det de kan göra är att visa en annan form.

Bland de fem kategorierna i Decision Index är Karpos starkaste område verktyg och automatisering med 88,4 chanskorrigerad skicklighet, och det svagaste är kunskap och resonemang med 65,5. Dess av trackern registrerade kalibreringsfel är 4,8 punkter. Kortet rapporterar även en medianlatens på 94 ms på referenshårdvara, mot 301 ms per uppgift för D1 Ultra i AAs mätning — olika mätningar, en per begäran och en per uppgift, så endast vägledande.

Läs de två profilerna tillsammans så framträder en sammanhängande skillnad: Karpo är en modell som är inställd på handling — verktygsval, routning, sidinteraktion, de små beslut en agent fattar vid varje steg — medan D1 Ultra och dess efterträdare är inställda på att vägra. En modell som avböjer 72 % av kunskapsfrågor är en dålig motor för verktygsval, eftersom verktygsval inte är en fråga man får avstå från. En modell som svarar 88 % korrekt på verktygsroutning men bara 65 % på kunskap är en dålig kunskapsmotor.

Det är den verkliga matchningen, och det är en matchning av avsedd användning snarare än av poäng. MachinePulse egen formulering i modellkortet säger samma sak: modellen är till för de beslut en agent fattar mellan steg, om den ska anropa ett verktyg eller fråga först, vilket element den ska klicka på. Liquids oktoberutgåva, och ännu mer dess efterföljare i november, är till för att bedöma om ett påstående stöds.

Kostnadsjämförelsen, med de tillhörande förbehållen

Liquid AI D1 Ultra — 0,042 USD per miljon indatatokens, ingen kostnad för utdata eftersom inget genereras, 133 USD per miljon uppgifter på AA:s dokumentuppsättning, median 301 ms per uppgift.

• Karpo Decision 31B – inget publicerat pris. Endast självhostad: 62,5 GB bf16-vikter, en GPU, 94 ms i median per begäran på trackerns referenshårdvara.

• Drex Max 1.1, som referens — 0,03 USD per miljon indatatoken vid ett lanseringspris som AA flaggar som tillfälligt, 102,7 USD per miljon uppgifter.

• Jämförelsen som ingen publicerar – en resident modell på 62,5 GB på en hyrd GPU kostar vad den GPU:n kostar per timme, oavsett om du skickar en förfrågan eller tiotusen. Vid små volymer är det långt mer än 133 dollar per miljon uppgifter; vid höga, ihållande volymer vänder det.

Siffran per uppgift är den man bör budgetera efter, eftersom den räknar in hur många tokens varje modell gör av med för att svara på samma dokument, och en modell som upprepade gånger läser om sitt tillstånd kostar mer per beslut än vad dess tokenpris antyder. D1 Ultras 133 dollar är den högsta av de tre Liquid-modeller som listas här och 30 dollar över Drex Max 1.1:s lanseringspris. Det är inte ett billigt beslutslager, och modellen den ersatte kostade 63,4 dollar.

Där en hostad nivå verkligen vinner är i det lägre segmentet. Om du behöver en beslutsmodell för hundra förfrågningar per dag är det inte ett seriöst alternativ att avsätta 62,5 GB minne för Karpo, och att anropa en serverad slutpunkt till listpris är det.Vår katalog förmedlar leverantörens listpris vidare utan påslag, så en prissänkning från Liquid slår igenom samma dag som den annonseras, och en beslutsmodell kan ligga bredvid resten av stacken på en enda nyckel i stället för som ett andra avtal. Det är inte ett argument för D1 Ultra framför Karpo; det är ett argument för att inte köpa en GPU för att ta reda på om du behöver en.

Vad D1 Ultra kan berätta för dig som Karpo inte kan

Tre saker, alla av det slag man upptäcker under den andra månaden.

Det första är konfidensstegen. AA publicerar kalibrering per intervall för varje modell den poängsätter, och D1 Ultras är läsbar: i konfidensintervallet 0,96 och uppåt har den rätt 97,1 % av gångerna i symmetriutvärderingen. Det säger att en tröskel på 0,95 beter sig ungefär som utlovat, vilket är ett påstående som man kan bygga en granskningskö på. Karpos kort ger en enda aggregerad siffra – ett kalibreringsfel på 4,8 punkter – och ingen kurva per intervall. Du kan ta fram en själv, och det kommer du att behöva göra.

Den andra är invarians. AA-Symmetry ändrar ordningen på alternativ, byter etiketter och negerar ja/nej-frågor över 440 varianter, och D1 Ultra får 78,7 med en all-pass-frekvens på 45,8 %. En beslutsmodell som ger ett annat svar när man alfabetiserar alternativen är inte en beslutsmodell, det är ett mynt med extra steg. Karpos kort rapporterar inte något invariansresultat, och eftersom dess avläsning poängsätter alternativkoder på fasta platser i stället för alternativtext, är detta precis den egenskap som är värd att verifiera före driftsättning.

Den tredje är beteendet vid vägran. AA rapporterar 88,6 icke-hallucinering på kunskapsuppsättningen för D1 Ultra, vilket innebär att avståendevägen utnyttjas och mäts. Karpo vägrar endast på grund av längd — nio av 140 178 förfrågningar, alla för stora — och dess kort säger ingenting om avstående som ett beslut. Huruvida Karpo avböjer en fråga som den inte kan besvara, eller väljer det minst dåliga alternativet eftersom avläsningen alltid väljer något, är inte dokumenterat. Avsnittet om begränsningar säger endast att den "alltid väljer ett av de angivna alternativen".

Den där sista meningen är den viktigaste i vilket som helst av modellkorten. En beslutsmodell som strukturellt sett inte kan avstå behöver ett alternativ för ”inget säkert svar” i varje alternativlista, eller ett tröskelvärde för sannolikheten, eller båda. D1 Ultras konstruktörer valde den andra arkitekturen: den kan avböja, och den avböjer ofta.

Licensen, som är det enda stället där Karpo vinner helt och hållet

Karpo Decision 31B är Apache-2.0, vikter och kod, med Gemma 4:s licens medföljande. Ladda ner det, kör det, modifiera det, distribuera det härledda verket – inget samtal med en jurist krävs.

Liquids modeller är inte öppna. Det finns inga vikter, ingen egen hosting, ingen finjustering på din egen trafik och ingen luftgapad driftsättning. API:et är produkten. För en intern klassificeringspipeline som hanterar reglerade dokument är det ett upphandlingshinder på ett sätt som en checkpoint på 62,5 GB inte är.

Så avvägningen är skarp, och den handlar inte om poäng: Karpo ger dig kontroll och inget annat; Liquid ger dig en uppmätt produkt och tar bort vikterna. Ett team med ett regelefterlevnadskrav kan inte välja D1 Ultra oavsett pris. Ett team med en treveckorsdeadline kan inte välja Karpo oavsett ansträngning, eftersom det inte finns någon endpoint att anropa.

Vad man kan göra den här månaden

Om beslutsdelen ska ut i produktion och indata är dokument är D1 Ultra det försvarbara valet trots priset och den låga råa kunskapsnoggrannheten, eftersom den är mätt, serverad och prissatt, och dess avståendebeteende är den egenskap du faktiskt vill ha. Håll istället ett öga på d1.2-ultra om du köper nu — det är samma produktlinje, fyra poäng högre på samma resultattavla, och den har samma förbehåll att en stor del av dess poäng är avstående snarare än kunskap.

Om indata är en sida, en skärmbild eller ett verktygsanrop och du har GPU:er är Karpo den mer intressanta modellen och den mer tillåtande licensen, och dess verktygsroutningsförmåga på 88,4 är siffran att testa mot din egen trafik. Gå in med vetskapen om att du är den första personen som mäter den på något som spelar roll: ingen AA-rad, inget pris, inget tillkännagivande och en leverantör vars produktsida för närvarande returnerar fyra-noll-fyra.

Det finns en medelväg värd att namnge, eftersom det är vad de flesta team till slut gör. Kör den hostade modellen i produktion, kör den öppna mot samma förfrågningar offline och jämför andelen självsäkra-och-fel snarare än toppnivåindexet. Den jämförelsen kräver att båda modellerna kan anropas med en och samma autentiseringsuppgift och prissätts transparent, vilket är precis vad vår katalog finns till för att möjliggöra – en serverad beslutsmodell och de öppna basmodeller som dessa finjusteringar byggdes från, på en och samma nyckel, till leverantörens listpris. Om Karpo får en endpoint eller en AA-inlämning under den kommande månaden är latensen för den förändringen nu det man bör hålla ögonen på; om inte förblir 73,9 en intressant siffra på en communitytavla och D1 Ultra förblir modellen med ett kvitto.

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.