
Karpo Decision 31B so với Liquid AI D1 Ultra: Một bên có giá, bên kia có câu chuyện
- 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
Liquid AI D1 Ultra là mô hình duy nhất trong so sánh này mà một nhóm tài chính có thể phê duyệt. Nó ra mắt ngày 15 tháng 10 năm 2026, được cung cấp từ hạ tầng riêng của Liquid với giá $0,042 mỗi triệu token đầu vào và 0 token đầu ra theo thiết kế, và Artificial Analysis chấm nó 70,58 trên Decision Index v2.1 — đứng thứ tám trong 25 mô hình quyết định, kém mô hình kế nhiệm của chính nó là d1.2-ultra 4,3 điểm và gần ngang bằng với Drex Max 1.1 ở 72,62. Karpo Decision 31B, của MachinePulse, không có giá, không có endpoint và không có dòng nào trên Artificial Analysis. Thứ nó có là điểm Full 73,9 trên Decision Index cộng đồng, do những người duy trì bảng đó tính toán, và một kho Apache-2.0 mới hai tuần tuổi mà chưa ai công bố.
Đặt song song nhau, hai mô hình mô tả hai cách một mô hình ra quyết định có thể đi vào một tổ chức: một bên đến với hóa đơn và một con số được đo lường, bên kia đến với liên kết tải xuống và một lời hứa. Việc bạn nên quan tâm đến cái nào phụ thuộc vào việc lớp ra quyết định đang được đưa vào sản xuất trong quý này hay đang được tạo nguyên mẫu dựa trên ngân sách quý sau.
Con số mà Liquid thực sự đang bán, và lý do đó là con số không bị ảo giác


Tiêu đề của D1 Ultra là một tuyên bố về vị trí số một từ tháng 10 mà bảng đã công bố không hậu thuẫn, và lập luận đó đã được nêu ở nơi khác. Điều đáng hiểu lúc này là những gì đã thay đổi giữa nó và thế hệ tiền nhiệm, vì dữ liệu AA cho thấy điều đó một cách rõ ràng.
Liquid AI d1, bản gốc, đạt 3.3 về tỷ lệ không ảo giác của AA trong đánh giá kiến thức. Đó là gần cuối toàn bộ bảng xếp hạng — một mô hình mà khi không biết thì bịa ra. D1 Ultra đạt 88.6 ở cùng thước đo. Trong bài thi kiến thức trắc nghiệm, nó tăng từ 5.6 lên 56.9. Gần như không có phần tăng nào đến từ việc trả lời đúng nhiều hơn: độ chính xác thô trên AA-Omniscience thực tế giảm từ 39.8% xuống 28.0%. Mô hình trở nên tốt hơn nhờ học cách từ chối trả lời.
Đó không phải là một mẹo. Đối với một lớp ra quyết định, đó là hành vi giá trị nhất trong tất cả, bởi vì một câu trả lời bị từ chối sẽ được chuyển đến con người, còn một câu trả lời được bịa ra một cách tự tin sẽ được chuyển đến khách hàng. Nhưng nó định hình lại ý nghĩa của những gì chỉ số đang thưởng. Điểm 70.58 của D1 Ultra về cơ bản là điểm cho việc từ chối trả lời, và cùng bảng xếp hạng đó cho thấy cái giá phải trả: trên HLE-MultiChoice, độ chính xác thô là 6.09%, một trong những con số thấp nhất trong 25 mô hình được liệt kê.
Kế nhiệm của nó, d1.2-ultra, đã tiến xa hơn theo cùng hướng đó và vượt xa hơn nữa — 83,8 về không ảo giác với chỉ 23,6% độ chính xác thô, chỉ số 74,85, và đứng đầu bảng. Liquid đã tối ưu hóa mạnh mẽ một trục, và trục đó là sự trung thực chứ không phải kiến thức.
Nơi hồ sơ của Karpo chạy theo hướng ngược lại
Số liệu của Karpo đến từ một công cụ khác, nên không thể trừ khỏi số liệu của Liquid. Điều chúng có thể làm là cho thấy một hình dạng khác.
Trong năm hạng mục của Decision Index, lĩnh vực mạnh nhất của Karpo là công cụ và tự động hóa với 88,4 điểm kỹ năng đã hiệu chỉnh theo yếu tố ngẫu nhiên, còn lĩnh vực yếu nhất là kiến thức và lập luận với 65,5. Sai số hiệu chuẩn do tracker ghi nhận là 4,8 điểm. Thẻ này cũng báo cáo độ trễ trung vị là 94 ms trên phần cứng tham chiếu, so với 301 ms mỗi tác vụ của D1 Ultra theo đo lường của AA — đây là các phép đo khác nhau, một phép tính theo mỗi yêu cầu và một phép tính theo mỗi tác vụ, nên chỉ mang tính định hướng.
Đọc hai hồ sơ cùng nhau và một khác biệt mạch lạc hiện ra: Karpo là một mô hình được tinh chỉnh hướng tới hành động — chọn công cụ, định tuyến, tương tác trang, những quyết định nhỏ mà một tác nhân đưa ra ở mỗi bước — trong khi D1 Ultra và phiên bản kế nhiệm của nó được tinh chỉnh hướng tới việc từ chối. Một mô hình từ chối 72% câu hỏi kiến thức là một cỗ máy chọn công cụ kém, bởi vì chọn công cụ không phải là một câu hỏi mà bạn được phép từ chối trả lời. Một mô hình trả lời đúng 88% về định tuyến công cụ nhưng chỉ 65% về kiến thức là một cỗ máy kiến thức kém.
Đó mới là cuộc đối đầu thực sự, và đó là cuộc đối đầu về mục đích sử dụng chứ không phải về điểm số. Cách MachinePulse tự diễn đạt trong model card cũng nói lên điều đó: mô hình dành cho những quyết định mà một tác nhân đưa ra giữa các bước, có nên gọi công cụ hay hỏi trước, nên nhấp vào phần tử nào. Bản phát hành tháng Mười của Liquid, và còn hơn thế nữa là bản kế nhiệm tháng Mười Một, dành cho việc đánh giá liệu một tuyên bố có được hỗ trợ hay không.
So sánh chi phí, kèm theo những lưu ý đi kèm.
• Liquid AI D1 Ultra — $0,042 cho mỗi triệu token đầu vào, không tính phí đầu ra vì không có gì được tạo ra, $133 cho mỗi triệu tác vụ trên bộ tài liệu của AA, trung vị 301 ms mỗi tác vụ.
• Karpo Decision 31B — không có giá công bố. Chỉ tự triển khai: 62,5 GB trọng số bf16, một GPU, trung vị 94 ms mỗi yêu cầu trên phần cứng tham chiếu của tracker.
• Drex Max 1.1, để tham khảo quy mô — 0,03 USD mỗi triệu token đầu vào ở mức giá ra mắt mà AA đánh dấu là tạm thời, 102,7 USD mỗi triệu tác vụ.
• Phép so sánh mà không ai công bố — một mô hình thường trú 62,5 GB trên GPU thuê tốn đúng mức giá theo giờ của GPU đó, dù bạn gửi một yêu cầu hay mười nghìn yêu cầu. Ở khối lượng nhỏ, chi phí đó cao hơn hẳn $133 mỗi triệu tác vụ; ở khối lượng duy trì cao, điều đó đảo ngược.
Con số tính theo từng tác vụ là con số cần dựa vào để lập ngân sách, vì nó bao gồm số token mà mỗi mô hình tiêu thụ để trả lời cùng một tài liệu, và một mô hình liên tục đọc lại trạng thái của nó sẽ tốn nhiều hơn cho mỗi quyết định so với mức giá trên mỗi token gợi ý. Mức 133 đô la của D1 Ultra là cao nhất trong ba mô hình Liquid được liệt kê ở đây và cao hơn 30 đô la so với giá ra mắt của Drex Max 1.1. Đây không phải là một lớp ra quyết định rẻ, và mô hình mà nó thay thế có giá 63,4 đô la.
Nơi một gói dịch vụ được lưu trữ thực sự thắng là ở phân khúc thấp. Nếu bạn cần một mô hình ra quyết định cho một trăm yêu cầu mỗi ngày, việc cấp phát 62,5 GB bộ nhớ cho Karpo không phải là một lựa chọn nghiêm túc, còn việc gọi một endpoint đã được phục vụ theo giá niêm yết thì có. Danh mục của chúng tôi chuyển tiếp giá niêm yết của nhà cung cấp mà không cộng thêm phí, vì vậy một đợt giảm giá của Liquid sẽ được áp dụng ngay trong ngày được công bố, và một mô hình ra quyết định có thể nằm cùng phần còn lại của stack trên một khóa thay vì là một hợp đồng thứ hai. Đó không phải là lập luận ủng hộ D1 Ultra thay vì Karpo; đó là lập luận cho việc không mua GPU để tìm hiểu xem bạn có cần một chiếc hay không.
Những điều D1 Ultra có thể cho bạn biết mà Karpo thì không
Ba điều, tất cả đều thuộc kiểu điều bạn phát hiện ra vào tháng thứ hai.
Đầu tiên là thang bậc độ tin cậy. AA công bố hiệu chuẩn theo từng nhóm cho mọi mô hình mà họ chấm điểm, và của D1 Ultra thì dễ đọc: trong nhóm độ tin cậy từ 0,96 trở lên, nó đúng 97,1% số lần trong đánh giá đối xứng. Điều đó cho bạn biết ngưỡng 0,95 hoạt động gần đúng như công bố, một khẳng định đủ chắc để bạn xây dựng hàng đợi đánh giá dựa trên đó. Thẻ của Karpo chỉ đưa ra một con số tổng hợp — sai số hiệu chuẩn 4,8 điểm — và không có đường cong theo từng nhóm. Bạn có thể tự tạo một đường cong như vậy, và bạn sẽ phải làm thế.
Điều thứ hai là tính bất biến. AA-Symmetry sắp xếp lại các lựa chọn, hoán đổi nhãn và phủ định các câu hỏi có/không trên 440 biến thể, và D1 Ultra đạt 78,7 điểm với tỷ lệ vượt qua toàn bộ là 45,8%. Một mô hình ra quyết định đưa ra câu trả lời khác khi bạn sắp xếp các lựa chọn theo bảng chữ cái không phải là mô hình ra quyết định, mà là một đồng xu với thêm vài bước. Thẻ của Karpo không báo cáo kết quả về tính bất biến, và vì đầu đọc của nó chấm điểm mã lựa chọn tại các vị trí cố định thay vì văn bản lựa chọn, đây chính là thuộc tính đáng được xác minh trước khi triển khai.
Điều thứ ba là hành vi khi từ chối. AA báo cáo chỉ số không ảo giác 88,6 trên bộ kiến thức đối với D1 Ultra, nghĩa là đường kiêng trả lời được thực thi và đo lường. Karpo chỉ từ chối vì độ dài — chín trong 140.178 yêu cầu, tất cả đều quá cỡ — và thẻ của nó không nói gì về việc kiêng trả lời như một quyết định. Việc Karpo từ chối một câu hỏi mà nó không thể trả lời, hay chọn phương án ít tệ nhất vì đầu đọc luôn chọn một thứ gì đó, không được ghi lại. Phần hạn chế chỉ nói rằng nó “luôn chọn một trong các phương án được đưa ra”.
Câu cuối cùng đó là câu quan trọng nhất trong cả hai model card. Một mô hình ra quyết định mà về mặt cấu trúc không thể từ chối đưa ra câu trả lời cần có tùy chọn “không có câu trả lời chắc chắn” trong mọi danh sách lựa chọn, hoặc một ngưỡng trên xác suất, hoặc cả hai. Các nhà thiết kế của D1 Ultra đã chọn kiến trúc còn lại: nó có thể từ chối, và nó từ chối thường xuyên.
Giấy phép, đây là nơi duy nhất Karpo thắng hoàn toàn
Karpo Decision 31B dùng giấy phép Apache-2.0, cả trọng số lẫn mã nguồn, cùng với giấy phép của Gemma 4 được đi kèm. Tải về, chạy, chỉnh sửa, phát hành bản phái sinh, không cần trao đổi với luật sư.
Các mô hình của Liquid không mở. Không có trọng số, không có tự vận hành, không có tinh chỉnh trên lưu lượng của riêng bạn và không có triển khai trong môi trường cách ly mạng. API chính là sản phẩm. Đối với một pipeline phân loại nội bộ xử lý tài liệu có quy định, đó là một rào cản trong mua sắm theo cách mà một checkpoint 62,5 GB thì không.
Vậy sự đánh đổi rất rõ ràng và không phải về điểm số: Karpo cho bạn quyền kiểm soát và không gì khác; Liquid cho bạn một sản phẩm được đo lường và lấy đi các trọng số. Một nhóm có yêu cầu tuân thủ không thể chọn D1 Ultra với bất kỳ mức giá nào. Một nhóm có hạn chót ba tuần không thể chọn Karpo dù nỗ lực đến đâu, vì không có endpoint nào để gọi.
Làm gì trong tháng này
Nếu lớp quyết định sẽ được đưa vào vận hành thực tế và đầu vào là tài liệu, thì D1 Ultra là lựa chọn có thể biện minh được bất chấp mức giá và độ chính xác kiến thức thô thấp, bởi vì nó được đo lường, được cung cấp và được định giá, và hành vi từ chối trả lời của nó chính là đặc tính mà bạn thực sự muốn. Thay vào đó, hãy cân nhắc d1.2-ultra nếu bạn đang mua ngay bây giờ — đây là cùng dòng sản phẩm, cao hơn bốn điểm trên cùng bảng đánh giá, và nó mang cùng một lưu ý rằng phần lớn điểm số của nó đến từ việc từ chối trả lời chứ không phải kiến thức.
Nếu đầu vào là một trang, ảnh chụp màn hình hoặc lệnh gọi công cụ và bạn có GPU, thì Karpo là mô hình thú vị hơn và có giấy phép dễ dãi hơn, còn kỹ năng định tuyến công cụ 88,4 của nó là con số để bạn kiểm chứng với lưu lượng của riêng mình. Hãy bước vào với hiểu biết rằng bạn là người đầu tiên đo nó trên bất cứ thứ gì có ý nghĩa: không có dòng AA, không có giá, không có thông báo, và nhà cung cấp mà trang sản phẩm hiện đang trả về 404.
Có một con đường trung dung đáng được gọi tên, vì đó là điều hầu hết các nhóm cuối cùng vẫn làm. Chạy mô hình được lưu trữ trong môi trường sản xuất, chạy mô hình mở với cùng các yêu cầu đó ở chế độ ngoại tuyến, và so sánh tỷ lệ tự tin nhưng sai thay vì chỉ số tổng thể. Việc so sánh đó đòi hỏi cả hai mô hình có thể được gọi bằng một thông tin xác thực và được định giá minh bạch, và đó chính là điều mà danh mục của chúng tôi tồn tại để tạo ra — một mô hình quyết định được phục vụ và các nền tảng mở mà các bản tinh chỉnh này được xây dựng từ đó, trên một khóa, theo giá niêm yết của nhà cung cấp. Nếu Karpo có được một endpoint hoặc một bài gửi AA trong tháng tới, độ trễ của thay đổi đó giờ là thứ cần theo dõi; nếu không, 73.9 vẫn là một con số thú vị trên bảng cộng đồng và D1 Ultra vẫn là mô hình có biên nhận.

