
Drex Max v1.1 對決 Liquid AI d1-ultra:兩個多模態評分器,以及一個不再成立的頭條
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百萬 tokens · 180 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百萬 tokens · 223 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 89 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 98 tok/s
- orca新Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百萬 tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百萬 tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百萬 tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
Liquid AI d1-ultra於 2026 年 10 月 15 日推出,當時隨附的一句說法在當時站得住腳:它「在 Artificial Analysis 決策指數上以至少 8 分的差距優於所有其他決策模型」。三週後,Artificial Analysis 以 v2 取代了該指數,並用新資料重新評分十七個模型,d1-ultra 以 70.4 落居第五——落後於Drex Max v1.1的 73.4、GLiDE v1.2 的 72.8、Mammoth 27B 的 72.4,以及以 0.03 分之差勝出的 Perplexity Decider v1.2 的 70.5。八分的領先優勢已不復存在,而且這項優勢從未以此評量工具測量過。
這就是本次比較的框架,而值得精確說明它代表什麼、不代表什麼。這不代表 d1-ultra 變差了,而是排行榜在一個針對舊榜所作的宣稱之下發生了變化;這正是把排行榜名次當成模型本身屬性的常見風險。這兩者都是強大的多模態決策評分器,也比任何一家廠商的行銷所暗示的更接近,而且它們擅長的事情明顯不同。
在兩個模型一致之處,也就是大部分的表面
兩者都是嚴格意義上的決策模型:你送出一個狀態與具型別的問題,一次前向傳遞會回傳每個選項的機率,且不會生成任何文字。兩者都能同時接收影像與文字。兩者都回答相同的三種問題形式——從具名選項中擇一、是/否,以及量表上的分數。兩者僅對輸入計費,輸出不計費,因為沒有輸出。
• 模態 — Drex Max v1.1 可讀取文字、螢幕截圖、圖表、表單、掃描文件、照片和影片影格,每次請求可處理八張圖片。d1-ultra 可讀取文字、圖片,或兩者皆讀;Liquid 的發布範例是一張電路板照片,並對照其規格進行檢查。
• 每百萬輸入 token 價格 — Drex Max v1.1 在其上市期間為 $0.03(原價 $0.06,五折優惠),d1-ultra 為 $0.042。Nace 目前較便宜,但折扣結束後可能就不再如此。
• 圖片計費 — Drex Max v1.1 會將圖片 token 計入每題 131,072 token 的上限內。d1-ultra 每 32×32 像素區塊收取 1.5 個 token,因此一張 1024×1024 圖片需 1,536 個 token,且會將每個問題視為各自獨立的提示來計費,並包含所有圖片。
• 上下文 — Drex Max v1.1 每個問題為 131,072 個 token,整個打包請求為 262,144 個。Liquid 未公布可相比的每問題視窗。
• 供應狀況 — Drex Max v1.1 透過 Nace 的 API 與主控台銷售;d1-ultra 則透過 Liquid API 與主控台。兩者都不在我們的路由清單上,本文內容亦不構成我們對供應狀況的任何聲明。
d1-ultra 的每題計費規則是決定文件規模下成本的關鍵細節,而董事會已實測過這一點。Artificial Analysis 報告指出,Drex Max v1.1 在十五題文件任務中約需 9,000 個輸入 token,相較之下,對每題重新計費輸入的模型約需 63,000 個;而 d1-ultra 的每任務成本為 $132,Drex 則為 $102,接近兩者定價的比例,且略遜一籌。
電路板,逐個元件來看
綜合差距為 2.9 分。各組成部分的差距極不平均,而模式始終一致:Drex 在文件方面勝出,d1-ultra 則在知識掌握與拒絕回答方面勝出。

• 決策指數 v2 — Drex Max v1.1 73.39,d1-ultra 70.45。
• 準確度指數 — Drex Max v1.1 為 58.41,d1-ultra 為 54.94,這是剔除校正成分後的分數。
• AA-Paperclip 文件決策分數 — Drex Max v1.1 72.82,d1-ultra 64.69。十五題全對率:63.0% 對比 51.3%。
• When2Call 工具呼叫 — Drex Max v1.1 95.26,d1-ultra 93.83。兩者很接近,且都遠高於 Jev 1.14 的 84.39。
• AA-Symmetry 改寫釋義一致性 — Drex Max v1.1 84.96、d1-ultra 77.81,7 分的差距是整組中第二大的分歧。
• AA-Omniscience-Decision — d1-ultra 64.39,Drex Max v1.1 60.27。這是唯一一項排序會反轉的評測。
• HLE-MultiChoice — d1-ultra 47.39、Drex Max v1.1 46.61,但就原始準確率而言,d1-ultra 為 6.09%,Drex 為 8.25%。
• 棄答——d1-ultra 對其無法回答的全知問題中有 88.61% 會拒答,Drex Max v1.1 為 65.28%,Microsoft-Decision-1 為 21.74%。
• 每項任務耗時 — Drex Max v1.1 275 ms,d1-ultra 295 ms。
• 每 100 萬項任務的成本 — Drex Max v1.1 $102,d1-ultra $132。
請把「棄答」那一列讀兩遍,因為它解釋了「全知」那一列,而且是整張表上最不直覺的性質。d1-ultra 在「全知」上的決策分數較高,主要不是因為知識:它在該處的原始準確率是 28.0%,與 Drex Max v1.1 相同。它得分較高,是因為它更常說「我不知道」,而評分函數會為此給分。Mammoth 27B 與 Elephant 9B 出於同樣原因在對稱性評估中領先——Artificial Analysis 直言,Baseten 的模型「在各種問題變體中,始終能很有把握地承認自己不知道答案。」
那些都不是這個指標的缺陷。那是在說明你買的是什麼。當一個沒有答案的問題比一個錯誤答案更便宜時,d1-ultra 就是該選用的模型。當某件事必須帶回一個決定,而低信心的尾端要交給人處理時,Drex Max v1.1 就是該選用的模型。

Liquid 自身的評估衡量了什麼,以及它沒有衡量什麼
Liquid 的發布貼文在「112 項獨立評估」中,將 d1-ultra 與 d1 及 Jev 1.14 相比,並回報它在每一項上都勝過 Jev,且在相同價格下具備更好的校準。那是廠商自行執行、且在廠商自選工具上進行的比較,對 Drex Max 隻字未提,而 Drex Max 並未出現在其中。八分指數的聲稱是相對於 2026 年 10 月 13 日發布的 Decision Index v1.0 提出——比 d1-ultra 存在早兩天——而該榜單從未列出 d1-ultra。
廠商確實有一項主張得到新排行榜的佐證:他們專門訓練 d1-ultra 使其不那麼過度自信,而校準結果在 omniscience 上為 64.39,對比 Jev 的 60.14,且在可比準確率下綜合分數比 Jev 高 2.0 分,這是真的。在同一測量工具上,d1-ultra 的 70.45 對上 Jev 1.14 的 66.96,是經獨立測量、相較現有產品真正的進步。

無法成立的主張是排名。在 v2 上,d1-ultra 在十七個之中排名第五,而排在它前面的四個模型全都在 3 分以內。前五名之間只差 3 分,這不是層級分明,而是一場取決於你的工作負載恰好偏重哪個元件才分出高下的平局。
實際上該執行什麼
兩個模型都是託管服務,也都不在我們的目錄上;要在它們之間做出誠實的選擇,正確做法是拿你自己的狀態做一場實測對決,而不是用任一家廠商的套裝評測。如果你真的要跑,就針對董事會會扣分的那一點來跑:全有或全無的文件。一個模型若個別答案有 97% 正確、文件完全正確率只有 63%,並不代表它比另一個 51% 的模型好上一倍;它的表現恰好等於十五個彼此相依的答案全都沒錯的機率,而這正是你的管線會實際遇到的情況。
路由器在這裡改變的,並不是在這兩者之間做選擇——我們兩者都不提供——而是圍繞它們的管線形狀。兩者都是位於某個負責寫入的元件上游的評分器。寫入步驟是一次通用模型呼叫,而這正是單一端點提供 200+ 個模型、以供應商牌價原樣轉嫁且不按 token 加價,並具備自動容錯移轉能實際替你省下一次整合的地方,因為你路由到的模型會比評分器更常變動。
如果你今天要找出一個偏好 Drex Max v1.1 的單一理由,那不會是那 2.9 分的綜合分數,而是它更快、每項任務成本更低,而且同一個問題用兩種方式措辭時,一致性高出七分——而一致性正是那種在生產環境中會悄悄失效、而不是在基準測試中大聲爆掉的特性。如果你要找出一個偏好 d1-ultra 的單一理由,那就是它會拒答。兩者都站得住腳。兩家廠商的主打說法都不是。
