一張生成的標題卡,標題為「相差 2.2 分,價格卻翻倍」,副標題為「d1.2-ultra 對上 Drex Max v1.1 - Decision Index v2.1」。兩張圓角卡片分別寫著「d1.2-ultra」搭配「75」與「Drex Max v1.1」搭配「73」,中間以一條細長的垂直分隔線隔開;下方一條寬幅長條寫著「每 100 萬項任務 $133,對比目前的 $103,標準價格約 $206」,還有一枚外框標籤寫著「獨立評測榜,兩款模型皆由 Artificial Analysis 執行」。OrcaRouter 標誌合成於右下角。
Guides & Insights

d1.2-ultra 對比 Drex Max 1.1:2.2 分的差距,以及十二月翻倍的價格標籤

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

Liquid AI d1.2-ultra 在 Artificial Analysis Decision Index v2.1 上以 2.23 分領先 Nace.AI 的 Drex Max v1.1——74.85 對 72.62——而在標價上,它是較貴的模型,每百萬輸入 token 為 $0.042,對比 $0.03。這兩個數字在今天都成立,但當 Nace 這邊的上市折扣到期後,只有其中一個仍會成立。Artificial Analysis 在 Drex Max v1.1 的成本列旁標了星號:它報告的每百萬項任務 $103「反映的是臨時上市價格」,而按標準價格計算,該成本會翻倍。這意味著,這一看似高階模型對上超值模型的一組,就實際決定部署的成本而言,情況正好相反。

排名是真實且經獨立測量的——兩個模型都是由 Artificial Analysis 在其自有硬體上運行,而不是由任一家供應商運行——所以這是兩列評分數據的比較,而不是兩份新聞稿的比較。以下內容會區分哪些要點在價格變動後仍然成立,哪些則不會。

首先,腳註對成本比較有什麼影響

A generated two-column scoreboard titled ‘d1.2-ultra vs Drex Max v1.1 - the scoreboard’. The d1.2-ultra column reads Decision Index 75, AA-Paperclip 75.8 at 67.7% all-pass, AA-Symmetry 86.3, HLE accuracy 2.36%, context window 66k and cost per 1M tasks $133. The Drex Max v1.1 column reads Decision Index 73, AA-Paperclip 72.8 at 63.0% all-pass, AA-Symmetry 79.8, HLE accuracy 8.25%, context window 262k and cost per 1M tasks $103 at launch price. The footer reads ‘Both figures per Artificial Analysis Decision Index v2.1; Drex cost reflects a temporary launch price and would double at standard pricing.’

當兩家供應商其中一家正在打折時,以每個 token 的價格來規劃是錯誤的數字。每任務成本才是正確的,因為它會把每個模型回答同一份文件時消耗多少 token 納入考量,而這正是 Artificial Analysis 與該指數一同公布的資料。

• 每百萬輸入 token — d1.2-ultra $0.042,Drex Max v1.1 $0.03。

• 以目前價格計算,每百萬項任務——d1.2-ultra 為 $133,Drex Max v1.1 為 $103,後者標示為限時上市價格。

• 按標準價格計算,每百萬項任務——d1.2-ultra 為 133 美元,Drex Max v1.1 約 206 美元,依據董事會自身的註記,其成本將是兩倍。

• 類別中位數 — 每百萬項任務 $135,因此 Liquid 模型略低於該值,而 Nace 模型將遠高於該值。

那個反轉的重要性,比兩美分 token 價差所暗示的還大,因為它會改變你在大量使用時選用哪個模型。Drex 系列自 11 月 8 日 v2 推出以來,一直是這個類別中的便宜選項;如果這個折扣是上市促銷而非重新定價,那麼即使沒有任何一項基準測試變動,便宜選項也會變成昂貴的那個。任何把預算綁在 103 美元這個數字上的人,在把一季的流量投入之前,都應該問 Nace 標準價格何時生效。

這 2.2 點實際上是由什麼組成的

A headless-browser screenshot of the Artificial Analysis model page for Drex Max v1.1, captured 17 November 2026 in English, showing the Nace.AI vendor label, the heading ‘Drex Max v1.1: Release, Decision Index Score, Performance & Price’, a Decision Index score of 73, a 262k-token context window, and a summary describing the model as amongst the leading decision models and reasonably priced, but notably slow.

綜合指標很接近。各組成部分卻不然,而且它們指向不同方向,這才是有用之處。

• AA-Symmetry,15%——六項中差距最大。d1.2-ultra 得分 86.34,Drex Max v1.1 則為 79.82。在更嚴格的全通過衡量標準下,也就是要求不同改寫版本給出相同答案,而非取良好平均值,結果為 56.7% 對 53.3%。Drex Max v1.1 在這項測試中本來已是其自身家族中第二好的模型;Liquid 模型只是在改寫下更穩定。

• AA-Paperclip,30% — 決策分數為 75.81 對 72.82,而完全正確的文件比例為 67.7% 對 63.0%。文件全數通過率的三個百分點,是指數差距中最大的單一貢獻因素,也是最直接對應到真實擷取管線的一項,因為一份文件只要漏掉十五個答案中的一個,無論如何都會被計為失敗。

• When2Call,10% — 96.49 對 95.26。兩者都接近評測的上限;在一項前十名全都落在兩分區間內的測試中,1.25 分的差距並不構成差異化因素。

• EvalSafe-O*NET-AA,15% — 89.53 對 88.32,同樣是五五波的差距。

• AA-Omniscience-Decision v1.1,15% — 60.80 對 60.27。總分上實際上平分秋色,但細項表現各有側重:Drex 答對更多這類問題,28.0% 對 23.6%;而 d1.2-ultra 更誠實地棄答,非幻覺率 83.8% 對 65.3%。

• HLE-MultiChoice v1.1,15% — 46.36 對 46.61,這是 Nace 唯一勝出的決策分數,差距為 0.25 分。在其之下,原始準確率的差距並不是 0.25 分:8.25% 對 2.36%。

Drex Max 1.1 仍佔上風之處,以及為何這不是捨入誤差

看板上有三件事支持 Nace 模型,而前兩項正是決定工作負載究竟是否可行的那類因素。

上下文視窗是最關鍵的一點。{{1}}Drex Max v1.1{{/1}} 可接受 262k 個 token;{{2}}d1.2-ultra{{/2}} 可接受 66k,而這本身已是 Liquid 前代旗艦機型的兩倍。這代表你在單次呼叫中能交給模型的狀態大小相差四倍,而且這兩款模型都不產生輸出 token,因此沒有輸出預算可以與之交換。一份 200 頁的合約、一份冗長的理賠檔案,或是一套能放進單一 Drex 請求的多文件案件包,到了 Liquid 端都必須被切塊、重新提問並重新組裝——而每個切塊邊界,都是跨文件問題開始無法回答的地方。

第二個是知識。在 HLE-MultiChoice 上,Drex 正確回答 8.25% 的題目,相較之下為 2.36%;在 AA-Omniscience-Decision 上,它回答 28.0%,相較之下為 23.6%——同時棄答次數少得多。d1.2-ultra 的高非幻覺率部分是優點,部分是症狀:一個模型若四次中有三次說「我不知道」,代表它校準良好,但在一個確實有答案的問題上卻不太有用。如果你的任務是關於文件的決策,這種取捨沒問題。如果是需要知道某些資訊的決策,Drex 才是知道更多的模型。

第三點是速度,而且僅止於紙面上。在該指標上,每項任務分別為 283 毫秒與 218 毫秒,兩者都慢於同類中位數的 209 毫秒,但兩者也都快得足以在任何還會處理其他工作的管線中,不至於成為瓶頸。

這兩個模型無法互相替代,這簡化了選擇。

再多的索引算術都不能讓這兩者互換,而大多數比較文章出錯的地方,正是假裝它們可以。一個是針對校準與改寫穩定性調校的 66k token 文件閱讀器;另一個是會壓低價格、能回答更多難題的 262k token 閱讀器。交叉點不是分數,而是狀態大小。

• 如果你的狀態能塞進 66k,而且是以機率設門檻——高於 0.9 就自動核准,低於就上報處理——那麼 d1.2-ultra 是更合適的工具。在榜上 24 個模型中 Brier 分數最佳,為 0.150,Drex 則是 0.160,而對稱性分數還高出六點五分。

• 如果你的狀態超過 66k,或者你的問題需要知識而非閱讀,Drex Max v1.1 是兩者中唯一真正能勝任的,而索引差距也不再是決定性的數字。

• 如果您在大用量下對成本敏感,且 Nace 的價格維持不變,那麼目前 Drex 每項任務的成本更低。如果價格回落,Drex 就會是兩者中較貴的一個,而 Liquid 模型則在評分和成本上都勝出。

兩者都測試,但不押注任何一方

這兩個模型都不在我們的目錄中,而這裡的內容也都不構成對任一模型可用性的聲明:d1.2-ultra 由 Liquid 自家的 API 提供,Drex Max v1.1 則由 Nace 的 API 提供。這正是路由層能證明自身價值、而不只是帳面上一個項目的情況,因為團隊真正要問的問題——那 2.2 點的差距會不會在我的文件上重現?——要靠把相同的狀態分別跑過兩者來回答,而不是靠讀排行榜。

值得放進那項測試的第三個模型是 Jev 1.14,我們確實有提供託管,價格為每百萬輸入 token 0.042 美元,並採用相同的 systemone 請求形態。它在 EvalSafe-O*NET-AA 以 91.14 居首,這是另外兩個模型都未居首的唯一元件,而且它能在 92 毫秒內回應——以大幅差距成為三者中最快的。以單一金鑰進行三方影子執行,由 路由 DSL 將相同承載資料傳送給每一方,並由 自動容錯移轉 在某家供應商狀況不佳時維持生產路徑運作,這比走一輪採購流程更便宜地解決此事。

要看什麼,以及何時看

有兩個日期會決定這場對決。第一個是 Nace 的上市價格何時結束:以每百萬項任務 $103 計算,Drex Max v1.1 是超值首選;在大約 $206 時,它就是高階之選,而無論哪種情況,指數分數都不會改變。編列預算前請先詢問。

第二個是下一次指數修訂。Decision Index v2.1 夠新,榜單上仍註明它於 11 月 16 日更新,而第一名與第二名之間 2.2 分的差距,仍落在單一成分修訂可能造成的變動範圍內。若 AA-Paperclip 的私有文件集更新,貢獻大部分差距、權重佔 30% 的那個成分,將是最先變動的。

在那之前,誠實的總結是這樣:依現有證據,d1.2-ultra 是更好的模型,差距在綜合評分上很小,在對稱性與文件全通過率上則很大;而且一旦 Nace 折扣到期,它每項任務的成本都更低。Drex Max v1.1 仍是兩者中唯一能吞下 200k-token 狀態的模型,而在需要知識而非閱讀的問題上,它依然是兩者中較強的一個。先依狀態大小挑選,其次看價格,最後看索引。

A headless-browser screenshot of the OrcaRouter model page for typesafe/jev-1.14, captured 17 November 2026 in English, showing the /v1/systemone endpoint, Zero Data Retention availability, an input and output list price of $0.04, and measured latencies of 182 ms and 372 ms.