Liquid AI d1-ultra: المتصدر الجديد في مؤشر القرار، المُدرَّب على الشك في نفسه

طُرح Liquid AI d1-ultra في 15 أكتوبر 2026، وأكثر ما يثير الانتباه فيه رقم لا يستشهد به أحد: على مؤشر Artificial Analysis Decision Index، سجّل النموذج الذي يحل محله 2 في مقياس عدم الهلوسة. كان Liquid AI d1، على اللوحة نفسها، نموذج القرار الأكثر دقة على الإطلاق في الإجابة عن الأسئلة المعرفية — والأسوأ في فئته في التعرّف على الأسئلة التي لم يستطع الإجابة عنها. وLiquid AI d1-ultra هو ردّ المورّد على ذلك، ويُعلَن عنه بادعاء المركز الأول: أنه يتصدّر Decision Index بفارق ثماني نقاط على الأقل عن كل نموذج قرار آخر، بما في ذلك النموذج المتصدّر حاليًا لتلك اللوحة، Jev 1.13. هذا الادعاء يعود إلى Liquid، وليس إلى Artificial Analysis، واللوحة التي يشير إليها نُشرت قبل وجود هذا النموذج. كلتا الحقيقتين جوهريتان، وهذا المقال يبقيهما مرتبطتين بالأرقام التي تنتميان إليها. كل انقطاع لمزوّد وكل تراجع تتبعناه مسجّل في Orca AI Incident Archive، الذي يحمل مجموعة السجلات الكاملة إلى جانب المدخلات المجاورة لهذا الحادث.

ما عليه النموذج، ميكانيكيًا، هو نفس الرهان الذي ظل Liquid يخوضه طوال العام. تعطيه حالة — حِمل JSON، أو تذكرة دعم، أو لقطة شاشة للوحة معلومات — ومجموعة من الأسئلة المسماة، فيقرأ الإجابات من توزيعه الخاص في تمريرة أمامية واحدة. بلا أخذ عينات، ولا تحليل، ولا توليد جامح. يُبلِغ عدّاد استخدام المورّد عن output_tokens: 0، تمامًا كما هو الحال مع بقية سطر d1.

ما تقول Liquid إنها بنته، وما اختبرته في مواجهته

كل رقم في هذا القسم هو رقم Liquid نفسه، ورد في منشور الإطلاق، ولم يُعِد إنتاجه أي شخص آخر حتى وقت كتابة هذا. يُوصف النموذج بأنه نموذج قرار متعدد الوسائط مبني على قاعدة أكبر مفتوحة الأوزان، مع ما يسميه المنشور تخصيصًا كثيفًا خاصًا بـ Liquid، مضبوطًا تحديدًا نحو قرارات كثيفة المعرفة — وهي عبارة تبدو إشارة مباشرة إلى مشكلة المعايرة الواردة أدناه. ويحمل أنواع الأسئلة الثلاثة نفسها كبقية العائلة. noul ثنائي: أعطِه عبارةً فيعيد P(yes) بين 0 و1. Choice يختار تسمية ويعيد توزيعًا بالإضافة إلى درجة ثقة. Score يضع الحالة على مقياس مرتب مع احتمالات لكل مستوى. الأنواع الثلاثة تعود مهيكلة، ولا يستهلك أي منها رموز الإخراج.

تتمثل أدلة Liquid في سلسلة من 112 تقييمًا فريدًا مقابل إصدارها السابق d1 ومقابل Jev 1.14، إصدار Jev الأحدث. وتقول الشركة إن d1-ultra يتفوق على Jev 1.14 في جميع المهام، وهو أفضل معايرةً بالسعر نفسه. هذا ادعاء أقوى وأكثر تحديدًا من "يتصدر لوحة الصدارة"، وهو أيضًا الأصعب في التحقق منه، لأن المعايرة خاصية لا يمكن قراءتها من درجة واحدة. لاحظ أيضًا أن Jev 1.14 هو عنصر مقارنة مسمّى من المورّد: لا يظهر في أي مكان في كتالوجنا، ولم نتمكن من العثور على صف عام في Decision Index خاص به.

سطح واجهة برمجة التطبيقات هو استدعاء واحد غير متدفق إلى POST https://api.liquid.ai/decisions/v1/systemone مع "model": "d1-ultra". لا توجد نافذة سياق منشورة في أي مكان في مواد الإطلاق، وهذه فجوة حقيقية وليست خطأً هامشيًا: فبالنسبة إلى نموذج تتمثل مهمته كلها في استلام الحالة، فإن حجم الحالة المسموح لك بتسليمها إليه يقترب من المواصفة الأساسية. ولأنه لا يولّد رموزًا مطلقًا، فإن تكلفة الإخراج صفر من الناحية البنيوية ولا ينطبق البث المتدفق.

المؤشر المعني أقدم من النموذج

نشرت Artificial Analysis مؤشر Decision Index v1.0 في 13 أكتوبر 2026 — قبل يومين من وجود d1-ultra. تتكوّن اللوحة من أربعة تقييمات بوزن 25% لكل منها: AA-Omniscience-Decision، وهي مجموعة خاصة من 500 سؤال يُقيَّم نصفها على الدقة ونصفها على عدم الهلوسة؛ HLE-MultiChoice، وهي 513 سؤال اختيار من متعدد نصي مستمدة من Humanity's Last Exam؛ When2Call، وهو تقييم NVIDIA لاستدعاء الأدوات؛ وWildGuardTest، مجموعة Ai2 لتصنيف السلامة.

المقال الذي قدّمه لا يذكر d1-ultra في أي مكان، وهو أمر غير مفاجئ، ولهذا ينبغي قراءة رقم «متقدم بثماني نقاط» كادعاء مورّد لا كتصنيف. على اللوحة المنشورة، يتصدر Jev 1.13 مجال نماذج القرار عند 58، مع تعادل GLiDE وMicrosoft-Decision-1 عند 54. يوجد نموذجان لغويان فوقها جميعًا: Claude Haiku 5.5 (Low) عند 61 وGPT-6 Luna (Low) عند 55. إذا أجرينا الحساب على ادعاء Liquid فسيصل إلى 66 أو أعلى — فوق أفضل نموذج لغوي على اللوحة. قد يكون هذا بالفعل ما يفعله النموذج. وهو أيضًا بالضبط نوع الادعاء الذي يحتاج إلى طرف ثالث يعيد إنتاجه قبل أن يخطط أي شخص بناءً عليه.

لماذا تُعد المعايرة، تحديدًا، هي القصة بأكملها

الفشل الذي يستهدفه d1-ultra هو الفشل نفسه الذي سمّته Artificial Analysis في المقال نفسه. وُجد أن نماذج القرار، كفئة، مفرطة في الثقة على نحو واسع: فالاحتمال الذي يذكره النموذج لإجابة ما يتجاوز عادةً مدى تكرار صحة تلك الإجابة. وهذا يهم هنا أكثر مما قد يهم في روبوت محادثة، لأن الناتج الكامل لنموذج قرار هو احتمال. فالنموذج اللغوي المخطئ بثقة ينتج فقرة يمكنك تدقيقها. أما نموذج القرار المخطئ بثقة فينتج رقمًا صُمّم خط أنابيب ليتصرف بناءً عليه.

التشتت داخل الصف واسع، وكان d1 في الطرف السيئ منه:

• دقة قرار AA-Omniscience — كان Liquid AI d1 أفضل نموذج لاتخاذ القرار عند 41، مع Jev 1.13 عند 35. سجّلت النماذج اللغوية في التقييم نفسه 52 و66.

• معدل عدم الهلوسة — حصل Liquid AI d1 على 2. حصل Jev 1.13 على 35، وحصل Mercury Decide على 32، وتصدّر M​icrosoft-Decision-1 برصيد 40. ولم يفشل أي نموذج قرار آخر على لوحة النتائج في الوصول إلى 17.

• الفجوة بين هذين الصفين هي جوهر الطرح بأكمله. كان d1 الأكثر معرفةً والأقل اعترافًا. النموذج المدرَّب على إغلاق تلك الفجوة — البعد الوحيد الذي كان فيه إصدار Liquid السابق في المرتبة الأخيرة بدلًا من الأولى — سيدفع هذه الفئة إلى الأمام حتى دون المساس بالدقة الخام.

• HLE-MultiChoice — Jev 1.13 في الصدارة عند 21، بينما كل نموذج قرار آخر عند 15 أو أقل. هذا هو التقييم الذي يمتلك فيه المجال أكبر هامش للتقدّم، وهو التقييم الذي لا تُقدّم جولة Liquid المكوّنة من 112 تقييمًا نتائج مقارنة به.

• When2Call وWildGuardTest — Celeris-1 Decision وGLiDE متعادلان عند 84 في استدعاء الأدوات، مع Jev 1.13 في المركز الرابع عند 81؛ وتصدّرت GLiDE في السلامة عند 95، مع Decider v1.1 27B وJev 1.13 معًا عند 94.

ما التكلفة الفعلية لمليون قرار

التسعير هو الجزء من الإطلاق الذي لا يحتاج إلى أي تحفّظ. تُحتسب تكلفة Liquid AI d1-ultra بواقع 0.042 دولار لكل مليون رمز إدخال ولا شيء على الإطلاق مقابل الإخراج، لأنه لا يوجد إخراج. هذا السعر مطابق لسعر d1 ومطابق لما نتقاضاه مقابل Jev 1.13، ما يجعل النموذجين قابلين للمقارنة مباشرة من حيث التكلفة ولا شيء غير ذلك.

الحساب بسيط بما يكفي لإجرائه على منديل. حالة من نحو ألف رمز — حمولة JSON مفصّلة بدرجة معتدلة، أو صفحة من النص — تكلّف 0.042 دولار لتشغيلها مليون مرة. تقع أرقام Artificial Analysis الخاصة بالتكلفة لكل مليون مهمة لهذه الفئة بين 17 و199 دولارًا، مع Jev 1.13 عند 42 دولارًا، وM​icrosoft-Decision-1 عند 31 دولارًا، وDecider v1.1 27B عند 17 دولارًا؛ ويتراوح الوسيط الزمني لكل مهمة عبر الفئة من 0.06 ثانية إلى نصف ثانية. قرار بألف رمز عند 42 دولارًا لكل مليون مهمة يقع في منتصف ذلك النطاق، وهو الأمر المفيد معرفته: التسعير غير لافت لهذه الفئة، والسؤال المثير ليس تكلفة الرمز بل تكلفة القرار الصحيح.

هناك تفصيل واحد في الفوترة سيتسبب في وقوع الناس في الخطأ، ويستحق القراءة مرتين. تُحتسب الصور كنص إدخال بمعدل 1.5 رمز لكل رقعة بحجم 32×32 بكسل، ما يجعل صورة بحجم 1024×1024 تساوي 1,536 رمزًا — وكل سؤال يُحتسب كطلب مستقل بذاته، بما في ذلك جميع الصور المرفقة. اسأل عشرة أسئلة منفصلة عن الصورة نفسها، وستُحتسب الصورة عشر مرات، لذا تحمل هذه الأسئلة العشرة 15,360 رمزًا للصورة قبل كلمة نصية واحدة. وتجميع أسئلتك في نداء واحد لا يوزّع هذه التكلفة. إذا كان عبء عملك بصريًا، فإن الرقم الذي يحكم فاتورتك هو عدد الأسئلة مضروبًا في رموز الصورة، وليس عدد المستندات مضروبًا في رموز الصورة.

حيث يمكنك الاتصال به

أصبح Liquid AI d1-ultra متاحًا الآن على واجهة برمجة التطبيقات الخاصة بـ Liquid، وعبر Liquid console، وفي d1 Playground لأي شخص يريد تجربته دون كتابة عميل. وقد قالت الجهة المورّدة إن منصات إضافية قادمة؛ والخلاصة الصادقة اليوم هي واجهة برمجة التطبيقات الخاصة بالمورّد، مع عدة منصات طرف ثالث ستتبع. هناك نموذج برمجي في منشور الإطلاق سيعمل كما هو.

ملاحظة توجيه، وليست عرضًا ترويجيًا: Liquid AI d1-ultra ليس في كتالوجنا، وهذا المقال ليس ادّعاءً بتوفّره. ما هو موجود في كتالوجنا هو Jev 1.13 — النموذج الذي يتصدّر حاليًا Decision Index — بالسعر نفسه $0.042 لكل مليون رمز إدخال، وبالتكلفة نفسها الصفرية للإكمال، مع نافذة سياق 64K، ويُقدَّم عبر نفس systemoneشكل نقطة النهاية: نص داخل، JSON منظّم خارج، بدون بث. هذه مصادفة مفيدة لأي شخص يقيّم هذا الإطلاق، لأنها تعني أن المنافس والنموذج الحالي يمكن تشغيلهما جنبًا إلى جنب دون عقد ثانٍ. d1-ultra يذهب إلى Liquid مباشرةً؛ أما النموذج الحالي فهو موجود بالفعل في كتالوجنا. كلاهما يقف خلف واجهة API واحدة لأكثر من 200 نموذج، حيث تُمرَّر الأسعار المدرجة بهامش ربح 0% وحيث التجاوز التلقائي للفشل يعني أن نموذجًا جديدًا يمكنه تولّي شريحة من حمل عمل حقيقي دون أن يُؤتمن على كله.

هذا الجزء الأخير توصية عملية لا توظيفًا لمنتج. إن نموذجًا عمره يوم واحد، لم يُعَد إنتاج معياره الرئيسي بشكل مستقل، ونافذة سياقه غير منشورة، ليس شيئًا يُوجَّه إليه مرور الإنتاج في يومه الأول. إنه شيء يُشغَّل تشغيلًا ظلّيًا مقابل النموذج الموجود بالفعل في الموضع. شغِّل الحالات نفسها عبر كليهما، وقارن التوزيعات لا التسميات، وراقب على وجه التحديد الحالة التي يقول فيها d1-ultra ‏0.8 ثم يتبيّن أنه مخطئ — لأن هذه هي الحالة التي يدور حولها الإطلاق بالكامل، وهي الرقم الوحيد الذي لم تُنشره Liquid.

ما الذي سيحسم الأمر؟

ثلاثة أمور، بترتيب تنازلي وفق مدى قدرتها على تغيير القرار.

الأول هو صف في Decision Index. وإلى أن تُشغّل Artificial Analysis النموذج d1-ultra عبر خط أنابيبها الخاص، فإن فارق الثماني نقاط عن Jev 1.13 هو رقم من المورّد، والتحسّن في المعايرة مقارنةً بـ Jev 1.14 هو رقم من المورّد بلا نظير علني على الإطلاق. وتُحدَّث لوحة النتائج بانتظام، وسيكون نموذج قرار يتجاوز 66 حقًا أكثر نتيجة إثارة للاهتمام في الفئة هذا العام، لأنه سيضع نموذجًا غير توليدي فوق كل نموذج لغوي على المؤشر نفسه.

الثاني هو ورقة المواصفات المفقودة. نافذة السياق، وزمن الاستجابة عند حجم دفعة مذكور، وما إذا كان يمكن للأسئلة مشاركة صورة دون إعادة احتساب تكلفتها — هذه الأرقام الثلاثة تقرر ما إذا كان عبء العمل ممكنًا قبل وقت طويل من أن تقرره درجات المعايير. الجيل السابق من Liquid كان ينفّذ قرارات النص خلال 200 إلى 300 مللي ثانية، وهذا يمثل نقطة مرجعية مفيدة، لكنه ليس قياسًا لهذا النموذج.

الثالث هو المعايرة خارج المختبر. تقييمات Liquid الـ112 هي اختيار المورّد نفسه للمهام. فرط الثقة خاصية تظهر في الذيل — السؤال الصعب النادر، الحالة الغامضة، المدخل من توزيع لم يره النموذج قط. هناك سجّل d1 درجة 2، وهو المكان الوحيد الذي سيكون فيه تحسّن حقيقي مرئيًا.

حتى ذلك الحين، يظل الموقف الصادق هو الموقف الممل: السعر حقيقي وعلني، ونقطة النهاية تعمل، وأسوأ عيب في هذه الفئة مُحدَّد بشكل صحيح، ويُدَّعى الإصلاح بدلًا من إثباته. إذا كنت تعمل على قرارات مهيكلة، فهو يستحق قضاء بعد ظهر. لكنه لا يستحق عملية ترحيل.