
Karpo Decision 31B vs Drex Max 1.1: Hai bo mạch, mỗi bo một con số
- OrcaMỚIOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 trên 1 triệu token · 184 tok/s
- tencentMỚITencent: Hy4 Flash2026-11-16$0.02 / $0.07 trên 1 triệu token · 223 tok/s
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 87 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 96 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 trên 1 triệu token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 trên 1 triệu token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
Karpo Decision 31B và Drex Max 1.1 đủ gần nhau về kích thước, hình dạng và nhiệm vụ đến mức một bảng thông số khiến chúng trông như cùng một sản phẩm của hai công ty. Cả hai đều là mô hình dense ~30B được tinh chỉnh để trả lời các câu hỏi dạng gõ văn bản về một trạng thái trong một lượt truyền xuôi duy nhất mà không sinh văn bản. Cả hai đều trang bị đầu đọc 255 lớp, đều nhận ảnh, đều từ chối thay vì cắt bớt một câu hỏi quá khổ. Điểm khác biệt không nằm ở kiến trúc. Mà nằm ở việc mỗi nhà cung cấp sẵn sàng để người khác đo đạc điều gì, và ở việc bạn được phép làm gì với trọng số sau đó. Karpo, của MachinePulse, có điểm Full từ bên thứ ba và không có giá. Drex Max 1.1, của Nace.AI, có một chỉ số độc lập từ Artificial Analysis, mức giá công bố và giấy phép hạn chế sử dụng thương mại.
Không phương án đánh đổi nào trong hai phương án đó rõ ràng là lựa chọn đúng. Đây là cái giá thực sự phải trả cho mỗi phía của sự đánh đổi.
Những con số này đến từ đâu, vì chúng không đến từ cùng một nơi
Bắt đầu bằng phần khó chịu: không có bảng xếp hạng nào mà hôm nay cả hai mô hình đều có điểm.
Karpo Decision 31B xuất hiện trên Decision Index, bảng cộng đồng theo dõi các bản tái tạo mở của Jev do TypeSafe phát triển. Điểm Full của nó là 73.9, do những người duy trì bảng tính toán trên các bài kiểm thử riêng tư, và hiện nó đang chia sẻ vị trí đầu tiên với GLiDE 27B ở mức 73.4. Chỉ số công khai 75.05 của nó đến từ lần chạy bộ công cụ chính thức của chính MachinePulse và đã được bảng chấp nhận, với tệp kết quả gồm 140,178 yêu cầu được công bố để bất kỳ ai cũng có thể chạy lại. Artificial Analysis hoàn toàn không có dòng nào cho Karpo.
Drex Max 1.1 là bản sao ngược. Artificial Analysis cho nó điểm 72,62 trên Decision Index v2.1 — đứng thứ hai trong số 25 mô hình ra quyết định, xếp sau Liquid AI d1.2-ultra với 74,85 và xếp trên SubQ Snap 1.2 với 72,58. Con số đó là của AA, được đo trên phần cứng của AA với bộ tài liệu riêng của AA. Điều Karpo có mà Drex Max 1.1 không có: Jev tracker có một hàng cho Drex Max v1 ở mức 66,60 Full, và không có hàng nào cho v1.1 cả.
Vậy nên phép so sánh cùng một công cụ duy nhất hiện có là Karpo Decision 31B ở mức 73.9 so với Drex Max v1 ở mức 66.6 — khoảng cách 7.3 điểm trên một bảng xếp hạng, giữa hai phiên bản khác nhau của mô hình Nace, đúng kiểu so sánh tâng bốc bên nào mà bạn tình cờ ưa thích. Nếu vạch đường theo hướng ngược lại thì Drex Max 1.1 có 72.62 trong khi Karpo không có gì được in. Cả hai câu đều đúng. Không câu nào là so sánh trực diện.
Các thông số kỹ thuật, từng chiều một

• Thông số — Karpo 31.3B ở dạng bf16 cùng một readout 255 × 5.376 fp32, khoảng 62,5 GB trên đĩa; Drex Max 1.1 là mô hình dense 27B, khoảng 49 GB ở bf16 và 26 GB với backbone ở 8-bit.
• Mô hình cơ sở — Gemma 4 31B được tinh chỉnh theo hướng dẫn cho Karpo, Qwen3.8-27B cho Drex Max 1.1. Kho ngữ liệu tiền huấn luyện khác nhau, tokenizer khác nhau, mọi thứ ở hạ nguồn đều khác.
• Ngữ cảnh — Karpo lấy 32,768 token mỗi chuỗi và chia một yêu cầu dài hơn theo từng câu hỏi, mỗi phần mang đầy đủ trạng thái; Drex Max 1.1 mặc định 16,384 token mỗi yêu cầu và tài liệu của nhà cung cấp nâng con số này lên 131,072 token mỗi câu hỏi.
• Đa phương thức — cả hai đều đọc hình ảnh trực tiếp, và cả hai đều hiển thị ảnh chụp màn hình cho mọi câu hỏi trong yêu cầu thay vì chỉ một câu hỏi.
• Các loại câu hỏi — bề mặt giống hệt: lựa chọn tối đa 255 tùy chọn, noul cho đúng/sai, điểm cho một cấp độ có thứ tự.
• Giao diện — Karpo phục vụ System One tại POST /v1/systemone từ gói Python riêng của nó; Drex Max 1.1 có cấu trúc tương tự, cùng với các bản fork llama.cpp và Ollama cho Apple silicon và CPU.
• Giấy phép — Apache-2.0 cho trọng số và mã của Karpo; Nace.AI Open RAIL-M cho Drex Max 1.1, là trọng số mở kèm các hạn chế sử dụng.
{{1}}Lưu trữ{{/1}} — Karpo không có. Drex Max 1.1 được Nace.AI cung cấp với giá $0.03 mỗi triệu token đầu vào, được ghi nhận trên bảng AA là giá ra mắt tạm thời.

Hàng ngữ cảnh là thứ mà mọi người thường lướt qua. Một trần cứng 32,768 token với việc từ chối tường minh là một ràng buộc kỹ thuật khác với mức mặc định 16,384 token mà bạn có thể nâng lên 131,072 bằng một biến môi trường. Nếu các trạng thái của bạn là hóa đơn và phiếu hỗ trợ, cả hai con số đều không quan trọng. Nếu các trạng thái của bạn là hợp đồng, mô hình Nace có thể được đưa mười cái trong số đó, còn Karpo thì không thể được đưa dù chỉ một.
11 điểm khác biệt về hiệu chuẩn trông như thế nào trong một pipeline
Độ chính xác là con số người ta hay trích dẫn và cũng là con số ít quan trọng nhất đối với loại mô hình này. Mục đích cốt lõi của một mô hình ra quyết định là đầu ra của nó là một xác suất mà một ngưỡng có thể tác động lên, nên câu hỏi là liệu xác suất đó có trung thực hay không.
Thẻ của Karpo báo cáo sai số hiệu chuẩn là 4,8 điểm: khi mô hình nói 0,9, thực tế nó đúng ít hơn 90% một chút, trung bình khoảng năm điểm. Hồ sơ AA của Drex Max 1.1 có điểm Brier là 0,16 trên toàn bộ bộ câu hỏi, đây là một thống kê khác và không thể so sánh trực tiếp, nhưng cùng bảng đó cũng hiển thị thang độ tin cậy của nó: ở nhóm độ tin cậy 0,98, mô hình đúng 97,5% số lần. Đó là một mô hình mà các câu trả lời có độ tin cậy cao nhất có thể được tin tưởng đúng như giá trị hiển thị.
Điều tách biệt đáng chú ý ở Drex Max 1.1 nằm trong phần đánh giá kiến thức. Trên AA-Omniscience, nó đạt điểm quyết định {{1}}60,3{{/1}} — nhưng điểm tổng hợp đó đến từ {{2}}độ chính xác thô 28%{{/2}} so với tỷ lệ không ảo giác {{3}}65,3%{{/3}}. Đọc hai con số này cùng nhau, bạn có một mô hình trả lời đúng khoảng một phần tư số câu hỏi kiến thức và từ chối trả lời một phần lớn số còn lại. Chỉ số này trả công cho việc từ chối thay vì bịa ra, đó là hành vi dự kiến cho một lớp quyết định và không phù hợp với bất cứ thứ gì cần một câu trả lời thực sự.
Với Karpo, cùng bản năng đó xuất hiện ở một chỗ khác: chín yêu cầu trong số 140.178 đã bị từ chối thẳng vì một câu hỏi cùng trạng thái của nó làm tràn cửa sổ. Từ chối thay vì cắt ngầm là mặc định đúng. Đó cũng là một chế độ lỗi mà bạn phải đi vòng qua, và mức trần 32.768 token khiến nó trở thành chế độ lỗi thường gặp hơn.
Độ trễ và hình thái của việc triển khai
Số trung vị được ghi nhận của Karpo là 94 ms mỗi yêu cầu trên phần cứng tham chiếu của tracker, một GPU, mỗi lần một yêu cầu. AA đo Drex Max 1.1 ở 283 ms mỗi tác vụ và chi phí $102.7 cho mỗi triệu tác vụ theo giá ra mắt hiện tại. Hai con số không phải cùng một phép đo — mỗi yêu cầu so với mỗi tác vụ, và một tác vụ trên bộ tài liệu của AA là nhiều quyết định trên một tài liệu dài — nên hãy coi khoảng cách này là mang tính định hướng chứ không chính xác tuyệt đối.
Về mặt định hướng, nó nói lên một điều có thật: một readout 31B dẫn xuất từ Gemma với một lượt truyền trạng thái chia sẻ duy nhất là một đối tượng gọn nhẹ hơn so với một mô hình 27B mà các lớp attention phi nhân quả của nó viết lại toàn bộ chuỗi. Việc gọn nhẹ hơn có quan trọng hay không phụ thuộc vào vị trí của lời gọi. Một cổng kích hoạt trước mỗi lời gọi công cụ cần nằm trong ngân sách lượt. Việc chấm điểm lại một nghìn ticket hằng đêm thì không bận tâm đến 200 ms.
Câu hỏi về giấy phép mà không ai hỏi cho đến khi bộ phận thu mua hỏi.
Karpo Decision 31B dùng Apache-2.0 cho cả trọng số lẫn mã nguồn, cùng với giấy phép riêng của Gemma 4 được kèm theo trong kho lưu trữ. Đó là đầu mút thoáng nhất trong phổ mở.
Drex Max 1.1 nằm dưới giấy phép Open RAIL-M của Nace.AI. Open RAIL-M thực sự mở — bạn có thể tải xuống, chạy, sửa đổi và phân phối lại — nhưng nó mang các hạn chế sử dụng lan truyền tới người dùng hạ nguồn, và nó buộc bạn phải chuyển tiếp các hạn chế tương tự. Với một sổ tay nghiên cứu, sự phân biệt đó là vô hình. Với một sản phẩm mà mô hình nằm bên trong pipeline hướng tới khách hàng, đó là một cuộc rà soát pháp lý, và cuộc rà soát sẽ hỏi điều gì xảy ra khi bạn tinh chỉnh nó và phát hành bản dẫn xuất. Câu trả lời là “các hạn chế đi kèm với nó”.
Nếu lớp quyết định là công cụ nội bộ, giấy phép chỉ là một chú thích nhỏ. Nếu nó được nhúng vào thứ bạn bán, Apache-2.0 loại bỏ một cuộc họp khỏi đường găng.
Cái nào thực sự phù hợp
Hãy chọn Drex Max 1.1 nếu bạn muốn một con số mà mình không phải tự tính, một mức giá có thể đưa vào ngân sách, và những trạng thái kéo dài lâu. Nó có thể đo lường được ngay hôm nay, được host ngay hôm nay, và phần trên cùng của thang độ tin cậy chính là đặc tính khiến một ngưỡng tự động có thể biện minh được. Cái giá phải trả là các hạn chế về giấy phép và mức giá ra mắt mà AA nêu rõ là tạm thời.
Hãy chọn Karpo Decision 31B nếu việc không có endpoint được host không phải là vấn đề — bạn có GPU, hoặc bạn có một batch job — và tính permissive của Apache-2.0 là điều quan trọng, và điểm Full của bảng đánh giá là bằng chứng bạn tin tưởng. Cái giá phải trả là 62,5 GB trọng số, giới hạn 32.768 token, và một nhà cung cấp chưa công bố giá, trang sản phẩm hay thông báo nào.
Có một lựa chọn thứ ba, và với hầu hết các đội, đó là lựa chọn đúng trong tháng này: không bên nào cả. Karpo mới ra đời được hai tuần, đang đồng hạng dẫn đầu và chưa có điểm số độc lập; Drex Max 1.1 đang được định giá theo một mức giảm giá sắp hết hạn. Hãy chạy cả hai trên mẫu đã gán nhãn của riêng bạn và so sánh tỷ lệ tự tin nhưng sai thay vì chỉ số tiêu đề. Đối với mô hình đương nhiệm trong bài kiểm thử bóng đó, tham chiếu có sẵn rẻ nhất là mô hình của chính TypeSafe — Jev 1.14 có trong danh mục của chúng tôi, vì vậy có thể xác thực một chính sách ngưỡng dựa trên thứ mà mọi bản tái tạo mở đang theo đuổi, trên cùng khóa bạn sẽ dùng cho Qwen3.8-27B hoặc Gemma 4 31B, hai mô hình nền mà các checkpoint này được xây dựng từ đó. Cả hai mô hình nền đều được phục vụ qua một API cho hơn 200 mô hình theo giá niêm yết của nhà cung cấp, không cộng thêm, điều này hữu ích chính xác vì lớp quyết định là nơi bạn muốn hoán đổi mô hình mà vẫn giữ nguyên mã.
Điều duy nhất có thể phân định cuộc so tài này là một con số: Karpo Decision 31B xuất hiện trên bảng AA. Cho đến lúc đó, phép so sánh là giữa mức 73,9 được ghi nhận rõ ràng và mức 72,62 được ghi nhận rõ ràng, do hai tổ chức chưa từng chấm cùng một bài đưa ra.

