
Karpo Decision 31B 对比 Liquid AI D1 Ultra:一个有价格,一个有故事
- 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
Liquid AI D1 Ultra 是本次对比中唯一一款财务团队能够批准的模型。它于 2026 年 10 月 15 日发布,由 Liquid 自有基础设施提供服务,每百万输入 token 收费 0.042 美元,并且按设计输出 token 为零;Artificial Analysis 在 Decision Index v2.1 上给它打出 70.58 分——在 25 个决策模型中排名第八,落后于其自身后继者 d1.2-ultra 4.3 分,与得分 72.62 的 Drex Max 1.1 大致持平。来自 MachinePulse 的 Karpo Decision 31B 没有价格、没有端点,也没有 Artificial Analysis 条目。它拥有的是社区 Decision Index 上的 73.9 Full 分数——由该榜单维护者计算得出——以及一个已存在两周、无人宣布的 Apache-2.0 仓库。
把两者并排来看,这两个模型描述了决策模型进入一家机构的两种途径:一种带着发票和一个实测数字而来,另一种带着一个下载链接和一个承诺而来。你该更关心哪一个,取决于决策层是这一季度就要投入生产,还是只是拿下一季度的预算做原型验证。
Liquid 实际在推销的那个数字,以及为什么它才是不会产生幻觉的那个


D1 Ultra 的主要宣传语是 10 月提出的排名第一的说法,而当时公布的排行榜并不支持这一点,这一论点也已在别处讨论过。现在值得了解的是,它与前代产品之间发生了什么变化,因为 AA 数据清楚地显示了这一点。
Liquid AI d1 原版在 AA 知识评估的非幻觉率上得分为 3.3。这接近整个榜单的垫底水平——一个不知道就会编造的模型。D1 Ultra 在同一指标上得分为 88.6。在多项选择知识考试中,它从 5.6 提升到 56.9。这一提升几乎都不是来自答对更多题:AA-Omniscience 上的原始准确率实际上从 39.8% 降至 28.0%。这个模型是通过学会拒答而变好的。
那不是花招。对决策层而言,这是最有价值的行为,因为拒答会被转接给人工,而自信编造的答案则会流向客户。但它重新界定了这个指数究竟在奖励什么。D1 Ultra 的 70.58 分在很大程度上是对弃答的评分,而同一张榜单也显示了代价:在 HLE-MultiChoice 上,原始准确率为 6.09%,是所列 25 个模型中最低的数据之一。
继任者 d1.2-ultra 沿着同一方向走得更远,并进一步超越了它——非幻觉率为 83.8,而原始准确率仅为 23.6%,指数为 74.85,位居排行榜榜首。Liquid 一直在大力优化一个维度,而这个维度是诚实,而非知识。
在 Karpo 的侧脸朝向另一边的地方
Karpo 的数据来自另一种仪器,因此不能从 Liquid 的数据中减去。它们能做的是展示一种不同的形态。
在决策指数的五个类别中,Karpo 最强的领域是工具与自动化,机会校正技能得分为 88.4;最弱的领域是知识与推理,得分为 65.5。其跟踪器记录的校准误差为 4.8 个百分点。卡片还报告称,在参考硬件上的中位延迟为 94 毫秒,而 D1 Ultra 在 AA 的测量中每项任务为 301 毫秒——两者测量方式不同,一个是每次请求,一个是每项任务,因此仅具方向性参考意义。
把这两份画像放在一起看,一个清晰的差异就浮现出来:Karpo 是一个朝行动调优的模型——工具选择、路由、页面交互,以及智能体在每一步做出的那些小决策——而 D1 Ultra 及其后继者则朝拒绝调优。一个会拒绝 72% 知识问题的模型,是个糟糕的工具选择引擎,因为工具选择不是一个你可以弃权不答的问题。一个在工具路由上正确率 88%、但在知识上只有 65% 的模型,是个糟糕的知识引擎。
这才是真正的对比,而且这是用途上的对比,而非分数上的对比。MachinePulse 在模型卡中的自我定位也说明了这一点:该模型用于智能体在步骤之间做出的决策——是调用工具还是先询问,点击哪个元素。Liquid 十月的发布版本,尤其是其十一月的后续版本,则用于判断某个主张是否有依据。
成本比较,并附上注意事项
• Liquid AI D1 Ultra — 每百万输入 token 0.042 美元,无输出费用,因为不生成任何内容;在 AA 的文档集上每百万任务 133 美元,每任务中位数 301 毫秒。
• Karpo Decision 31B — 未公布价格。仅支持自托管:62.5 GB 的 bf16 权重,单块 GPU,在追踪器的参考硬件上每请求中位耗时 94 ms。
• Drex Max 1.1,供参照——每百万输入 token 0.03 美元(AA 标注该发布价为临时价格),每百万任务 102.7 美元。
• 没人会公开的对比——一个 62.5 GB 的常驻模型跑在租来的 GPU 上,无论你发一个请求还是一万个请求,成本都是那块 GPU 每小时的费用。在低用量下,这远高于每百万任务 133 美元;而在持续高用量下,情况则完全反转。
按任务计算的成本才是应该作为预算基准的数字,因为它计入了每个模型回答同一份文档要消耗多少 token,而一个反复重读自身状态的模型,其每次决策的成本会高于单 token 费率所暗示的水平。D1 Ultra 的 133 美元是这里列出的三款 Liquid 模型中最高的,也比 Drex Max 1.1 的发布价高 30 美元。它并不是便宜的决策层,而它所取代的模型价格是 63.4 美元。
托管层级真正占优的地方是低端场景。如果你需要一个每天处理一百个请求的决策模型,为 Karpo 配置 62.5 GB 内存并不是一个认真的选项,而按标价调用已服务的端点则是。我们的目录按提供商标价原样传递,不加价,因此 Liquid 的降价在宣布当天就会生效,决策模型也可以用同一个密钥与栈的其余部分并存,而不必作为第二份合同。这并不是主张用 D1 Ultra 取代 Karpo;而是主张不要为了弄清自己是否需要 GPU 就先买一块。
D1 Ultra 能告诉你、而 Karpo 无法告诉你的事
三件事,都是你在第二个月才会发现的那类事。
首先是置信度阶梯。AA 会为它评分的每个模型发布分桶校准数据,而 D1 Ultra 的数据清晰可读:在 0.96 以上的置信度桶中,它在对称性评估上的正确率为 97.1%。这说明 0.95 的阈值大致符合其宣称的表现,而这是一个你可以用来构建审核队列的依据。Karpo 的模型卡只给出一个总体数字——4.8 个百分点的校准误差——却没有分桶曲线。你可以自己生成一条,而且你将不得不这么做。
第二个是不变性。AA-Symmetry 会在 440 个变体中重排选项、交换标签并对是/否问题取反,D1 Ultra 得分为 78.7,全通过率为 45.8%。一个仅仅因为把选项按字母顺序排列就会给出不同答案的决策模型,不是决策模型,而是一枚多了几步的硬币。Karpo 的模型卡没有报告不变性结果,而且由于其读数是在固定槽位上对选项代码打分,而不是对选项文本打分,所以这恰恰是部署前值得验证的特性。
第三个是拒绝行为。AA 报告称,D1 Ultra 在知识集上的非幻觉率为 88.6,这意味着弃答路径得到了实际执行和测量。Karpo 只在长度上拒绝——140,178 个请求中有九个,全部是超长请求——而它的模型卡对弃答作为一种决策只字未提。Karpo 是会拒绝它无法回答的问题,还是会因为读出结果总会选出某个选项而选择最不坏的选项,这一点没有文档说明。局限性部分只说了它“总是从给定选项中选一个”。
最后那句话是两张模型卡中最重要的那句。一个在结构上无法弃权的决策模型,需要在每个选项列表中都提供一个“没有确信答案”的选项,或者对概率设置阈值,或者两者兼有。D1 Ultra 的设计者选择了另一种架构:它可以拒绝作答,而且经常拒绝。
许可证,这是Karpo唯一彻底胜出的地方
Karpo Decision 31B 采用 Apache-2.0 许可证,涵盖权重和代码,并随附 Gemma 4 的许可证。下载它、运行它、修改它、发布衍生作品,无需咨询律师。
Liquid 的模型并非开放模型。没有权重,没有自托管,不能在自己的流量上做微调,也没有气隙部署方案。API 本身就是产品。对于处理受监管文件的内部分类流水线而言,这一点会构成采购障碍,而一个 62.5 GB 的检查点则不会。
所以这个取舍非常鲜明,而且与分数无关:Karpo 给你控制权,别的什么都没有;Liquid 给你一个经过衡量的产品,却拿走了权重。有合规要求的团队无论出什么价都不能选 D1 Ultra。有三周截止期限的团队无论投入多少精力都不能选 Karpo,因为没有可调用的端点。
本月做什么
如果决策层要投入生产,且输入是文档,那么尽管价格高、原始知识准确率低,D1 Ultra 仍是站得住脚的选择,因为它经过测量、可提供服务且有明确定价,而它的弃权行为正是你真正想要的特性。如果你现在就要购买,反而应关注 d1.2-ultra——它属于同一产品线,在同一榜单上高四分,并且同样带有警告:其得分很大一部分来自弃权而非知识。
如果你的输入是一个页面、一张截图或一次工具调用,并且你有 GPU,那么 Karpo 是更有意思的模型,许可证也更宽松,其 88.4 的工具路由能力就是值得用你自己的流量来检验的数字。你要知道,你是第一个在真正重要的事情上衡量它的人:没有 AA 行,没有价格,没有公告,而且供应商的产品页面目前返回 404。
有一条中间路线值得命名,因为大多数团队最终做的就是这件事。在生产环境运行托管模型,离线让开源模型处理相同的请求,并比较“自信但错误”的比率,而不是总体指数。这种比较需要两个模型都能用同一份凭证调用,并且定价透明——这正是我们的目录存在的意义:一个已部署的决策模型,以及这些微调所基于的开源基础模型,用同一把密钥,按提供商标价提供。如果 Karpo 在下个月获得一个端点或一次 AA 提交,那么这项变更的延迟就是现在要关注的事情;如果没有,73.9 就仍然是社区榜单上一个有趣的数字,而 D1 Ultra 仍然是那个有凭据的模型。

