
d1.2 مقابل Liquid AI D1: نفس سعر $0.02، وستة مكونات فازت، وصفّا دقة تراجعا
- OrcaجديدOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 لكل مليون رمز · 187 tok/s
- openaiجديدOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 لكل مليون رمز · 80 tok/s
- openaiجديدOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 لكل مليون رمز · 155 tok/s
- tencentجديدTencent: Hy4 Flash2026-11-16$0.02 / $0.07 لكل مليون رمز · 196 tok/s
- AlibabaجديدQwen: Qwen4 Max2026-11-16$1.50 / $4.50 لكل مليون رمز · 85 tok/s
- GoogleجديدGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 لكل مليون رمز · 705 tok/s
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 139 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 لكل مليون رمز · 84 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 لكل مليون رمز · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 69 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 لكل مليون رمز · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447الذكاء
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 لكل مليون رمز · 230 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 101 tok/s
تقع Liquid AI d1.2 وLiquid AI D1 عند سعر القائمة نفسه — $0.02 لكل مليون رمز إدخال، وتُحتسب تكلفة الإدخال فقط، دون رموز إخراج — على نقطة النهاية نفسها، وتجيبان عن أنواع الأسئلة الثلاثة نفسها. يفصل بينهما جيلان: كان D1 أول نموذج قرار في العائلة، وتدرجه Artificial Analysis ضمن ما صدر في سبتمبر 2026، بينما وصل d1.2 في 16 نوفمبر 2026، مع d1.1 بينهما. كل ما تعتمد عليه المقارنة عادةً — السعر والعقد وشيفرة العميل وشكل النشر — متطابق. ما يتبقى هو النموذج، وفي ما يخص النموذج فإن النتيجة منحازة بوضوح لكنها ليست قاطعة: يفوز d1.2 في التقييمات الستة جميعها الخاصة بـ Decision Index v2.1، ويتقدم بمقدار 7.9 نقاط إجمالًا، بينما لا يزال D1 يفوز في صفين من صفوف الدقة الخام الواقعة أسفلها.
هذان الصفان هما سبب استحقاق هذا الأمر للقراءة بدلًا من التصفح السريع. فكلاهما يقع على محور المعرفة، وكلاهما يمثّل التكلفة المباشرة للتغيير الذي يجعل d1.2 أفضل في كل مكان آخر — فهو يرفض أكثر بكثير. وتُعدّ المقارنة قالبًا لما يبدو عليه ترقية "أفضل تمامًا" بمجرد فحص الصفوف الفرعية: مكسب مركّب كبير، وتحسين سلوكي حقيقي، وموضع صغير ومتوقّع يقدّم فيه النموذج الجديد شيئًا ما على حساب شيء آخر.
الصفّان، جنبًا إلى جنب

تم تقييم كلا الطرازين من قِبل Artificial Analysis على النسخة نفسها من اللوحة نفسها، مما يزيل الخطر المعتاد المتمثل في مقارنة رقم مورّد برقم مستقل. ولا يأتي أي من الرقمين هنا من Liquid.
• مؤشر القرار v2.1 — 68.69 لـ d1.2 (المرتبة 9 من 25) مقابل 60.78 لـ D1 (المرتبة 21 من 25). يفصل بينهما الآن أحد عشر نموذجًا، والفجوة واسعة بما يكفي بحيث لا تستطيع أي إعادة تشغيل معقولة أن تسدّها.
• سعر كل مليون رمز إدخال — 0.02 دولار لكليهما. لم يتغير عبر جيلين.
• التكلفة المُنمذجة لكل مليون مهمة — 63 دولارًا لكلٍّ منهما، وهو ما تتوقعه عند سعر رمز متطابق وعدد رموز مشابه لكل مهمة. لا يُعد أيٌّ منهما أرخص؛ وتصنّف لوحة الترتيب كليهما في المرتبة الثالثة.
• الوقت لكل مهمة — 150 مللي ثانية مقابل 151 مللي ثانية. متطابقان فعليًا، وكلاهما أسرع من وسيط الفئة البالغ 206 مللي ثانية.
• نافذة السياق — 66k توكن لكليهما، كما هو مُدرج في اللوحة. لا تذكر منشورات Liquid نفسها نافذة لأيٍّ منهما، لذا فهذه قراءة طرف ثالث لا مواصفة من المورّد.
• درجة براير، الأقل أفضل — 0.164 مقابل 0.196. تحسّن بمقدار 0.032 في الاحتمال المرتبط بالإجابة المختارة، دون أي تكلفة.
الصف الأخير هو الذي يستحق التمعّن فيه. فـ d1.2 ليس أكثر صوابًا فحسب؛ بل إن الثقة التي يربطها بإجابته أقرب إلى الحقيقة، وهي الخاصية التي تجعل خط أنابيب قائمًا على عتبة يعمل أصلًا. وهو يأتي مجانًا.
ستة مكوّنات، وحجم كل فجوة

يخفي العدد المركّب مجموعة بالغة التفاوت من التغييرات، واثنان منها لا يتعلقان بالدقة في الواقع.
• AA-Paperclip، قرارات المستندات — 62.60 لـ d1.2 مقابل 54.92، مع صحة كاملة لـ 44.3% من المستندات مقابل 25.7%. ويُعد صف النجاح الكامل هذا أكبر تحسّن منفرد في الإصدار لهذا الزوج: ففاتورة من خمسة عشر حقلًا يكون فيها أربعة عشر حقلًا صحيحًا تُحتسب خطأً بموجب أي من النموذجين، ويحوّل d1.2 ربع المستندات إلى قرابة النصف.
• When2Call، قرارات الأدوات — 96.09 مقابل 81.59، بدقة 95.5% مقابل 77.9%. هذا هو ما يغيّر الغرض الذي يمكن استخدام النموذج فيه. D1 عند 77.9% مصنّف تضع خلفه إنسانًا؛ أما d1.2 عند 95.5% فهو مصنّف تدعه يتولى التوجيه.
• AA-Symmetry، والثبات — 76.52 مقابل 58.67، مع 50.0% اجتياز كامل مقابل 32.5%. أعد صياغة السؤال، وأعد ترتيب الخيارات، وانفِ سؤال نعم/لا: إجابة النموذج القديم تغيّرت، وإجابة النموذج الجديد في الغالب لا تتغيّر.
• EvalSafe-O*NET-AA، الحكم في مكان العمل — 86.55 مقابل 84.21، ودقة 79.7% مقابل 76.3%. أصغر فارق في لوحة النتائج، وليس سببًا للترحيل بمفرده.
• AA-Omniscience-Decision v1.1، المعرفة — 60.94 مقابل 58.31. قرابة ثلاث نقاط، والصفوف الفرعية الواقعة تحتها هي الجزء المثير للاهتمام.
• HLE-MultiChoice v1.1، أسئلة صعبة — 44.69 مقابل 39.80، بدقة 5.30% مقابل 11.79%. يحصل النموذج الجديد على عدد أقل من الأسئلة الصعبة الصحيحة ومع ذلك يسجل أعلى بخمس نقاط، لأن المؤشر يقيّم الاحتمال بدلاً من الاختيار فقط.
قصة الامتناع هي الترقية الحقيقية
انظر إلى صفوف عدم الهلوسة معًا، لأنها تصف نموذجًا غيّر طابعه بدلًا من دقته.
• AA-Omniscience-Decision لعدم الهلوسة — d1.2 66.6%، D1 3.3%. أجابت D1 عن 39.8% من هذه الأسئلة إجابةً صحيحة ولم تمتنع تقريبًا أبدًا؛ بينما تجيب d1.2 عن 30.0% إجابةً صحيحة وتمتنع أكثر بكثير.
• HLE-MultiChoice عدم الهلوسة — 53.9% مقابل 5.6%، على معيار تكون فيه الدقة الخام لـ D1 أعلى بمرتين.
• AA-Symmetry all-pass — 50.0% مقابل 32.5%، وهو التحول نفسه الذي يظهر عبر الاتساق لا عبر الرفض.
كان D1 أول نموذج في العائلة، ويتصرف كأول نموذج: إذا سُئل سؤالًا لا يستطيع الإجابة عنه، فإنه ينتج إجابة. يعني معدل عدم الهلوسة البالغ 3.3% أنه في نحو 97 من كل 100 سؤال معرفي كان الرد الصحيح فيه هو الامتناع، لم يمتنع. إذا كان خط المعالجة لديك يرسل الحالات منخفضة الثقة إلى مراجع بشري، فهذه هي الخاصية التي تحدد ما إذا كانت البوابة تعمل؛ فالنموذج الذي لا يقول أبدًا «لا أعرف» لا يمنحك شيئًا تضع عليه عتبة، واحتمالاته البالغة 0.9 تعني أقل مما تعنيه احتمالات 0.9 لدى d1.2.
التحفّظ متماثل ويجدر ذكره: إذ يحصل d1.2 على عدد أقل من الإجابات الصحيحة للأسئلة الصعبة. فإذا كانت مهمتك سؤالاً معرفياً له إجابة محددة ولا سبيل فيه إلى الامتناع عن الإجابة — هل هذا الادعاء متوافق مع السياسة، وهل هذا الكود مطابق للمواصفات — فأنت إذن تقايض الدقة بالصدق، وقد لا تكون هذه المقايضة مجانية.
ما الذي يمكن للنموذج الجديد الإجابة عنه ولا يمكن للنموذج القديم؟
يضيف d1.2 خمسة أنواع من الإجابات وإدخالاً صوتيًا. ولا يملك D1 أياً منها، ولا يمكن لأي قدر من التوجيهات أن يسدّ هذه الفجوة، لأن عقد الاستجابة لا يتضمن حقلاً لموضع النطاق أو لمربع الإحاطة.
• قيمةٌ مع الأحرف التي قُرئت منها، أو «لم يُعثر عليه» — البدائية الاستخلاصية التي تُلغي الحاجة إلى تمريرة توليدية ثانية لكل حقل.
• كل امتداد من نوع ما مع مواضعه — الأسماء، وأرقام الهواتف، وعناوين البريد الإلكتروني — كعنصر تنقيح أولي بدلاً من مطالبة تلخيص.
• مربع حول كائن واحد أو حول كل نسخة بالإضافة إلى عدد.
• تقدير مرفق به نطاق.
• كل خيار قابل للتطبيق مع احتماله الخاص، بدلًا من فائز واحد.
يعمل الصوت في الاتجاهين: يمكن أن يكون التسجيل هو الموضوع، أو يمكن أن يكون هو السؤال. أرقام الدقة لكل ما سبق هي أرقام Liquid، على مجموعات اختبار داخلية مبنية من تقسيمات محجوزة من مجموعات بيانات عامة، لأنه لا يوجد معيار عام يغطي المهام الجديدة — 98% و96% لقراءة قيمة من إيصال باستخدام d1.2-ultra وd1.2، و94%/93% مقابل 92%/88% في نطاقات البيانات الشخصية، و94% لكليهما في تحديد موقع الكائنات. اعتبرها تقييم المورّد لنفسه؛ ولا يوجد في لوحة النتائج صف لأي منها.
ثمة تفصيل واحد في الفوترة يأتي مع ذلك. بموجب {{1}}D1{{/1}}، كان كل سؤال يُفوتر كموجّه مستقل يشمل كل صورة مرفقة؛ أما بموجب {{2}}d1.2{{/2}}، فيُحتسب في الطلب نصه وصوره مرة واحدة، ولا يضيف كل سؤال إضافي سوى نصه الخاص. اطلب عشرة أسئلة حول صورة واحدة بدقة 1024×1024 — أي 1,536 رمزًا للصورة — فتفرض القاعدة القديمة نحو 15,360 رمز صورة؛ بينما تفرض القاعدة الجديدة 1,536. وبسعر مماثل قدره $0.02، يصبح نمط الأسئلة المتعددة أرخص عدة مرات على {{3}}d1.2{{/3}}، ويكون التوفير في قاعدة الفوترة لا في السعر.
ما الذي يتعطّل عند تغيير السلسلة؟

أقل مما تتوقع، والاستثناءات تستحق اختبارًا لا قلقًا. تبقى نقطة النهاية api.liquid.ai/decisions/v1/systemone، ويصبح نص النموذج d1.2، وتحتفظ أنواع الأسئلة الأصلية الثلاثة بشكل الطلب والاستجابة. العميل الذي يرسل قيمة واختيارًا ودرجة يحصل على نفس JSON في المقابل.
ثلاثة أشياء يجب التحقق منها مقابل عينتك الخاصة قبل تبديل مسار الإنتاج:
• تحليل "not found". يمكن لأنواع الإجابات الجديدة أن تُرجع غيابًا صريحًا، وأي محلل افترض وجود قيمة غير null سيتعطل عند مواجهته. هذه ميزة، لكنها تغيير كاسر في مخطط صارم.
• تحديد العتبة. صارت الاحتمالات تعني شيئًا مختلفًا الآن. فقيمة 0.8 على d1.2 هي 0.8 أكثر موثوقية من 0.8 على D1، لذا فإن عتبة ضُبطت وفق فرط ثقة النموذج القديم ستُفعَّل بوتيرة أقل بعد التبديل. أعد ضبطها بدلًا من نقلها كما هي.
• شريحة المعرفة. إذا كان جزء من عبء عملك يتمثل في الحكم على الوقائع بدلاً من قراءة المستندات، فقِس تلك الشريحة بشكل منفصل. فهي الموضع الوحيد الذي قد يكلفك فيه ارتفاع معدل الامتناع في النموذج الجديد تغطيةً، وصفوف الدقة في لوحة القياس تقول ذلك بوضوح.
من ينبغي أن يقوم بالترحيل، ومن ينبغي أن يقيس أولًا؟
انتقل دون تكلّف إذا كان عبء العمل يتمثل في الاستخراج أو التوجيه أو اختيار الأدوات أو التصنيف الحساس للاتساق. كل صف منشور يفضّل d1.2، والسعر لا يتغيّر، وفجوات الثبات واستدعاء الأدوات كبيرة بما يكفي بحيث يُستبعد أن تعكسها إعادة تشغيل.
قِس أولًا ما إذا كان عبء العمل عبارة عن حكم معرفي على نطاق واسع، أو ما إذا كانت خط المعالجة تحتوي على عتبة احتمال مضبوطة يدويًا. لا يُعد أي منهما سببًا للبقاء على D1 — لكن كليهما سبب لإمرار بضعة آلاف من الحالات الحقيقية عبر كلا النموذجين ومقارنة الاحتمالات بدلًا من التسميات.
الوصول أولًا، لأن سؤال الترحيل عادةً ما يتحول إلى سؤال مشتريات. كلٌّ من D1 وd1.2 يعملان على Liquid's API؛ ولا يوجد أيٌّ منهما في كتالوجنا، ولا شيء هنا يُعد ادعاءً بالتوفر. النموذج الموجود في كتالوجنا والذي ينتمي إلى هذا الاختبار هو Jev 1.14، الذي يرفع EvalSafe-O*NET-AA إلى 91.14 حيث يتوقف d1.2 عند 86.55، ويستخدم نفس بنية systemone، ويتقاضى 0.042 دولار لكل مليون رمز إدخال. ضع الثلاثة جميعًا على نفس الحالات وrouting DSL تكتب التقسيم مرة واحدة — حسب نوع السؤال، لا حسب الخدمة — مع تمرير أسعار قائمة المزوّد بهامش ربح 0% بحيث تكون الـ0.02 دولار التي تراها في عرض السعر هي الـ0.02 دولار التي تدفعها. التحويل التلقائي عند الفشل هو ما يسمح لنموذج صدر قبل يومين بأن يحتفظ بمسار واحد من عبء عمل حي بدلاً من كله.
تلك هي المقارنة بأكملها. السعر نفسه، والعقد نفسه، ونقطة النهاية نفسها، وجيل واحد من العمل يفصل بينهما، وستة انتصارات مركبة مقابل صفَّي دقة لا يزال النموذج القديم يحتفظ بهما — وكلاهما يقع على محور المعرفة، حيث يكون امتناع d1.2 هو ما يكبِّدها الخسارة. إذا كان عبء عملك هو الاستخراج أو التوجيه أو التصنيف، فقد تحرَّك كل صف يهمك في الاتجاه الصحيح. أما إذا كان الحكم على الحقائق دون وجود مراجع خلفه، فشغِّل المقارنة الظلية أولًا ودع الأرقام على حالاتك الخاصة تقرر.
