การ์ดชื่อเรื่องที่สร้างขึ้นซึ่งมีหัวข้อว่า 'Karpo Decision 31B vs Drex Max 1.1' พร้อมคำบรรยายรองว่า 'สองบอร์ด อย่างละหนึ่งตัวเลข — และไม่มีการเทียบแบบตัวต่อตัว' แผงมุมโค้งสองแผงวางเคียงกัน โดยแผงหนึ่งติดป้ายว่า 'ดัชนีการตัดสินใจ' และแสดงข้อความ 'Karpo Decision 31B 73.9' ส่วนอีกแผงติดป้ายว่า 'Artificial Analysis v2.1' และแสดงข้อความ 'Drex Max 1.1 72.62' และมีชิปแนวตั้งเล็ก ๆ ในช่องว่างระหว่างทั้งสองที่ระบุว่า 'ไม่มีเครื่องมือวัดที่ใช้ร่วมกัน'
Guides & Insights

Karpo Decision 31B เทียบกับ Drex Max 1.1: สองบอร์ด หนึ่งหมายเลขต่อบอร์ด

ผู้เขียน

Elias Hawthorne

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

Karpo Decision 31B และ Drex Max 1.1 {{1}}ใกล้เคียงกันมากพอ{{/1}}ใน{{2}}ขนาด รูปร่าง และคำอธิบายหน้าที่{{/2}} จนเอกสารสเปกทำให้ทั้งคู่ดูเหมือนเป็นผลิตภัณฑ์เดียวกันจากสองบริษัท {{3}}ทั้งคู่เป็นโมเดล dense ขนาดประมาณ 30B ที่ผ่านการ fine-tune เพื่อตอบคำถามแบบมีชนิดเกี่ยวกับสถานะใน forward pass ครั้งเดียวโดยไม่สร้างข้อความ{{/3}} {{4}}ทั้งคู่มีหัวอ่านค่าแบบ 255 ทาง{{/4}} {{5}}ทั้งคู่รับภาพได้{{/5}} และ{{6}}ทั้งคู่จะปฏิเสธแทนที่จะตัดทอนคำถามที่ใหญ่เกินไป{{/6}} ความแตกต่างไม่ได้อยู่ที่สถาปัตยกรรม แต่อยู่ที่{{7}}สิ่งที่ผู้ขายแต่ละรายยอมให้ผู้อื่นวัด{{/7}} และ{{8}}สิ่งที่คุณได้รับอนุญาตให้ทำกับน้ำหนักโมเดลหลังจากนั้น{{/8}} Karpo จาก MachinePulse มี{{9}}คะแนน Full จากบุคคลที่สาม{{/9}} และ{{10}}ไม่มีราคา{{/10}} Drex Max 1.1 จาก Nace.AI มี{{11}}ตัวเลขจาก Artificial Analysis ที่เป็นอิสระ{{/11}} {{12}}อัตราค่าบริการที่ประกาศไว้{{/12}} และ{{13}}สัญญาอนุญาตที่จำกัดการใช้เชิงพาณิชย์{{/13}}

ไม่มีการเทรดไหนในสองรายการนั้นที่ชัดเจนว่าเป็นตัวเลือกที่ถูกต้อง นี่คือต้นทุนที่แต่ละฝั่งของการเทรดนี้ต้องจ่ายจริง ๆ

ตัวเลขเหล่านั้นมาจากไหน เพราะมันไม่ได้มาจากที่เดียวกัน

เริ่มจากส่วนที่อึดอัดก่อน: ไม่มีกระดานอันดับใดเลยที่โมเดลทั้งสองมีคะแนนในวันนี้

Karpo Decision 31B ปรากฏอยู่ใน Decision Index ซึ่งเป็นกระดานของชุมชนที่ติดตามการทำซ้ำแบบเปิดของ Je​v ของ TypeSafe คะแนน Full ของมันคือ 73.9 คำนวณโดยผู้ดูแลกระดานจากการทดสอบส่วนตัว และปัจจุบันครองอันดับหนึ่งร่วมกับ GLiDE 27B ที่ 73.4 ดัชนีสาธารณะของมันที่ 75.05 มาจากการรันชุดทางการของ MachinePulse เอง และถูกนำมาใช้โดยกระดาน โดยมีไฟล์ผลลัพธ์คำขอ 140,178 รายการเผยแพร่ให้ทุกคนรันซ้ำได้ Artificial Analysis ไม่มีแถวสำหรับ Karpo เลย

Drex Max 1.1 เป็นภาพสะท้อนกลับ Artificial Analysis ให้คะแนนที่ 72.62 บน Decision Index v2.1 — เป็นอันดับสองจาก 25 โมเดลการตัดสินใจ ตามหลัง Liquid AI d1.2-ultra ที่ 74.85 และนำหน้า SubQ Snap 1.2 ที่ 72.58 ตัวเลขนั้นเป็นของ AA วัดบนฮาร์ดแวร์ของ AA ด้วยชุดเอกสารส่วนตัวของ AA สิ่งที่ Karpo มี แต่ Drex Max 1.1 ไม่มี: ตัวติดตาม Je​v มีแถวสำหรับ Drex Max v1ที่ 66.60 Full และไม่มีแถวใดเลยสำหรับ v1.1

ดังนั้นการเปรียบเทียบด้วยเครื่องมือเดียวกันเพียงรายการเดียวที่มีอยู่คือ Karpo Decision 31B ที่ 73.9 เทียบกับ Drex Max v1ที่ 66.6 — คะแนนต่างกัน 7.3 คะแนนบนบอร์ดเดียว โดยเทียบข้ามโมเดล Nace สองเวอร์ชันที่ต่างกัน ซึ่งเป็นวิธีการเปรียบเทียบแบบที่ทำให้ฝ่ายที่คุณบังเอิญเข้าข้างดูดีขึ้นพอดี หากลากเส้นอีกทาง Drex Max 1.1 มี 72.62 ในจุดที่ Karpo ไม่มีตัวเลขใดพิมพ์ไว้ ทั้งสองประโยคเป็นความจริง แต่ทั้งคู่ไม่ใช่การเปรียบเทียบแบบตัวต่อตัว

สเปก แยกทีละมิติ

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.'

• พารามิเตอร์ — Karpo 31.3B ใน bf16 พร้อม readout ขนาด 255 × 5,376 fp32 ประมาณ 62.5 GB บนดิสก์; Drex Max 1.1 เป็น dense 27B ประมาณ 49 GB ใน bf16 และ 26 GB เมื่อ backbone อยู่ที่ 8 บิต

• โมเดลฐาน — Gemma 4 31B ปรับแต่งด้วยคำสั่งสำหรับ Karpo, Qwen3.8-27B สำหรับ Drex Max 1.1 คลังข้อมูลก่อนฝึกแตกต่างกัน โทเคไนเซอร์แตกต่างกัน และทุกสิ่งในขั้นปลายน้ำก็แตกต่างกัน

• บริบท — Karpo รับ 32,768 โทเค็นต่อลำดับ และแบ่งคำขอที่ยาวกว่าตามคำถาม โดยแต่ละส่วนมีสถานะครบถ้วน; Drex Max 1.1 มีค่าเริ่มต้นที่ 16,384 โทเค็นต่อคำขอ และเอกสารของผู้จำหน่ายระบุว่าสามารถเพิ่มเป็น 131,072 ต่อคำถามได้

• ความสามารถหลายรูปแบบ — ทั้งสองอ่านภาพได้โดยตรง และทั้งสองทำให้ภาพหน้าจอปรากฏต่อทุกคำถามในคำขอ ไม่ใช่เพียงคำถามเดียว

• ประเภทคำถาม — หน้าตาเหมือนกัน: แบบตัวเลือกได้สูงสุด 255 ตัวเลือก, noul สำหรับจริง/เท็จ, คะแนนสำหรับระดับที่มีการเรียงลำดับ

• อินเทอร์เฟซ — Karpo ให้บริการ System One ที่ POST /v1/systemone จากแพ็กเกจ Python ของตัวเอง; Drex Max 1.1 มีรูปแบบเดียวกัน พร้อมฟอร์กของ llama.cpp และ Ollama สำหรับ Apple silicon และ CPU

• ใบอนุญาต — Apache-2.0 สำหรับน้ำหนักและโค้ดของ Karpo; Nace.AI Open RAIL-M สำหรับ Drex Max 1.1 ซึ่งเป็น open weights ที่มีข้อจำกัดการใช้งานแนบมาด้วย

• การโฮสติ้ง — Karpo ไม่มีเลย Drex Max 1.1 ให้บริการโดย Nace.AI ในราคา $0.03 ต่อหนึ่งล้านโทเค็นอินพุต โดยถูกระบุบนกระดาน AA ว่าเป็นราคาเปิดตัวชั่วคราว

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.

แถวบริบทคือสิ่งที่ผู้คนมักเลื่อนผ่านไป เพดานแข็ง 32,768 โทเค็นพร้อมการปฏิเสธอย่างชัดเจนเป็นข้อจำกัดทางวิศวกรรมที่แตกต่างจากค่าเริ่มต้น 16,384 โทเค็นที่คุณสามารถเพิ่มเป็น 131,072 ได้ด้วยตัวแปรสภาพแวดล้อม หากสถานะของคุณคือใบแจ้งหนี้และตั๋วสนับสนุน ทั้งสองตัวเลขก็ไม่สำคัญ หากสถานะของคุณคือสัญญา โมเดล Nace สามารถรับได้สิบฉบับ แต่ Karpo ไม่สามารถรับได้แม้แต่ฉบับเดียว

ความแตกต่างของการสอบเทียบ 11 จุดมีหน้าตาอย่างไรในไปป์ไลน์

ความแม่นยำคือตัวเลขที่ผู้คนมักอ้างถึง และเป็นตัวเลขที่สำคัญน้อยที่สุดสำหรับโมเดลประเภทนี้ จุดสำคัญของโมเดลตัดสินใจคือผลลัพธ์ของมันเป็นความน่าจะเป็นที่เกณฑ์หนึ่งสามารถนำไปใช้ดำเนินการได้ ดังนั้นคำถามจึงอยู่ที่ว่าความน่าจะเป็นนั้นซื่อตรงหรือไม่

การ์ดของ Karpo รายงานค่าความคลาดเคลื่อนในการสอบเทียบ (calibration error) ที่ 4.8 จุด: เมื่อโมเดลระบุว่า 0.9 โมเดลจะตอบถูกน้อยกว่า 90% อยู่เล็กน้อย โดยเฉลี่ยแล้วต่ำกว่าประมาณห้าจุด โปรไฟล์ AA ของ Drex Max 1.1 มีคะแนน Brier ที่ 0.16 ตลอดชุดคำถามทั้งหมด ซึ่งเป็นสถิติที่แตกต่างกันและไม่สามารถเปรียบเทียบกันได้โดยตรง แต่บอร์ดเดียวกันยังแสดงบันไดความมั่นใจของโมเดลด้วย: ในช่วงระดับความมั่นใจ 0.98 โมเดลตอบถูก 97.5% ของเวลา นั่นคือโมเดลที่คำตอบซึ่งมีความมั่นใจสูงสุดสามารถเชื่อถือได้ตามที่ปรากฏ

จุดแยกที่น่าสนใจสำหรับ Drex Max 1.1 อยู่ที่การประเมินความรู้ บน AA-Omniscience มันได้คะแนนการตัดสินใจ 60.3 — แต่คะแนนรวมนั้นมาจากความแม่นยำดิบ 28% เทียบกับอัตราการไม่สร้างข้อมูลเท็จ 65.3% เมื่ออ่านทั้งสองค่าควบคู่กัน สิ่งที่ได้คือโมเดลที่ตอบคำถามความรู้ถูกประมาณหนึ่งในสี่ และปฏิเสธที่จะตอบเป็นสัดส่วนใหญ่ของคำถามที่เหลือ ดัชนีให้คะแนนมันสำหรับการปฏิเสธแทนที่จะแต่งข้อมูลขึ้นมา ซึ่งเป็นพฤติกรรมที่ตั้งใจไว้สำหรับชั้นการตัดสินใจ และเหมาะไม่ดีกับสิ่งใดก็ตามที่ต้องการคำตอบจริง ๆ

สำหรับ Karpo สัญชาตญาณเดียวกันนี้ปรากฏในอีกจุดหนึ่ง: มีคำขอ 9 รายการจาก 140,178 รายการที่ถูกปฏิเสธไปเลย เพราะคำถามบวกสถานะของคำถามนั้นล้นหน้าต่าง การปฏิเสธแทนการตัดทิ้งอย่างเงียบ ๆ เป็นค่าเริ่มต้นที่ถูกต้อง แต่มันก็เป็นโหมดความล้มเหลวที่คุณต้องหาทางหลีกเลี่ยงเช่นกัน และเพดาน 32,768 โทเค็นทำให้มันเกิดขึ้นบ่อยขึ้น

ความหน่วงและรูปแบบของการติดตั้งใช้งาน

ค่ามัธยฐานที่บันทึกไว้ของ Karpo คือ 94 มิลลิวินาทีต่อคำขอ บนฮาร์ดแวร์อ้างอิงของ tracker โดยใช้ GPU หนึ่งตัวและทำทีละคำขอ AA วัด Drex Max 1.1 ได้ที่ 283 มิลลิวินาทีต่องาน และมีค่าใช้จ่าย 102.7 ดอลลาร์ต่อหนึ่งล้านงาน ณ ราคาเปิดตัวปัจจุบัน ตัวเลขสองตัวนี้ไม่ใช่การวัดแบบเดียวกัน — ต่อคำขอเทียบกับต่องาน และงานหนึ่งงานในชุดเอกสารของ AA คือการตัดสินใจหลายครั้งบนเอกสารยาวหนึ่งฉบับ — ดังนั้นให้ถือว่าช่องว่างนี้เป็นไปในเชิงทิศทางมากกว่าความแม่นยำ

ในเชิงทิศทาง มันสื่อถึงสิ่งที่มีอยู่จริง: readout ที่ได้มาจาก Gemma ขนาด 31B ซึ่งใช้การส่งผ่านสถานะร่วมกันเพียงครั้งเดียว เป็นวัตถุที่กระชับกว่าโมเดล 27B ที่เลเยอร์ non-causal attention เขียนลำดับทั้งหมดใหม่ ความกระชับกว่าจะสำคัญหรือไม่นั้นขึ้นอยู่กับว่าการเรียกนั้นอยู่ตรงไหน เกตที่ทำงานก่อนการเรียกเครื่องมือทุกครั้งจำเป็นต้องอยู่ในงบของเทิร์น ส่วนการให้คะแนนตั๋วหนึ่งพันใบใหม่ทุกคืนไม่สนใจ 200 มิลลิวินาที

คำถามเรื่องไลเซนส์ที่ไม่มีใครถาม จนกว่าฝ่ายจัดซื้อจะถาม

{{1}}Karpo Decision 31B{{/1}} เป็น Apache-2.0 ทั้งน้ำหนักโมเดลและโค้ด โดยมีสัญญาอนุญาตของ {{2}}Gem​ma 4{{/2}} เองแนบมาด้วยในรีโพซิทอรี นั่นคือปลายสุดฝั่ง permissive ของความเปิด

Drex Max 1.1 อยู่ภายใต้สัญญาอนุญาต Nace.AI Open RAIL-M Open RAIL-M เป็นโอเพนอย่างแท้จริง — คุณสามารถดาวน์โหลด รัน แก้ไข และเผยแพร่ต่อได้ — แต่มีข้อจำกัดการใช้งานที่ส่งต่อไปยังผู้ใช้ปลายน้ำ และกำหนดให้คุณต้องส่งต่อข้อจำกัดเดียวกันนั้นด้วย สำหรับสมุดบันทึกงานวิจัย ความแตกต่างนี้มองไม่เห็น สำหรับผลิตภัณฑ์ที่โมเดลอยู่ภายในไปป์ไลน์ที่ลูกค้าใช้งาน นี่คือการตรวจสอบทางกฎหมาย และการตรวจสอบจะถามว่าเกิดอะไรขึ้นเมื่อคุณ fine-tune โมเดลแล้วปล่อยผลลัพธ์ที่ดัดแปลงออกไป คำตอบคือ "ข้อจำกัดจะติดไปด้วย"

หากชั้นการตัดสินใจเป็นเพียงเครื่องมือที่ใช้ภายใน สัญญาอนุญาตก็เป็นแค่เชิงอรรถ แต่ถ้ามันถูกฝังอยู่ในสิ่งที่คุณขาย Apache-2.0 จะตัดการประชุมหนึ่งครั้งออกจากเส้นทางวิกฤต

อันไหนที่เข้ากันจริง ๆ

เลือก Drex Max 1.1 หากคุณต้องการตัวเลขที่คุณไม่ต้องคำนวณเอง ราคาที่ใส่ในงบประมาณได้ และสถานะที่คงอยู่ยาวนาน วันนี้มันวัดผลได้ วันนี้มันโฮสต์ได้ และบันไดความเชื่อมั่นที่ปลายบนคือคุณสมบัติที่ทำให้เกณฑ์อัตโนมัติมีความชอบธรรม ต้นทุนคือข้อจำกัดด้านใบอนุญาตและราคาเปิดตัวที่ AA ระบุอย่างชัดเจนว่าเป็นเพียงชั่วคราว

เลือก Karpo Decision 31B หากการไม่มีเอนด์พอยต์ที่โฮสต์ไว้ไม่ใช่ปัญหา — คุณมี GPU หรือคุณมีงานแบบแบตช์ — และความเปิดกว้างของ Apache-2.0 นั้นสำคัญ และคะแนน Full ของบอร์ดคือหลักฐานที่คุณเชื่อถือ ต้นทุนคือน้ำหนัก 62.5 GB เพดาน 32,768 โทเคน และผู้ขายที่ยังไม่ได้เผยแพร่ราคา หน้าสินค้า หรือประกาศ

ยังมีทางเลือกที่สาม และสำหรับทีมส่วนใหญ่ นั่นคือทางเลือกที่ถูกต้องในเดือนนี้: ไม่เลือกทั้งสองตัว Karpo เพิ่งเปิดตัวได้สองสัปดาห์ มีคะแนนนำที่ยังเสมอกันอยู่และยังไม่มีคะแนนประเมินจากหน่วยงานอิสระ ส่วน Drex Max 1.1 ตั้งราคาโดยอิงส่วนลดที่มีวันหมดอายุ ลองรันทั้งสองตัวกับชุดตัวอย่างที่คุณติดป้ายกำกับเอง แล้วเปรียบเทียบอัตราการ "มั่นใจแต่ผิด" แทนที่จะดูแค่ตัวเลขพาดหัว สำหรับตัว incumbent ในการทดสอบแบบเงามืดนั้น ตัวอ้างอิงที่ถูกที่สุดที่มีให้ใช้คือโมเดลของ TypeSafe เอง — Jev 1.14 อยู่ในแคตาล็อกของเรา ดังนั้นนโยบายแบบเกณฑ์ขั้นต่ำจึงสามารถตรวจสอบความถูกต้องเทียบกับสิ่งที่ทุกการทำ reproduction แบบเปิดกำลังไล่ตามได้ ด้วยคีย์เดียวกันกับที่คุณจะใช้กับ Qwen3.8-27B หรือ Gemma 4 31B ซึ่งเป็นโมเดลฐานสองตัวที่เช็กพอยต์เหล่านี้สร้างขึ้นมา โมเดลฐานทั้งสองให้บริการผ่าน API เดียวสำหรับโมเดลกว่า 200 ตัว ในราคาตามที่ผู้ให้บริการกำหนดโดยไม่บวกเพิ่ม ซึ่งมีประโยชน์ก็เพราะชั้นตัดสินใจเป็นจุดที่คุณอยากสลับโมเดลแต่คงโค้ดเดิมไว้

สิ่งเดียวที่จะตัดสินการเปรียบเทียบครั้งนี้ได้คือตัวเลขหนึ่งตัว: การที่ Karpo Decision 31B ปรากฏบนกระดาน AA จนกว่าจะถึงตอนนั้น การเปรียบเทียบนี้ก็เป็นเพียง 73.9 ที่มีเอกสารยืนยันชัดเจน เทียบกับ 72.62 ที่มีเอกสารยืนยันชัดเจน ซึ่งเกิดจากสององค์กรที่ไม่เคยตรวจข้อสอบชุดเดียวกันเลย

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.
© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube