
d1.2-ultra vs Drex Max 1.1: ช่องว่าง 2.2 จุด และป้ายราคาที่จะเพิ่มเป็นสองเท่าในเดือนธันวาคม
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 90 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 97 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-0717 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- Orcaใหม่OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 133 tok/s
- Orcaใหม่OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 ต่อ 1 ล้านโทเค็น · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 219 tok/s
Liquid AI d1.2-ultra นำหน้า Drex Max v1.1 ของ Nace.AI อยู่ 2.23 คะแนนบน Artificial Analysis Decision Index v2.1 — 74.85 เทียบกับ 72.62 — และในด้านราคาป้าย มันเป็นโมเดลที่แพงกว่า โดยอยู่ที่ $0.042 ต่อล้านโทเค็นอินพุต เทียบกับ $0.03 ตัวเลขทั้งสองนั้นเป็นจริงในวันนี้ และมีเพียงหนึ่งในนั้นที่จะยังคงเป็นจริงเมื่อส่วนลดเปิดตัวฝั่ง Nace หมดอายุ Artificial Analysis ติดเครื่องหมายดอกจันไว้ที่แถวต้นทุนของ Drex Max v1.1: ราคา $103 ต่อล้านงานที่รายงานนั้น "สะท้อนราคาเปิดตัวชั่วคราว" และที่ราคามาตรฐาน ต้นทุนนั้นจะเพิ่มเป็นสองเท่า ซึ่งหมายความว่าคู่นี้ที่ดูเหมือนโมเดลพรีเมียมเทียบกับโมเดลคุ้มค่า แท้จริงแล้วในแง่ต้นทุนที่ควบคุมการใช้งานจริงนั้นกลับกัน
อันดับนี้เป็นของจริงและวัดอย่างเป็นอิสระ — โมเดลทั้งสองถูกทดสอบโดย Artificial Analysis บนฮาร์ดแวร์ของตนเอง ไม่ใช่โดยผู้ขายรายใดรายหนึ่ง — ดังนั้นนี่คือการเปรียบเทียบแถวคะแนนสองแถว มากกว่าการเปรียบเทียบข่าวประชาสัมพันธ์สองฉบับ สิ่งที่ตามมาจะแยกประเด็นที่จะอยู่รอดหลังการเปลี่ยนแปลงราคาออกจากประเด็นที่จะไม่รอด
ประการแรก สิ่งที่เชิงอรรถมีผลต่อการเปรียบเทียบต้นทุน

ราคาต่อโทเคนเป็นตัวเลขที่ผิดหากใช้วางแผน เมื่อหนึ่งในสองผู้ให้บริการกำลังให้ส่วนลด ส่วนค่าใช้จ่ายต่องานต่างหากคือตัวเลขที่ถูกต้อง เพราะมันรวมจำนวนโทเคนที่แต่ละโมเดลใช้ไปในการตอบเอกสารเดียวกันไว้ด้วย และนั่นคือสิ่งที่ Artificial Analysis เผยแพร่ควบคู่กับดัชนี
• ต่ออินพุตหนึ่งล้านโทเค็น — d1.2-ultra $0.042, Drex Max v1.1 $0.03
• ต่อล้านงานในราคาปัจจุบัน — d1.2-ultra $133, Drex Max v1.1 $103 โดยรายการหลังถูกระบุว่าเป็นราคาเปิดตัวชั่วคราว
• ต่อหนึ่งล้านงานในราคามาตรฐาน — d1.2-ultra $133, Drex Max v1.1 ประมาณ $206 ตามบันทึกของบอร์ดเองที่ระบุว่าต้นทุนของมันจะสูงเป็นสองเท่า
• ค่ามัธยฐานของคลาส — $135 ต่อล้านงาน ดังนั้นโมเดล Liquid จึงอยู่ต่ำกว่านั้นเล็กน้อย และโมเดล Nace จะอยู่สูงกว่านั้นมาก
การกลับลำนี้สำคัญกว่าที่ช่องว่างราคาต่อโทเคน 2 เซนต์บ่งชี้ เพราะมันเปลี่ยนว่าเมื่อใช้งานในปริมาณมากคุณจะเลือกใช้โมเดลไหน สาย Drex เป็นตัวเลือกราคาถูกในหมวดนี้มาตั้งแต่ v2 เปิดตัวเมื่อวันที่ 8 พฤศจิกายน หากส่วนลดนี้เป็นโปรโมชันเปิดตัวมากกว่าการปรับราคาใหม่ ตัวเลือกที่ถูกจะกลายเป็นตัวเลือกที่แพงโดยที่ benchmark ไม่ขยับแม้แต่ตัวเดียว ใครก็ตามที่ตั้งงบตามตัวเลข $103 ควรถาม Nace ว่าเมื่อใดราคามาตรฐานจะมีผล ก่อนจะมอบทราฟฟิกทั้งไตรมาสให้กับมัน
2.2 คะแนนนั้นจริง ๆ แล้วประกอบด้วยอะไร

ค่าคอมโพสิตนั้นใกล้แล้ว แต่องค์ประกอบย่อยยังไม่ใกล้ และชี้ไปคนละทิศทาง ซึ่งเป็นส่วนที่มีประโยชน์
• AA-Symmetry, 15% — ช่องว่างที่กว้างที่สุดในทั้งหก d1.2-ultra ได้คะแนน 86.34 เทียบกับ 79.82 ของ Drex Max v1.1 บนมาตรวัด all-pass ที่เข้มงวดกว่า ซึ่งกำหนดให้ต้องได้คำตอบเดียวกันในทุกการถอดความ แทนที่จะเป็นค่าเฉลี่ยที่ดี คะแนนอยู่ที่ 56.7% เทียบกับ 53.3% Drex Max v1.1 เป็นโมเดลอันดับสองที่ดีที่สุดในตระกูลของตัวเองในการทดสอบนี้อยู่แล้ว ส่วนโมเดล Liquid นั้นเสถียรกว่าเมื่อเปลี่ยนถ้อยคำ
• AA-Paperclip, 30% — 75.81 เทียบกับ 72.82 ในคะแนนการตัดสินใจ และ 67.7% เทียบกับ 63.0% ของเอกสารที่ถูกต้องทั้งหมด อัตราการผ่านทั้งหมดของเอกสารที่ต่างกัน 3 จุดเปอร์เซ็นต์เป็นปัจจัยที่ใหญ่ที่สุดเพียงปัจจัยเดียวที่ก่อให้เกิดช่องว่างของดัชนี และเป็นปัจจัยที่เชื่อมโยงโดยตรงที่สุดกับไปป์ไลน์การสกัดจริง เพราะเอกสารที่พลาดคำตอบข้อใดข้อหนึ่งจากสิบห้าข้อจะถือเป็นความล้มเหลวไม่ทางใดก็ทางหนึ่ง
• When2Call, 10% — 96.49 เทียบกับ 95.26 ทั้งคู่อยู่ใกล้เพดานคะแนนของการประเมิน; ส่วนต่าง 1.25 คะแนนบนแบบทดสอบที่สิบอันดับแรกทั้งหมดอยู่ในช่วงเพียงสองคะแนนไม่ใช่ปัจจัยที่ทำให้แตกต่าง
• EvalSafe-O*NET-AA, 15% — 89.53 เทียบกับ 88.32 ซึ่งเป็นส่วนต่างที่สูสีพอ ๆ กับการโยนเหรียญ
• AA-Omniscience-Decision v1.1, 15% — 60.80 เทียบกับ 60.27 คะแนนถือว่าเสมอกัน และมีความแตกต่างในรายละเอียด: Drex ตอบคำถามเหล่านี้ได้ถูกต้องมากกว่า 28.0% เทียบกับ 23.6% ขณะที่ d1.2-ultra งดตอบอย่างซื่อตรงมากกว่า โดยมีอัตราการไม่สร้างข้อมูลเท็จ 83.8% เทียบกับ 65.3%
• HLE-MultiChoice v1.1, 15% — 46.36 เทียบกับ 46.61 ซึ่งเป็นคะแนนการตัดสินใจเพียงรายการเดียวที่ Nace ชนะ ด้วยส่วนต่างหนึ่งในสี่ของคะแนน ภายใต้สิ่งนั้น ช่องว่างความแม่นยำดิบไม่ใช่หนึ่งในสี่ของคะแนน: 8.25% เทียบกับ 2.36%
จุดที่ Drex Max 1.1 ยังคงชนะ และเหตุใดจึงไม่ใช่ความคลาดเคลื่อนจากการปัดเศษ
สามสิ่งบนบอร์ดที่สนับสนุนโมเดล Nace และสองสิ่งแรกเป็นประเภทที่ตัดสินว่าภาระงานจะเป็นไปได้หรือไม่เลย
หน้าต่างบริบทคือเรื่องใหญ่ Drex Max v1.1 รองรับ 262k โทเค็น ส่วน d1.2-ultra รองรับ 66k ซึ่งมากเป็นสองเท่าของสิ่งที่เรือธงรุ่นก่อนของ Liquid รองรับ นั่นคือความแตกต่างสี่เท่าในขนาดของสถานะที่คุณมอบให้โมเดลได้ในการเรียกครั้งเดียว และทั้งสองโมเดลไม่สร้างโทเค็นเอาต์พุต จึงไม่มีงบประมาณเอาต์พุตให้แลกกับมัน สัญญา 200 หน้า แฟ้มเคลมยาว ๆ หรือชุดเอกสารคดีหลายฉบับที่พอดีในคำขอ Drex ครั้งเดียว ต้องถูกแบ่งเป็นชันก์ ตั้งคำถามซ้ำ และประกอบกลับในฝั่ง Liquid — และทุกขอบเขตของชันก์คือจุดที่คำถามข้ามเอกสารจะตอบไม่ได้อีกต่อไป
ข้อที่สองคือความรู้ ใน HLE-MultiChoice Drex ตอบคำถามได้ถูกต้อง 8.25% เทียบกับ 2.36% และใน AA-Omniscience-Decision ตอบได้ 28.0% เทียบกับ 23.6% — โดยงดตอบน้อยกว่ามาก อัตราการไม่สร้างข้อมูลเท็จที่สูงของ d1.2-ultra นั้นส่วนหนึ่งเป็นข้อดีและส่วนหนึ่งเป็นอาการ: โมเดลที่พูดว่า “ฉันไม่รู้” สามครั้งในสี่ครั้งมีการปรับเทียบที่ดี แต่ก็ไม่ค่อยมีประโยชน์กับคำถามที่มีคำตอบอยู่จริง หากงานของคุณคือการตัดสินใจเกี่ยวกับเอกสาร ข้อแลกเปลี่ยนนั้นก็ใช้ได้ แต่ถ้าเป็นการตัดสินใจที่ต้องรู้ข้อมูลบางอย่าง Drex คือโมเดลที่รู้มากกว่า
ประการที่สามคือความเร็ว ซึ่งเป็นเพียงตัวเลขบนกระดาษเท่านั้น คือ 283 ms เทียบกับ 218 ms ต่องานบนดัชนี ทั้งคู่ช้ากว่าค่ามัธยฐานของคลาสที่ 209 ms และทั้งคู่ก็เร็วพอที่ไม่มีตัวใดจะเป็นคอขวดในไปป์ไลน์ที่ต้องทำงานอื่นใดด้วย
โมเดลทั้งสองใช้แทนกันไม่ได้ ซึ่งทำให้การเลือกง่ายขึ้น
การคำนวณดัชนีไม่ว่ามากเพียงใดก็ไม่อาจทำให้สองสิ่งนี้ใช้แทนกันได้ และการแกล้งทำเป็นอย่างอื่นคือจุดที่บทความเปรียบเทียบส่วนใหญ่พลาด ตัวหนึ่งคือตัวอ่านเอกสารขนาด 66k โทเคนที่ปรับแต่งมาเพื่อการปรับเทียบและความเสถียรในการถอดความ ส่วนอีกตัวคือตัวอ่านขนาด 262k โทเคนที่ลดราคาลงและตอบคำถามยากได้มากกว่า จุดที่ทั้งสองตัดกันไม่ใช่คะแนน แต่เป็นขนาดสถานะ
• หาก state ของคุณพอดีภายใน 66k และคุณใช้เกณฑ์ตัดสินจากความน่าจะเป็น — อนุมัติอัตโนมัติเมื่อสูงกว่า 0.9 และส่งต่อเมื่อต่ำกว่า — d1.2-ultra คือเครื่องมือที่ดีกว่า โดยมีคะแนน Brier ดีที่สุดในบรรดา 24 โมเดลบนกระดานที่ 0.150 เทียบกับ 0.160 ของ Drex และคะแนนสมมาตรสูงกว่าอยู่หกจุดครึ่ง
• ถ้าสถานะของคุณเกิน 66k หรือคำถามของคุณต้องใช้ความรู้มากกว่าการอ่าน Drex Max v1.1 จะเป็นตัวเดียวในสองตัวที่ทำงานนี้ได้เลย และช่องว่างของดัชนีก็จะไม่ใช่ตัวเลขที่ใช้ชี้ขาดอีกต่อไป
• หากคุณอ่อนไหวต่อต้นทุนเมื่อใช้งานในปริมาณมาก และราคาของ Nace ยังคงอยู่ Drex จะถูกกว่าต่องานในวันนี้ หากราคานั้นกลับไปสูงเหมือนเดิม Drex จะเป็นตัวเลือกที่แพงกว่าของทั้งสอง และโมเดล Liquid ชนะทั้งคะแนนและต้นทุน
ทดสอบทั้งสองโดยไม่เดิมพันฝ่ายใดฝ่ายหนึ่ง
ไม่มีโมเดลใดในสองโมเดลนี้อยู่ในแคตตาล็อก{{1}}ของเรา{{/1}} และไม่มีข้อความใดในที่นี้เป็นการยืนยันความพร้อมใช้งานสำหรับทั้งสอง: {{2}}d1.2-ultra{{/2}} ให้บริการจาก{{3}}API ของ Liquid เอง{{/3}} และ {{4}}Drex Max v1.1{{/4}} ก็{{5}}มาจาก Nace{{/5}} นั่นคือสถานการณ์ที่ชั้นการกำหนดเส้นทางพิสูจน์คุณค่าได้จริง มากกว่าจะเป็นเพียงรายการค่าใช้จ่าย เพราะคำถามที่ทีมมีอยู่จริง — ช่องว่าง 2.2 จุดนั้นเกิดขึ้นซ้ำบนเอกสารของฉันหรือไม่? — {{6}}ได้รับคำตอบจากการรันสถานะเดียวกันผ่านทั้งสองระบบ ไม่ใช่จากการอ่านลีดเดอร์บอร์ด{{/6}}
โมเดลที่สามที่ควรนำมาใส่ในการทดสอบนั้นคือ Jev 1.14 ซึ่งเราโฮสต์ที่ $0.042 ต่อล้านโทเค็นอินพุตบนรูปแบบคำขอ systemone แบบเดียวกัน มันเป็นผู้นำใน EvalSafe-O*NET-AA ด้วยคะแนน 91.14 ซึ่งเป็นองค์ประกอบเดียวที่ทั้งสองรายนี้ไม่ได้เป็นที่หนึ่ง และตอบสนองใน 92 ms — เร็วที่สุดในสามตัวโดยทิ้งห่างมาก การรันแบบ shadow สามทางบนคีย์เดียว โดยมี routing DSLส่งเพย์โหลดเดียวกันไปยังแต่ละตัว และ automatic failoverรักษาเส้นทางโปรดักชันให้คงอยู่หากผู้ให้บริการรายใดมีวันที่แย่ เป็นวิธีที่ถูกกว่าในการตัดสินเรื่องนี้เมื่อเทียบกับรอบจัดซื้อจัดจ้าง
ดูอะไร และเมื่อไหร่
สองวันที่กำหนดผลการเปรียบเทียบนี้ วันแรกคือเวลาที่ราคาเปิดตัวของ Nace สิ้นสุดลง: ที่ $103 ต่อล้านงาน Drex Max v1.1 เป็นตัวเลือกที่คุ้มค่า ที่ประมาณ $206 เป็นตัวเลือกพรีเมียม และคะแนนดัชนีไม่เปลี่ยนไม่ว่าแบบไหน สอบถามก่อนจัดงบประมาณ
รายการที่สองคือการปรับปรุงดัชนีครั้งถัดไป Decision Index v2.1 ใหม่พอที่คณะกรรมการยังคงมีหมายเหตุว่าถูกอัปเดตเมื่อวันที่ 16 พฤศจิกายน และช่องว่าง 2.2 จุดระหว่างอันดับหนึ่งกับอันดับสองอยู่ในช่วงที่การปรับปรุงองค์ประกอบเพียงครั้งเดียวสามารถทำให้เคลื่อนได้ หากชุดเอกสารส่วนตัวของ AA-Paperclip ได้รับการรีเฟรช องค์ประกอบที่ถ่วงน้ำหนัก 30% ซึ่งให้ช่องว่างส่วนใหญ่ก็คือสิ่งที่จะเคลื่อนก่อน
จนถึงตอนนั้น สรุปตามจริงคืออย่างนี้: d1.2-ultra เป็นโมเดลที่ดีกว่าจากหลักฐานที่มี โดยมีส่วนต่างที่เล็กในคะแนนรวมและใหญ่ในด้านความสมมาตรและอัตราการผ่านทั้งหมดของเอกสาร และมันเป็นโมเดลที่ถูกกว่าต่องานทันทีที่ส่วนลด Nace หมดอายุ Drex Max v1.1 ยังคงเป็นเพียงรุ่นเดียวในสองรุ่นที่รองรับสถานะ 200k โทเคนได้ และในคำถามที่ต้องใช้ความรู้มากกว่าการอ่าน มันยังคงแข็งแกร่งกว่าในสองรุ่นนี้ ให้เลือกจากขนาดสถานะก่อน ราคาเป็นอันดับสอง และดัชนีเป็นอันดับสาม

