Gemini Decision 1 vs Drex Max v1.1: ทั้งคู่อ่านได้ 262K โทเคน แต่มีเพียงตัวเดียวที่นับเอกสาร
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 202 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 99 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-0727 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 120 tok/s
- Orcaใหม่OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 229 tok/s
- Orcaใหม่OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 ต่อ 1 ล้านโทเค็น · 42 tok/s
- Orcaใหม่OrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 128 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 58 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 98 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 40 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 · 127 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 106 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 · 65 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 · 392 tok/s
วาง Gemini Decision 1 และ Drex Max v1.1 ไว้เคียงข้างกัน แล้วเอกสารสเปกก็แทบจะทับกัน: ทั้งคู่เป็นโมเดลตัดสินใจ ทั้งคู่มีหน้าต่าง 262,144 โทเคน ทั้งคู่อ่านภาพควบคู่กับข้อความ และทั้งคู่ส่งคืนค่าความน่าจะเป็นแทนข้อความบรรยาย ช่องว่างปรากฏขึ้นที่จุดเดียว ในองค์ประกอบด้านการตัดสินใจจากเอกสารของ Artificial Analysis Decision Index v2.1 — การทดสอบที่ถ่วงน้ำหนัก 30% ซึ่งขอให้โมเดลดึงการตัดสินใจ 5 รายการและข้อเท็จจริง 10 รายการออกจากเอกสารเนื้อหาแน่นฉบับเดียว และตอบถูกทั้ง 15 รายการ — Drex Max v1.1 ผ่าน 63% ของเอกสาร และ Gemini Decision 1 ผ่าน 33% องค์ประกอบเดียวนี้เป็นเหตุผลส่วนใหญ่ที่ตัวหนึ่งได้คะแนน 73 และอีกตัวได้ 66
ส่วนที่เหลือของความแตกต่างคือเลขคณิตที่คุณนำไปใช้ได้ Drex Max v1.1 มีค่าใช้จ่าย $0.03 ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น และ Gemini Decision 1 มีค่าใช้จ่าย $0.10; สำหรับงานหนึ่งล้านงาน นั่นคือ $103 เทียบกับ $345 และ Gemini Decision 1 รองรับคำถามได้สูงสุด 1,000 ข้อต่อคำขอโดยใช้ข้อมูลอินพุตร่วมกัน ในขณะที่ Drex Max v1.1 คาดหวังสถานะเดียวพร้อมคำถามจำนวนหนึ่งแนบมาด้วย ตัวเลขใดในนั้นที่จะเป็นตัวกำหนดการเลือกของคุณ ขึ้นอยู่ทั้งหมดกับว่าการตัดสินใจของคุณเกิดขึ้นทีละเอกสารหรือทีละสี่สิบกฎ
สองรูปแบบที่แตกต่างกันของแนวคิดเดียวกัน
ทั้งสองโมเดลปฏิเสธที่จะสร้างข้อความ และทั้งคู่มีคุณสมบัติหนึ่งร่วมกันซึ่งสำคัญต่อการสร้างแบบจำลองต้นทุน: อินพุตถูกอ่านเพียงครั้งเดียว และทุกคำถามจะถูกให้คะแนนเทียบกับอินพุตนั้น จุดที่ทั้งสองแตกต่างกันคือสิ่งที่ทั้งสองอนุญาตให้คุณใส่ลงในอินพุตนั้น
• ประเภทคำตอบ — Drex Max v1.1 มีให้เลือก noul และคะแนน ซึ่งเป็นรูปแบบคำขอที่ Jev ของ TypeSafe กำหนดและ Nace นำไปใช้ Gemini Decision 1 มีสามแบบเดียวกัน โดยมีตัวเลือก 2 ถึง 255 รายการในฟิลด์ choice และมีระดับ rubric 2 ถึง 255 ระดับ แนะนำ 2 ถึง 10
• คำถามต่อการเรียก — สูงสุด 1,000 สำหรับ Gemini Decision 1 โดยแต่ละข้อจะถูกประเมินอย่างเป็นอิสระในรอบเดียว ด้วยคีย์ที่คุณจัดหาให้; สำหรับ Drex Max v1.1 จะมีเพียงไม่กี่ข้อต่อสถานะ โดยที่หน่วยของงานคือหนึ่งรายการและคำถามของรายการนั้น
• รูปแบบสื่อ — Gemini Decision 1 รองรับข้อความ รูปภาพ วิดีโอ เสียง และ PDF; Drex Max v1.1 รองรับข้อความและรูปภาพสูงสุดแปดรูปต่อคำขอ ทั้งสองไม่รองรับสื่อภายในคำสั่งของคำถาม; สำหรับ Gemini Decision 1 นี่เป็นข้อจำกัดที่ระบุไว้ในเอกสาร และในกรณีนั้นสื่อควรอยู่ในอินพุตที่แชร์ร่วมกัน
• หน้าต่าง — 262,144 โทเคนสำหรับ Gemini Decision 1 ครอบคลุมอินพุตที่ใช้ร่วมกันและคำถามทั้งหมดรวมกัน; Drex Max v1.1 ระบุว่า 131,072 โทเคนต่อคำถาม โดยนับโทเคนรูปภาพรวมอยู่ภายในจำนวนนั้น และเพดานคำขอแบบแพ็กที่ 262,144
• การเรียกเก็บเงิน — Gemini Decision 1 เรียกเก็บเงิน $0.10 ต่อหนึ่งล้านโทเค็นอินพุต และเรียกเก็บเงินค่าอินพุตที่แชร์ซ้ำทั้งหมดอีกครั้งอย่างชัดเจน โดยไม่มีการแคชและไม่มี Batch API Drex Max v1.1 เรียกเก็บเงิน $0.03 ต่อหนึ่งล้านโทเค็นอินพุต ซึ่งเป็นอัตราที่ Nace ลดลงครึ่งหนึ่งเมื่อ vv1.1 เข้ามาแทนที่ v1 ในตำแหน่งเดิม
• การเข้าถึง — Gemini Decision 1 บน Gemini Developer API ที่เวอร์ชัน v1beta พร้อมแพ็กเกจฟรีและคำขอรายวันแบบไม่จำกัดตั้งแต่ Tier 2 Drex Max v1.1 โฮสต์โดย Nace.AI ที่ POST /v1/systemone ไม่มี checkpoint ที่ดาวน์โหลดได้
อ่านรายการนั้นเป็นประโยคเดียว: Drex Max v1.1 ถูกสร้างมาสำหรับหน้าจอหรือหน้าเพจหนึ่งหน้าและการประเมินไม่กี่อย่างเกี่ยวกับสิ่งนั้น ส่วน Gemini Decision 1 ถูกสร้างมาสำหรับบริบทขนาดใหญ่และคู่มือกฎขนาดใหญ่ เพดาน 1,000 คำถามไม่ใช่แค่ของประดับในเอกสารสเปก มันคือความแตกต่างระหว่างโมเดลที่คุณเรียกสี่สิบครั้งต่อคำขอ กับโมเดลที่คุณเรียกเพียงครั้งเดียว
ช่องว่าง 6.6 จุดนั้นเกิดขึ้นจากอะไรกันแน่
Decision Index ถ่วงน้ำหนักการประเมินหกด้าน และโมเดลทั้งสองได้รับการทดสอบกับทั้งหกด้านแล้ว การเทียบองค์ประกอบของทั้งสองโมเดลให้ข้อมูลที่เป็นประโยชน์มากกว่าคะแนนรวม:
• AA-Paperclip, 30% — Drex Max v1.1 72.8, Gemini Decision 1 56.8 สิบห้าคำตอบต่อเอกสาร แบบได้ทั้งหมดหรือไม่ได้เลย นี่คือช่องว่างสิบหกคะแนนที่ชี้ขาดการจัดอันดับ
• EvalSafe-O*NET-AA, 15% — 88.3 เทียบกับ 87.1 ในทางปฏิบัติถือว่าเสมอกัน
• When2Call, 10% — 95.3 เทียบกับ 80.5 Drex Max v1.1 อยู่อันดับสองในสนามนี้; Gemini Decision 1 อยู่อันดับที่สิบสี่จากสิบแปด
• AA-Omniscience-Decision v1.1, 15% — 60.3 เทียบกับ 66.3 Gemini Decision 1 ชนะในรุ่นนี้ และความแม่นยำดิบที่ 44.8% ของมันสูงที่สุดในบรรดาโมเดลการตัดสินใจใด ๆ บนกระดานผู้นำ
• HLE-MultiChoice v1.1, 15% — 46.6 เทียบกับ 48.7 ใกล้กันมาก ทั้งคู่อยู่ใกล้ตำแหน่งบนสุด และทั้งคู่มีความแม่นยำดิบเป็นเลขหลักเดียว
• AA-Symmetry v1.1, 15% — 79.8 เทียบกับ 70.5 Drex Max v1.1 รักษาคำตอบเดิมภายใต้การสลับลำดับและการปฏิเสธ 53.3% ของเวลา; Gemini Decision 1, 38.3%
รูปแบบมีความสอดคล้องกัน Drex Max v1.1 ชนะสององค์ประกอบที่ทดสอบว่าการตัดสินใจสามารถทำซ้ำได้และมีโครงสร้างที่มั่นคงหรือไม่ ส่วน Gemini Decision 1 ชนะสององค์ประกอบที่ทดสอบว่าระบบรู้สิ่งต่าง ๆ และรู้ว่าเมื่อใดที่ตนไม่รู้ ทั้งสองเป็นผลิตภัณฑ์ที่ปกป้องได้ พวกมันกำลังตอบคำถามที่แตกต่างกันเกี่ยวกับจุดประสงค์ของโมเดลการตัดสินใจ
ข้อควรระวังหนึ่งประการเกี่ยวกับตัวเลขของ Drex: ราคา 103 ดอลลาร์ต่อล้านงานที่ Artificial Analysis รายงานนั้นสะท้อนถึงราคาเปิดตัวชั่วคราว และคณะกรรมการได้ใส่หมายเหตุไว้ว่าราคามาตรฐานจะทำให้ต้นทุนเพิ่มขึ้นเป็นสองเท่า ในราคาตามรายการ Drex Max v1.1 อยู่ที่ประมาณ 206 ดอลลาร์ต่อล้านงาน — ยังคงต่ำกว่า 345 ดอลลาร์ของ Gemini Decision 1 อยู่มาก แต่ไม่ใช่หนึ่งในสามของราคานั้นอีกต่อไป ความหน่วงกลับสวนทางกัน: 283 มิลลิวินาทีต่องานสำหรับ Drex Max v1.1 เทียบกับ 211 สำหรับ Gemini Decision 1 ซึ่งทั้งคู่ช้ากว่าค่ามัธยฐานของวงการที่ 209
เลือ��ตามรูปแบบคำขอของคุณ ไม่ใช่ตามคะแนน
เลือก Drex Max v1.1 หากการตัดสินใจของคุณเกี่ยวกับอาร์ติแฟกต์ชิ้นเดียวที่มีคำตอบซึ่งต้องคงที่ การคัดแยกเคลมประกันจากแบบฟอร์มที่สแกน การควบคุมเอเจนต์จากภาพหน้าจอซึ่งการตัดสินใจคลิกเดิมถูกถามซ้ำหลังจากเรนเดอร์ใหม่ การตรวจสัญญาที่การสลับคำตอบใช่/ไม่ใช่ถือเป็นข้อผิดพลาดจริง อัตราผ่านเอกสาร 63% และอัตราผ่านสมมาตร 53.3% คือตัวเลขที่คุ้มทุนในกรณีเหล่านั้น และ $0.03 ต่อล้านโทเค็นอินพุตทำให้ข้อโต้แย้งเรื่องปริมาณเป็นเรื่องง่าย
เลือก Gemini Decision 1 หากการตัดสินใจของคุณคือชุดกฎที่ใช้กับอินพุตเดียว หรือหากอินพุตไม่ใช่ข้อความและรูปภาพ การตรวจสอบนโยบายสี่สิบรายการกับตั๋วสนับสนุนในครั้งเดียวคือภาระงานที่ Gemini Decision 1 มีเอกสารระบุไว้รองรับ แต่ Drex Max v1.1 ไม่ได้ระบุไว้ — และหากอินพุตเป็นไฟล์บันทึกการโทรหรือ PDF มีเพียงหนึ่งในสองตัวนี้ที่อ่านได้ เอกสารของ Google ระบุความสามารถที่ไม่รองรับสิบสี่รายการพร้อมกับรายการที่รองรับหนึ่งรายการ ดังนั้นจึงตรวจสอบความเหมาะสมได้ง่ายก่อนตัดสินใจ: การตัดสินใจที่ผ่านการปรับเทียบ โดยปิดความสามารถอื่นทั้งหมด
ยังไม่ต้องเลือกทั้งคู่ก็ได้ แต่ถ้าการตัดสินใจขึ้นอยู่กับต้นทุนในระดับสเกล Gemini Decision 1 ไม่มี Batch API และไม่มีการแคชบริบท ซึ่งหมายความว่าการสแกนทิกเก็ตย้อนหลังหนึ่งล้านรายการทุกคืนจะถูกคิดในอัตราเต็ม โดยต้องอ่านเอกสารนโยบายใหม่ทุกครั้ง ราคาเปิดตัวของ Drex Max v1.1 เป็นราคาชั่วคราว ปัจจุบันไม่มีผลิตภัณฑ์ใดเสนอโครงสร้างส่วนลดที่ทำให้การแบ็กฟิลล์มีต้นทุนต่ำ และสิ่งนี้จะสำคัญกว่าหกจุดดัชนีสำหรับใครก็ตามที่กำลังคำนวณต้นทุนของตั๋วตลอดหนึ่งปี
รันทั้งสองโดยไม่ต้องมีสัญญาฉบับที่สอง
OrcaRouter ไม่มีทั้งสองตัวนี้ ทั้งคู่เป็น endpoint ที่ให้เฉพาะความน่าจะเป็น ไม่ใช่เป้าหมายสำหรับ chat completions และเราแจ้งเช่นนั้นแทนที่จะสื่อเป็นนัยเป็นอย่างอื่น — รายการโมเดลการตัดสินใจในแคตตาล็อกคือ typesafe/jev-1.14 ของ TypeSafe ซึ่งอยู่ที่ 66.23 บนบอร์ดเดียวกัน ระหว่างสองโมเดลในบทความนี้
ค่าใช้จ่ายที่แท้จริงของการทดสอบเปรียบเทียบคือส่วนที่ไม่เคยปรากฏในเบนช์มาร์ก: SDK สองตัว วิธีจัดการคีย์สองแบบ และชุด rate limit สองชุดที่ต้องคำนึงถึง นี่คือเหตุผลที่ครึ่งที่สร้างเนื้อหาของไปป์ไลน์การตัดสินใจควรอยู่หลังเราเตอร์ แม้ครึ่งที่ให้คะแนนจะอยู่หลังเราเตอร์ไม่ได้ก็ตาม การเรียกที่ใช้ร่างคำตอบที่เสนอ เขียนเกณฑ์การให้คะแนน หรือสร้างสรุปที่ถูกให้คะแนน คือการเรียกที่คุณอยากสลับผู้ให้บริการได้ภายในบ่ายเดียว — ปลายทางเดียว มากกว่า 200 โมเดล ราคาตามรายการของผู้ให้บริการที่ส่งผ่านโดยคิดมาร์กอัป 0% และ การ failover เมื่อผู้ให้บริการมีประสิทธิภาพลดลง ให้เรียกการให้คะแนนไปที่ Google หรือ Nace โดยตรง และคงการเรียกงานเขียนให้ย้ายผู้ให้บริการได้ โมเดลที่คุณเปลี่ยนเส้นทางไม่ได้คือส่วนที่ถูก ส่วนโมเดลที่คุณเปลี่ยนเส้นทางได้คือโมเดลที่คุณจะอยากเปลี่ยน
หากคุณทดสอบทั้งสองระบบกับเลเบลของคุณเอง — และคุณควรทำ เพราะไม่มีผู้ขายรายใดเผยแพร่เส้นโค้งการสอบเทียบบนข้อมูลของคุณ — ให้รันทั้งสองกับเอกสาร 200 ฉบับเดียวกัน ด้วยชุดคำถามเดียวกัน และเปรียบเทียบอัตราการผ่าน ไม่ใช่ดัชนี ช่องว่าง 30 จุดของบอร์ดบน Paperclip เป็น prior ที่แข็งแรง แต่ไม่ใช่การวัดเอกสารของคุณ
