การ์ดชื่อเรื่องที่สร้างขึ้นซึ่งมีหัวข้อ 'Karpo Decision 31B vs Liquid AI D1 Ultra' พร้อมคำโปรย 'อันหนึ่งมีราคา อีกอันมีเรื่องราว' ชิปสี่อันที่แสดงข้อความ '$0.042 ต่อล้านโทเค็นอินพุต', '70.58 บน Artificial Analysis v2.1', '73.9 บนบอร์ดชุมชน' และ 'ไม่มีแถว Artificial Analysis สำหรับ Karpo' และการ์ดแบบมีเส้นขอบสองใบที่คั่นด้วยเส้นแบ่งบางซึ่งมีป้ายกำกับว่า 'มีราคาและให้บริการ' และ 'น้ำหนักเปิด ไม่มีเอนด์พอยต์'
Guides & Insights

Karpo Decision 31B กับ Liquid AI D1 Ultra: ตัวหนึ่งมีราคา แต่อีกตัวมีเรื่องราว

ผู้เขียน

jinhao.song

วันที่เผยแพร่

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

Liquid AI D1 Ultra เป็นโมเดลเดียวในการเปรียบเทียบนี้ที่ทีมการเงินสามารถอนุมัติได้ โดยเปิดตัวเมื่อวันที่ 15 ตุลาคม 2026 ให้บริการจากโครงสร้างพื้นฐานของ Liquid เองในราคา $0.042 ต่อหนึ่งล้านโทเค็นอินพุต และมีโทเค็นเอาต์พุตเป็นศูนย์โดยการออกแบบ และ Artificial Analysis ให้คะแนน 70.58 บน Decision Index v2.1 — เป็นอันดับที่แปดจาก 25 โมเดลตัดสินใจ ตามหลังผู้สืบทอดของตัวเองอย่าง d1.2-ultra อยู่ 4.3 คะแนน และใกล้เคียงกับ Drex Max 1.1 ที่ 72.62 ส่วน Karpo Decision 31B จาก MachinePulse ไม่มีราคา ไม่มี endpoint และไม่มีแถวใน Artificial Analysis สิ่งที่มันมีคือคะแนน Full 73.9 บน Decision Index ของชุมชน ซึ่งคำนวณโดยผู้ดูแลบอร์ดนั้น และรีโพซิทอรี Apache-2.0 อายุสองสัปดาห์ที่ยังไม่มีใครประกาศ

เมื่อวางเทียบกัน โมเดลทั้งสองอธิบายวิธีที่โมเดลการตัดสินใจจะเข้าสู่องค์กรได้สองแบบ: แบบหนึ่งมาพร้อมใบแจ้งหนี้และตัวเลขที่วัดได้ อีกแบบมาพร้อมลิงก์ดาวน์โหลดและคำสัญญา คุณควรใส่ใจแบบไหนขึ้นอยู่กับว่าชั้นการตัดสินใจกำลังจะเข้าสู่โปรดักชันในไตรมาสนี้ หรือกำลังถูกทำต้นแบบโดยอิงงบประมาณไตรมาสหน้า

ตัวเลขที่ Liquid ขายได้จริง และเหตุใดจึงเป็นตัวเลขที่ไม่ได้เกิดจากการหลอน

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.

พาดหัวของ D1 Ultra คือการอ้างว่าอยู่อันดับหนึ่งเมื่อเดือนตุลาคม ซึ่งตารางอันดับที่เผยแพร่ไม่ได้สนับสนุน และประเด็นนี้ถูกกล่าวถึงที่อื่นแล้ว สิ่งที่ควรทำความเข้าใจตอนนี้คือสิ่งที่เปลี่ยนแปลงไประหว่าง D1 Ultra กับรุ่นก่อนหน้า เพราะข้อมูลของ AA แสดงให้เห็นอย่างชัดเจน

Liquid AI d1 รุ่นออริจินัลได้คะแนน 3.3 ในอัตราการไม่สร้างข้อมูลเท็จของ AA สำหรับการประเมินความรู้ ซึ่งใกล้กับก้นตารางอันดับทั้งหมด — เป็นโมเดลที่เมื่อไม่รู้ก็กุเรื่องขึ้นมา D1 Ultra ได้ 88.6 ในตัวชี้วัดเดียวกัน ในการสอบความรู้แบบปรนัย คะแนนขยับจาก 5.6 เป็น 56.9 การขยับเกือบทั้งหมดไม่ได้มาจากการตอบถูกมากขึ้น: ความแม่นยำดิบใน AA-Omniscience จริง ๆ แล้วลดลงจาก 39.8% เหลือ 28.0% โมเดลดีขึ้นเพราะเรียนรู้ที่จะปฏิเสธที่จะตอบ

นั่นไม่ใช่กลอุบาย สำหรับชั้นการตัดสินใจแล้ว มันคือพฤติกรรมที่มีค่าที่สุดเพียงหนึ่งเดียวที่มีอยู่ เพราะคำตอบที่ปฏิเสธจะถูกส่งต่อไปยังมนุษย์ ขณะที่คำตอบที่แต่งขึ้นมาอย่างมั่นใจจะถูกส่งต่อไปยังลูกค้า แต่มันทำให้กรอบความคิดเกี่ยวกับสิ่งที่ดัชนีกำลังให้รางวัลเปลี่ยนไป 70.58 ของ D1 Ultra โดยเนื้อแท้แล้วเป็นคะแนนสำหรับการงดตอบ และกระดานเดียวกันนั้นก็แสดงต้นทุนให้เห็น: บน HLE-MultiChoice ความแม่นยำดิบอยู่ที่ 6.09% ซึ่งเป็นหนึ่งในตัวเลขที่ต่ำที่สุดในบรรดา 25 โมเดลที่ระบุไว้

รุ่นสืบทอดอย่าง d1.2-ultra ไปไกลกว่าในทิศทางเดิมและเลยไปไกลกว่านั้นอีก — คะแนนการไม่ฮัลลูซิเนต 83.8 ด้วยความแม่นยำดิบเพียง 23.6% ดัชนี 74.85 และเป็นอันดับหนึ่งของตารางคะแนน Liquid ได้ปรับแต่งแกนหนึ่งอย่างหนัก และแกนนั้นคือความซื่อสัตย์มากกว่าความรู้

ในจุดที่โปรไฟล์ของ Karpo ไปในทิศทางตรงกันข้าม

ตัวเลขของ Karpo มาจากเครื่องมือวัดที่แตกต่างกัน จึงไม่สามารถนำไปลบออกจากตัวเลขของ Liquid ได้ สิ่งที่ทำได้คือแสดงรูปร่างที่แตกต่างออกไป

ในห้าหมวดหมู่ของ Decision Index จุดแข็งที่สุดของ Karpo คือเครื่องมือและระบบอัตโนมัติ โดยมีทักษะที่ปรับแก้ตามโอกาสอยู่ที่ 88.4 และจุดอ่อนที่สุดคือความรู้และการให้เหตุผลที่ 65.5 ความคลาดเคลื่อนในการสอบเทียบที่บันทึกโดยตัวติดตามของมันคือ 4.8 คะแนน การ์ดยังรายงานความหน่วงมัธยฐาน 94 ms บนฮาร์ดแวร์อ้างอิง เทียบกับ 301 ms ต่องานสำหรับ D1 Ultra ในการวัดของ AA — เป็นการวัดที่แตกต่างกัน โดยอันหนึ่งต่อคำขอและอีกอันต่องาน จึงใช้บอกทิศทางเท่านั้น

เมื่ออ่านสองโปรไฟล์นี้ประกอบกัน จะเห็นความแตกต่างที่สอดคล้องกันชัดเจน: Karpo เป็นโมเดลที่ปรับมาเพื่อการลงมือทำ — การเลือกเครื่องมือ การจัดเส้นทาง การโต้ตอบกับหน้าเว็บ การเรียกเล็ก ๆ ที่เอเจนต์ทำในทุกขั้นตอน — ในขณะที่ D1 Ultra และรุ่นสืบทอดปรับมาเพื่อการปฏิเสธ โมเดลที่ปฏิเสธคำถามความรู้ถึง 72% เป็นกลไกเลือกเครื่องมือที่แย่ เพราะการเลือกเครื่องมือไม่ใช่คำถามที่คุณได้รับอนุญาตให้งดตอบ โมเดลที่ตอบถูก 88% ในการจัดเส้นทางเครื่องมือ แต่ตอบถูกเพียง 65% ในด้านความรู้ ถือเป็นกลไกความรู้ที่แย่

นั่นคือการเปรียบเทียบที่แท้จริง และเป็นการเปรียบเทียบที่ดูที่การใช้งานตามวัตถุประสงค์มากกว่าคะแนน MachinePulse เองก็ระบุไว้เช่นนั้นใน model card ว่าโมเดลนี้มีไว้สำหรับการตัดสินใจที่เอเจนต์ทำระหว่างขั้นตอนต่างๆ ไม่ว่าจะเป็นการเรียกใช้เครื่องมือหรือถามก่อน และจะคลิกองค์ประกอบใด ส่วนผลิตภัณฑ์ที่ Liquid เปิดตัวในเดือนตุลาคม และยิ่งกว่านั้นคือรุ่นต่อยอดในเดือนพฤศจิกายน มีไว้สำหรับประเมินว่าข้อกล่าวอ้างหนึ่งๆ ได้รับการสนับสนุนหรือไม่

การเปรียบเทียบต้นทุน พร้อมข้อควรระวังประกอบ

Liquid AI D1 Ultra — 0.042 ดอลลาร์ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น ไม่มีค่าใช้จ่ายเอาต์พุตเนื่องจากไม่มีการสร้างเอาต์พุต 133 ดอลลาร์ต่อหนึ่งล้านงานในชุดเอกสารของ AA ค่ามัธยฐาน 301 มิลลิวินาทีต่อหนึ่งงาน

• Karpo Decision 31B — ไม่มีราคาที่เผยแพร่ ใช้งานแบบโฮสต์เองเท่านั้น: น้ำหนัก bf16 จำนวน 62.5 GB, GPU หนึ่งตัว, ค่ามัธยฐาน 94 มิลลิวินาทีต่อคำขอบนฮาร์ดแวร์อ้างอิงของ tracker

• Drex Max 1.1 สำหรับการเปรียบเทียบขนาด — 0.03 ดอลลาร์ต่อล้านโทเค็นอินพุต ในราคาเปิดตัวที่ AA ระบุว่าเป็นราคาชั่วคราว, 102.7 ดอลลาร์ต่อล้านงาน

• การเปรียบเทียบที่ไม่มีใครเผยแพร่ — โมเดลขนาด 62.5 GB ที่โหลดค้างไว้ในหน่วยความจำบน GPU ที่เช่า มีต้นทุนเท่ากับค่า GPU นั้นต่อชั่วโมง ไม่ว่าคุณจะส่งคำขอหนึ่งรายการหรือหนึ่งหมื่นรายการ เมื่อปริมาณงานน้อย นั่นสูงกว่า $133 ต่อล้านงานมาก เมื่อปริมาณงานสูงอย่างต่อเนื่อง สถานการณ์จะกลับกัน

ตัวเลขต่องานคือตัวที่ควรใช้ตั้งงบประมาณ เพราะมันรวมจำนวนโทเค็นที่แต่ละโมเดลใช้ไปในการตอบเอกสารเดียวกันไว้ด้วย และโมเดลที่อ่านสถานะของตัวเองซ้ำแล้วซ้ำเล่าจะมีต้นทุนต่อการตัดสินใจสูงกว่าที่อัตราต่อโทเค็นบ่งชี้ ราคา $133 ของ D1 Ultra สูงที่สุดในบรรดาโมเดล Liquid สามตัวที่ระบุไว้ที่นี่ และสูงกว่าราคาเปิดตัวของ Drex Max 1.1 อยู่ $30 นี่ไม่ใช่ชั้นการตัดสินใจราคาถูก และโมเดลที่มันเข้ามาแทนนั้นมีราคา $63.4

จุดที่แพ็กเกจแบบโฮสต์ชนะอย่างแท้จริงคือช่วงล่างของตลาด หากคุณต้องการโมเดลสำหรับการตัดสินใจรองรับคำขอหนึ่งร้อยครั้งต่อวัน การจัดสรรหน่วยความจำ 62.5 GB ให้ Karpo ไม่ใช่ตัวเลือกที่สมเหตุสมผลจริงจัง แต่การใช้ endpoint ที่ให้บริการในราคาตามรายการต่างหากคือคำตอบ แคตตาล็อกของเราส่งต่อราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม ดังนั้นการลดราคาของ Liquid จึงมีผลในวันเดียวกับที่ประกาศ และโมเดลสำหรับการตัดสินใจสามารถอยู่ร่วมกับส่วนอื่น ๆ ของสแตกได้ด้วยคีย์เดียว แทนที่จะเป็นสัญญาอีกฉบับ นั่นไม่ใช่ข้อโต้แย้งให้เลือก D1 Ultra แทน Karpo; แต่เป็นข้อโต้แย้งที่จะไม่ซื้อ GPU เพื่อดูว่าคุณจำเป็นต้องใช้มันหรือไม่

สิ่งที่ D1 Ultra บอกคุณได้ แต่ Karpo บอกไม่ได้

สามเรื่อง ซึ่งทั้งหมดเป็นแบบสิ่งที่คุณจะค้นพบในเดือนที่สอง

อย่างแรกคือบันไดความมั่นใจ AA เผยแพร่การสอบเทียบรายช่วงสำหรับทุกโมเดลที่它ให้คะแนน และของ D1 Ultra ก็อ่านเข้าใจได้: ในช่วงความมั่นใจ 0.96 ขึ้นไป โมเดลให้คำตอบถูก 97.1% ของครั้งในการประเมินความสมมาตร สิ่งนี้บอกคุณว่าเกณฑ์ที่ 0.95 ทำงาน roughly ตามที่โฆษณาไว้ ซึ่งเป็นข้อกล่าวอ้างที่คุณใช้เป็นพื้นฐานสร้างคิวตรวจทานได้ การ์ดของ Karpo ให้ตัวเลขรวมเพียงตัวเดียว—ความคลาดเคลื่อนการสอบเทียบ 4.8 จุด—และไม่มีเส้นโค้งรายช่วง คุณสร้างเส้นโค้งนั้นเองได้ และคุณจะต้องทำ

ประการที่สองคือความไม่แปรเปลี่ยน AA-Symmetry จะสลับลำดับตัวเลือก สลับป้ายกำกับ และกลับค่าคำถามแบบใช่/ไม่ใช่ across 440 variants และ D1 Ultra ได้คะแนน 78.7 โดยมีอัตราผ่านทั้งหมด 45.8% โมเดลการตัดสินใจที่ให้คำตอบต่างออกไปเมื่อคุณเรียงตัวเลือกตามตัวอักษรไม่ใช่โมเดลการตัดสินใจ แต่เป็นเหรียญที่มีขั้นตอนเพิ่มเติม การ์ดของ Karpo ไม่ได้รายงานผลความไม่แปรเปลี่ยน และเนื่องจากการอ่านค่าของมันให้คะแนนรหัสตัวเลือก ณ ช่องตำแหน่งคงที่ แทนที่จะให้คะแนนข้อความตัวเลือก นี่จึงเป็นคุณสมบัติที่ควรตรวจสอบก่อนนำไปใช้งานจริง

ข้อที่สามคือพฤติกรรมเมื่อต้องปฏิเสธ AA รายงานคะแนน non-hallucination 88.6 บนชุดความรู้สำหรับ D1 Ultra ซึ่งหมายความว่าเส้นทางการงดตอบถูกทดสอบและวัดผลแล้ว Karpo ปฏิเสธเฉพาะกรณีความยาวเท่านั้น — 9 จาก 140,178 คำขอ ซึ่ง oversized ทั้งหมด — และการ์ดของมันไม่ได้กล่าวถึงการงดตอบในฐานะการตัดสินใจเลย ไม่มีเอกสารระบุว่า Karpo ปฏิเสธคำถามที่ตอบไม่ได้ หรือเลือกตัวเลือกที่แย่น้อยที่สุดเพราะ readout เลือกอะไรบางอย่างเสมอ ส่วนหัวข้อข้อจำกัดกล่าวเพียงว่า "มันเลือกหนึ่งในตัวเลือกที่ให้มาเสมอ"

ประโยคสุดท้ายนั้นคือประโยคที่สำคัญที่สุดในโมเดลการ์ดทั้งสองใบ โมเดลตัดสินใจที่โดยโครงสร้างไม่สามารถละเว้นการตัดสินใจได้ จำเป็นต้องมีตัวเลือก "ไม่มีคำตอบที่มั่นใจ" ในรายการตัวเลือกทุกอัน หรือมีเกณฑ์ขั้นต่ำของความน่าจะเป็น หรือทั้งสองอย่าง ผู้ออกแบบ D1 Ultra เลือกสถาปัตยกรรมอีกแบบ: มันสามารถปฏิเสธที่จะตอบได้ และมักปฏิเสธบ่อยครั้ง

ใบอนุญาต ซึ่งเป็นจุดเดียวที่คาร์โปชนะอย่างเด็ดขาด

Karpo Decision 31B อยู่ภายใต้สัญญาอนุญาต Apache-2.0 ทั้งน้ำหนักโมเดลและโค้ด โดยมีสัญญาอนุญาตของ Gemma 4 มาควบคู่ด้วย ดาวน์โหลด รัน แก้ไข และนำเวอร์ชันดัดแปลงออกเผยแพร่ได้ โดยไม่ต้องปรึกษาทนายความ

โมเดลของ Liquid ไม่ใช่โมเดลแบบเปิด ไม่มีเวต ไม่มีการโฮสต์เอง ไม่มีการไฟน์ทูนด้วยทราฟฟิกของคุณเอง และไม่มีการติดตั้งแบบ air-gapped API คือผลิตภัณฑ์ สำหรับไปป์ไลน์การจำแนกประเภทภายในที่จัดการเอกสารภายใต้กฎระเบียบ นี่คืออุปสรรคขวางการจัดซื้อ ขณะที่เช็กพอยต์ขนาด 62.5 GB ไม่เป็นเช่นนั้น

ดังนั้นข้อแลกเปลี่ยนจึงชัดเจน และไม่ใช่เรื่องของคะแนน: Karpo ให้การควบคุมแก่คุณเพียงอย่างเดียว; Liquid ให้ผลิตภัณฑ์ที่ผ่านการวัดผลและพรากน้ำหนักไป ทีมที่มีข้อกำหนดด้านการปฏิบัติตามกฎระเบียบไม่สามารถเลือก D1 Ultra ได้ไม่ว่าจะราคาเท่าใด ทีมที่มีกำหนดส่งสามสัปดาห์ไม่สามารถเลือก Karpo ได้ไม่ว่าจะพยายามแค่ไหน เพราะไม่มี endpoint ให้เรียก

ทำอะไรดีเดือนนี้

หากเลเยอร์การตัดสินใจกำลังจะขึ้นโปรดักชันและอินพุตเป็นเอกสาร D1 Ultra คือตัวเลือกที่มีเหตุผลรองรับแม้ราคาจะสูงและความแม่นยำของความรู้ดิบจะต่ำ เพราะมันถูกวัดผล ถูกให้บริการ และถูกกำหนดราคา และพฤติกรรมการไม่ตอบ (abstention) คือคุณสมบัติที่คุณต้องการจริง ๆ จับตา d1.2-ultra แทนหากคุณกำลังซื้อตอนนี้ — มันอยู่ในสายผลิตภัณฑ์เดียวกัน ได้คะแนนสูงกว่าสี่จุดบนบอร์ดเดียวกัน และมีข้อแม้เดียวกันว่าคะแนนส่วนใหญ่มาจากการไม่ตอบมากกว่าความรู้

หากอินพุตเป็นหน้าเว็บ ภาพหน้าจอ หรือการเรียกเครื่องมือ และคุณมี GPUs แล้ว Karpo คือโมเดลที่น่าสนใจกว่าและมีสัญญาอนุญาตที่ผ่อนปรนกว่า และทักษะการจัดเส้นทางเครื่องมือที่ 88.4 ของมันคือตัวเลขที่ควรนำไปทดสอบกับทราฟฟิกของคุณเอง เริ่มต้นโดยรู้ไว้เลยว่าคุณคือคนแรกที่วัดมันบนสิ่งที่สำคัญจริง ๆ: ไม่มีแถว AA ไม่มีราคา ไม่มีประกาศ และผู้จำหน่ายที่หน้าผลิตภัณฑ์ขณะนี้ตอบกลับ 404

มีทางสายกลางอยู่ทางหนึ่งที่ควรค่าแก่การเอ่ยถึง เพราะมันคือสิ่งที่ทีมส่วนใหญ่ลงเอยด้วยการทำ นั่นคือรันโมเดลแบบโฮสต์ในโปรดักชัน รันโมเดลแบบเปิดกับคำขอชุดเดียวกันแบบออฟไลน์ แล้วเปรียบเทียบอัตราการมั่นใจแต่ผิด แทนที่จะดูดัชนีภาพรวม การเปรียบเทียบนั้นต้องให้ทั้งสองโมเดลเรียกใช้ได้ด้วยCredential เดียวและมีราคาที่โปร่งใส ซึ่งเป็นกรณีที่แคตตาล็อกของเราถูกสร้างขึ้นมาเพื่อทำให้เกิดขึ้นจริง — โมเดลตัดสินใจที่ให้บริการอยู่ กับฐานแบบเปิดที่การ fine-tune เหล่านี้ถูกสร้างขึ้นมา บนคีย์เดียว ในราคาตามที่ผู้ให้บริการกำหนด หาก Karpo ได้เอนด์พอยต์หรือได้ส่งเข้า AA ภายในเดือนหน้า ความหน่วงของการเปลี่ยนแปลงนั้นก็จะเป็นสิ่งที่ต้องจับตาดู หากไม่ได้ 73.9 ก็ยังคงเป็นตัวเลขที่น่าสนใจบนกระดานคอมมิวนิตี้ และ D1 Ultra ก็ยังคงเป็นโมเดลที่มีใบเสร็จเป็นหลักฐาน

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.
© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube