
Karpo Decision 31B 对比 Drex Max 1.1:两块板,各有一个编号
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百万 tokens · 184 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百万 tokens · 223 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 87 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 96 tok/s
- orca新Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百万 tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百万 tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百万 tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
Karpo Decision 31B 和 Drex Max 1.1 在尺寸、形态和用途定位上足够接近,以至于一份规格表会让它们看起来像是两家公司出品的同一款产品。两者都是密集的约 30B 模型,经过微调后可在单次前向传播中回答关于某个状态的类型化问题,而无需生成文本。两者都配备 255 路读出头,都接受图像输入,且面对超长问题时都会拒绝而非截断。分歧不在架构上,而在于每家厂商愿意让外部测量什么,以及之后你被允许对权重做什么。来自 MachinePulse 的 Karpo 有第三方 Full 评分,但没有价格。来自 Nace.AI 的 Drex Max 1.1 有独立的 Artificial Analysis 数值、公开费率,以及限制商业使用的许可证。
这两笔交易中没有任何一笔显然是正确的选择。以下是交易双方实际需要承担的成本。
这些数字从何而来,因为它们并非来自同一个地方
从令人不适的部分说起:今天没有任何一个排行榜上两个模型都有分数。
Karpo Decision 31B 出现在 Decision Index 上,这是社区榜单,用于追踪 TypeSafe 的 Jev 的公开复现。其 Full 分数为 73.9,由该榜单维护者在私有测试中计算得出,目前它与 GLiDE 27B 以 73.4 并列第一。其公开指数 75.05 来自 MachinePulse 自己对官方套件的运行,并被榜单采纳,140,178 次请求的结果文件已发布,供任何人重新运行。Artificial Analysis 完全没有 Karpo 的行。
Drex Max 1.1 则正好相反。Artificial Analysis 在 Decision Index v2.1 上给它打出 72.62 分——在 25 个决策模型中排名第二,落后于 74.85 分的 Liquid AI d1.2-ultra,领先于 72.58 分的 SubQ Snap 1.2。这个数字是 AA 的,是在 AA 的硬件上、使用 AA 的私有文档集测得的。Karpo 有而 Drex Max 1.1 没有的是:Jev 追踪器有一行记录,对应 Drex Max v1 的 66.60 Full,而 v1.1 则完全没有对应行。
因此,唯一可用的同工具对比是 Karpo Decision 31B 的 73.9 对 Drex Max v1 的 66.6——在同一榜单上相差 7.3 分,且跨越 Nace 模型的两个不同版本,而这恰恰是那种会偏袒你碰巧支持的一方的对比。反过来看,Drex Max 1.1 有 72.62,而 Karpo 没有公布任何数字。两句话都是真的。两者都不是正面对比。
规格,逐维度来看

• 参数 — Karpo 31.3B 采用 bf16,外加一个 255 × 5,376 的 fp32 读出层,磁盘占用约 62.5 GB;Drex Max 1.1 是稠密 27B 模型,bf16 下约 49 GB,骨干网络采用 8 位精度时约 26 GB。
• 基础模型 — Gemma 4 31B 针对 Karpo 进行了指令微调,Qwen3.8-27B 则用于 Drex Max 1.1。预训练语料不同,分词器不同,下游的一切也都不同。
• 上下文 — Karpo 每个序列接收 32,768 个 token,并按问题拆分较长的请求,每个部分都携带完整状态;Drex Max 1.1 默认每个请求为 16,384 个 token,而供应商文档将其提高到每个问题 131,072 个 token。
• 多模态——两者都能原生读取图像,并且都能让截图对请求中的每个问题可见,而不是只对一个可见。
题型——界面一致:选择题最多 255 个选项,判断题使用 noul,有序等级使用 score。
• 接口 — Karpo 为 System One 提供以下服务:POST /v1/systemone,来自其自有 Python 包;Drex Max 1.1 具有相同形态,另外还有面向 Apple 芯片和 CPU 的 llama.cpp 与 Ollama 分支。
• 许可证 — Karpo 的权重和代码采用 Apache-2.0;Drex Max 1.1 采用 Nace.AI Open RAIL-M,该开放权重附带使用限制。
• 托管 — Karpo 没有。Drex Max 1.1 由 Nace.AI 提供服务,价格为每百万输入 token 0.03 美元,并在 AA 板上被标记为临时发布价。

上下文那一行正是人们会一眼扫过去的地方。带有明确拒绝的 32,768 token 硬上限,与一个可通过环境变量从 16,384 token 默认值提高到 131,072 token 的限制,是两种不同的工程约束。如果你的状态是发票和支持工单,那么这两个数字都无关紧要。如果你的状态是合同,Nace 模型可以一次拿到十份,而 Karpo 连一份都拿不到。
在流水线中,11个百分点的校准差异是什么样子
准确率是人们会引用的数字,也是对这类模型而言最不重要的数字。决策模型的全部意义就在于,其输出是一个阈值可以据以采取行动的概率,因此问题在于这个概率是否诚实。
Karpo 的卡片报告了 4.8 个点的校准误差:当模型给出 0.9 时,其正确率略低于 90%,平均约低五个点。Drex Max 1.1 的 AA 档案在完整问题集上的 Brier 分数为 0.16,这是另一种统计量,不能直接比较,但同一看板还显示了其置信度阶梯:在 0.98 置信度区间,模型有 97.5% 的时候是正确的。这是一个其最高置信度答案可以直接采信的模型。
Drex Max 1.1 的有趣分化体现在知识评估上。在 AA-Omniscience 上,它的决策得分为 60.3——但这个综合得分来自 28% 的原始准确率,对应 65.3% 的非幻觉率。把这两个数字放在一起看,你得到的是一个能正确回答约四分之一知识问题、并对其余问题中很大一部分拒绝回答的模型。该指数奖励的是它拒绝回答而不是编造,这正是决策层所期望的行为,却很不适合任何需要实际答案的场景。
对 Karpo 来说,同样的直觉出现在另一个地方:140,178 个请求中有 9 个被直接拒绝,因为一个问题加上它的状态超出了窗口。宁可拒绝也不静默截断是正确的默认做法。这也是一种你必须绕开的故障模式,而 32,768 个 token 的上限会让它更频繁地发生。
延迟与部署的形态
在追踪器的参考硬件上,Karpo 记录的中位数为每请求 94 毫秒——单块 GPU,一次处理一个请求。AA 测得 Drex Max 1.1 为每任务 283 毫秒;按当前发布价格计算,成本为每百万任务 102.7 美元。这两个数字并非同一种测量口径——一个是每请求,一个是每任务,而 AA 文档集中的一个任务是对一份长文档做出的多次判断——因此应把这一差距视为方向性参考,而非精确值。
从方向上说,它确实说明了一些实质问题:一个由 Gemma 衍生、带有单次共享状态传递的 31B 读出,比一个其非因果注意力层会重写整个序列的 27B 模型是更精简的对象。是否更精简重要,取决于这个调用位于何处。每次工具调用前都会触发的门控需要处在回合预算之内。对一千张工单进行每晚重新评分,并不在乎 200 ms。
那个直到采购部门问起才有人提出的许可证问题
Karpo Decision 31B 采用 Apache-2.0 许可证,覆盖权重与代码,并在仓库中同时附带 Gemma 4 自身的许可证。这属于开放许可中较为宽松的一端。
Drex Max 1.1 采用 Nace.AI Open RAIL-M 许可证。Open RAIL-M 确实是开放的——你可以下载、运行、修改和再分发——但它带有使用限制,这些限制会传递给下游用户,并要求你将同样的限制继续传递下去。对于研究用的 notebook 来说,这种区别是看不见的。对于模型位于面向客户的流水线内部的产品来说,这属于法律审查,而审查会问:当你对其进行微调并发布衍生版本时会发生什么。答案是“限制会随之而来”。
如果决策层是内部工具,许可证就只是个脚注。如果它被嵌入到你出售的产品中,Apache-2.0 就能从关键路径上省去一场会议。
到底哪一个才合适?
如果你想要一个无需自行计算的数字、一个可以纳入预算的价格,以及能够长期运行的状态,就选择 Drex Max 1.1。它今天就可测量,今天就可托管,而其顶端的置信阶梯正是使自动化阈值站得住脚的特性。代价是许可证限制,以及 AA 明确标记为临时性的发布价格。
如果缺少托管端点不是问题——你有 GPU,或者你有批处理作业——并且 Apache-2.0 的宽松性很重要,而且榜单的 Full 得分是你信任的证据,那就选择 Karpo Decision 31B。代价是 62.5 GB 的权重、32,768 个 token 的上限,以及一个尚未公布价格、产品页面或公告的供应商。
还有第三种立场,而且对大多数团队来说,本月正确的选择就是它:两者都不选。Karpo 才发布两周,领先优势持平,且没有独立评分;Drex Max 1.1 的定价基于一项即将到期的折扣。把两者都跑在你自己的标注样本上,比较“自信但错误”的比率,而不是看头条指标。对于那场影子测试中的现有参照,最便宜的可获得参照是 TypeSafe 自家的模型——Jev 1.14 在我们的产品目录中,因此可以针对每个开放复现都在追逐的那个对象来验证阈值策略,并使用与你用于 Qwen3.8-27B 或 Gemma 4 31B 相同的密钥;这两个基础模型正是这些检查点所基于的模型。两个基础模型均通过一个 API 即可访问 200+ 个模型,按提供商标价计费且无加价,这之所以有用,正是因为决策层正是你想要替换模型而保留代码的地方。
唯一能定夺这场对决的,是一个数字:Karpo Decision 31B 出现在 AA 榜上。在此之前,这一比较只是有充分记录的 73.9 对同样有充分记录的 72.62,而这两个分数由两家从未评阅过同一篇论文的机构给出。

