
d1.2-ultra vs. Liquid AI D1 Ultra: Gleicher Preis, doppelter Kontext – und eine Stelle, an der es schlechter wurde
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 90 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 97 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNEUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 87 tok/s
- OrcaNEUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 133 tok/s
- OrcaNEUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 pro 1 Mio. Tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 pro 1 Mio. Tokens · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenz
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenz
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 pro 1 Mio. Tokens · 219 tok/s
Liquid AI d1.2-ultra kostet genau so viel wie Liquid AI D1 Ultra: 0,042 US-Dollar pro Million Eingabe-Tokens, keine Kosten für Ausgabe-Tokens, derselbe Endpoint, dieselben drei Fragetypen, die Sie bereits senden. Es erschien am 16. November 2026, einen Monat nach dem Modell, das es ersetzt, und ist beim Composite-Wert besser – 74,85 gegenüber 70,58 auf dem Artificial Analysis Decision Index v2.1, Platz 1 von 24 gegenüber Platz 6. Das Upgrade ist also kostenlos und offensichtlich, und Sie sollten es vornehmen. Was die Entscheidung einen Artikel wert macht statt eines einzeiligen Changelogs, ist, dass vier der sechzehn veröffentlichten Komponentenmetriken sich verschlechtert haben und zwei davon genau die sind, die eine schwellenwertgesteuerte Pipeline am stärksten zu spüren bekommt.
Das Muster ist spezifisch. Das neue Modell ist deutlich besser beim Lesen von Dokumenten, deutlich besser bei Umformulierungen und etwas schlechter beim Wissen über Dinge und beim Verweigern einer Antwort. Wenn Ihre Pipeline Liquid AI D1 Ultra als Extraktions-Engine verwendet, ist der Nachfolger ein klarer Gewinn. Wenn sie es als Gatekeeper verwendet, der bei einem mehrdeutigen Fall „Ich weiß nicht“ sagen soll, ist der Nachfolger eine Zwei-Modell-Entscheidung, kein Austausch.
Beide Modelle auf einem Instrument

Dieser Vergleich ist ungewöhnlich sauber, weil beide Zeilen von derselben Organisation auf derselben Version desselben Boards erzeugt wurden, was auf die meisten Upgrade-Entscheidungen nicht zutrifft. Artificial Analysis hat d1-ultra und d1.2-ultra auf Decision Index v2.1 laufen lassen, sodass hier nichts davon abhängt, eine Anbieterzahl mit einer unabhängigen Zahl zu vergleichen oder von einer Index-Revision, die zwischen den beiden Releases die Maßstäbe verschoben hat. Die eigene Schlagzeile des Anbieters für das neue Modell – erster Platz, zwei Punkte Vorsprung – stimmt mit dem Board überein, das er nennt.
• Preis — 0,042 $ pro Million Input-Token für beide. Identisch und durch das Upgrade unverändert.
• Decision Index v2.1 — d1.2-ultra 74,85 (#1 von 24) vs. d1-ultra 70,58 (#6).
• Kontextfenster — 66k Token vs. 33k, laut den technischen Spezifikationen des Boards. Die Launch-Beiträge von Liquid nennen für keines der beiden Modelle ein Fenster.
• Zeit pro Aufgabe – 218 ms gegenüber 301 ms. Das Upgrade ist außerdem ein Drittel schneller.
• Kosten pro Million Aufgaben — 133 $ für beide, was man bei einem identischen Tokenpreis und einer ähnlichen Tokenanzahl pro Aufgabe erwarten würde.
• Brier-Score — 0,150 vs. 0,176, wobei niedriger besser ist. Dies ist die eine Zahl, die am direktesten „besser kalibriert“ aussagt.
Die Abrechnungsregel hat sich geändert, und sie ist mehr wert als die Indexpunkte.
Unter d1-ultra wurde jede Frage als eigener Prompt abgerechnet, einschließlich jedes angehängten Bildes. Stellen Sie zehn Fragen zu einem einzigen Foto, zahlten Sie für das Foto zehnmal, was bei einem 1024×1024-Bild 1.536 Token mal zehn bedeutet, bevor überhaupt Text gezählt wird. Unter d1.2-ultra werden bei einer Anfrage Text und Bilder einmal abgerechnet, und jede zusätzliche Frage fügt nur ihren eigenen Text hinzu.
Rechnen Sie es an einer realistischen Anfrage durch: ein Dokument mit 2.000 Tokens, ein 1024×1024-Bild, zehn Fragen mit jeweils etwa 30 Tokens. Die alte Regel berechnet ungefähr 35.700 Tokens; die neue berechnet ungefähr 3.840. Bei einem identischen Preis von 0,042 $ pro Million sind das 0,0015 $ gegenüber 0,00016 $ pro Anfrage — etwas mehr als neunmal günstiger für dieselbe Arbeit, zum selben veröffentlichten Preis, vom selben Anbieter, ohne dass eine Ankündigungsschlagzeile daran hängt. Bei 100.000 Anfragen pro Monat werden aus etwa 150 $ etwa 16 $.
Beide Zahlen sind Berechnungen auf Grundlage der eigenen Abrechnungsbeschreibungen der Anbieter und keine Messungen einer tatsächlichen Rechnung, und das Verhältnis hängt vollständig davon ab, wie viele Fragen Sie pro Bundesstaat stellen. Stellen Sie eine Frage pro Dokument, kosten die beiden Modelle gleich viel. Stellen Sie zehn, ist das „kostenlose“ Upgrade die größte Kostenveränderung in der Version.
Was das neue Modell tatsächlich besser kann

Vier Komponenten rückten vor, und zwei von ihnen machten einen großen Sprung.
• AA-Paperclip, 30 % des Index — 75,81 gegenüber 64,69 beim Entscheidungswert und 67,7 % gegenüber 51,3 % vollständig korrekter Dokumente. Elf Punkte bei der Volltrefferquote von Dokumenten auf der Komponente mit dem größten Gewicht sind die ganze Geschichte eines zusammengesetzten Zugewinns von zwölf Punkten. Das ist die Zahl, auf die man schauen sollte, wenn man Felder aus Rechnungen, Quittungen oder Lebensläufen extrahiert, denn ein Dokument, dem eine von fünfzehn Antworten fehlt, zählt so oder so als Fehlschlag.
• AA-Symmetry, 15 % – 86,34 gegenüber 78,66, bei einer All-Pass-Konsistenz, die von 45,8 % auf 56,7 % gestiegen ist. Formuliert man die Frage um, vertauscht die Optionen, verneint ein Ja/Nein, dann bleibt das neue Modell viel häufiger bei seiner Antwort.
• When2Call, 10 % — 96,49 gegenüber 93,83. Das Aufrufen von Tools war bereits die Stärke der Familie; dies ist ein geringerer Zugewinn bei einer Komponente, die nahe an ihrem Leistungslimit lag.
• EvalSafe-O*NET-AA, 15 % — 89,53 gegenüber 88,15. Anderthalb Punkte bei der Beurteilung von Arbeitsplatzdokumenten, was nahe am Rauschen liegt und nicht als Verbesserung verkauft werden sollte.
• AA-Omniscience-Decision v1.1, 15% — 60,80 gegenüber 64,39 beim Entscheidungswert. Vier Punkte weniger bei der Komponente, die zur Hälfte aus Wissen und zur Hälfte aus Ehrlichkeit besteht.
• HLE-MultiChoice v1.1, 15 % — 46,36 gegen 47,39. Einen Punkt schlechter bei der Komponente, in der das gesamte Feld schwach ist.
Die beiden Regressionen, einfach ausgedrückt
Der Rückgang der Allwissenheit ist kein Bewertungsartefakt; er zeigt sich in den zugrunde liegenden Genauigkeits- und Enthaltungszeilen, und diese widersprechen sich in einer Weise, die es zu verstehen lohnt, bevor Sie migrieren.
• AA-Omniscience-Decision-Genauigkeit — d1-ultra beantwortete 28,0 % der Fragen richtig, d1.2-ultra 23,6 %. Der Vorgänger wusste mehr.
• AA-Omniscience-Decision Non-Hallucination – d1-ultra 88,6 %, d1.2-ultra 83,8 %. Der Vorgänger war ebenfalls besser darin, keine Antwort zu erfinden. Beide Zeilen bewegten sich in dieselbe Richtung, was bedeutet, dass dies eine echte Veränderung der Fähigkeiten ist und keine Verschiebung darin, wie vorsichtig das Modell seine Enthaltungen einsetzt.
• HLE-MultiChoice-Genauigkeit — 6,09 % gegenüber 2,36 %, wobei das neue Modell bei der Rohgenauigkeit auf dem letzten Platz von 24 liegt. Seine Nicht-Halluzinationsrate auf demselben Satz stieg von 56,9 % auf 76,1 %, der Genauigkeitsrückgang wird also teilweise mit mehr Enthaltung erkauft. Aber nicht vollständig: Das obige Allwissenheits-Paar zeigt, dass das Modell weniger antwortet UND weniger richtig liegt.
Die Konsequenz für eine Pipeline ist begrenzter, als es klingt. Wenn man anhand der Wahrscheinlichkeit einen Schwellenwert setzt und Fälle mit geringer Konfidenz an einen Menschen weitergibt, erweist einem ein Modell, das sich häufiger enthält, einen Gefallen, und der Wert von 83,8 % bei der Nicht-Halluzination liegt immer noch auf Platz sechs von 24. Wenn man das Modell als automatische Prüfinstanz für Fragen einsetzt, die Faktenwissen erfordern – ist diese Behauptung mit der Richtlinie vereinbar, entspricht dieser Code der Spezifikation –, ist der günstigere Vorgänger messbar besser, und es gibt keinen Grund, ihn nicht weiter für diesen Teilbereich einzusetzen.
Was Sie in Ihrem Client ändern müssen
Fast nichts, und genau deshalb sollte man es jetzt tun und nicht erst in einem Quartal. Der Endpunkt ist derselbe, api.liquid.ai/decisions/v1/systemone, aufgerufen mit "model": "d1.2-ultra"; die drei Fragetypen sind unverändert; Antworten sind weiterhin strukturiertes JSON mit einer Wahrscheinlichkeit pro Option und ohne Ausgabe-Tokens. Die Migration ist eine String-Änderung und ein erneutes Deployment.
Das Neue ist additiv, und es lohnt sich, es zu kennen, weil es Workarounds beseitigt statt Funktionen hinzuzufügen. Fünf Antworttypen kommen zu den bestehenden hinzu: einen Wert von der Seite lesen und die Zeichen zurückgeben, aus denen er gelesen wurde, oder „nicht gefunden“; jede Spanne einer Art mit Positionen zurückgeben, was die PII-Redaktion ohne ein zweites Modell abdeckt; einen Rahmen um ein Objekt oder jede Instanz plus eine Anzahl zurückgeben; eine Schätzung mit einem Bereich zurückgeben; und jede anwendbare Option mit ihrer eigenen Wahrscheinlichkeit zurückgeben. Audioeingabe funktioniert in beide Richtungen – die Aufnahme kann das Subjekt sein, oder sie kann die Frage sein, gesprochen statt getippt.
Die Genauigkeitsangaben für diese fünf Aufgaben stammen von Liquid selbst und beruhen auf internen Testsets, die aus zurückgehaltenen Splits öffentlicher Datensätze erstellt wurden, da noch kein öffentlicher Benchmark sie abdeckt. Laut den Zahlen des Anbieters liegen die beiden Modelle nah beieinander: 98 % gegenüber 96 % beim Auslesen eines Werts aus einem Beleg, 94 %/93 % gegenüber 92 %/88 % bei PII-Spans, jeweils 94 % bei der Objektlokalisierung, und bei den letzten beiden Aufgaben ist das ältere Modell nicht in jeder Zeile das schwächere – das neue Modell gewinnt beim Zählen mit einer Abweichung von höchstens eins mit 93 % zu 92 % und verliert beim Auswählen jedes vorhandenen Objekts mit 87 % zu 90 %.
Das alte und das neue nebeneinander laufen lassen
Beide zu behalten ist die ehrliche Migration, und sie ist günstig: Es sind unterschiedliche Modell-Strings auf demselben Endpoint, und beide sind heute in Liquids eigener API zum selben Preis verfügbar, mit Schlüsseln von console.liquid.ai. Keines von beiden ist in unserem Katalog, und dieser Beitrag ist für keines von beiden eine Verfügbarkeitsaussage.
Was eine Routing-Schicht hier nützlich macht, ist, dass die Aufteilung zwischen den beiden Modellen eine Entscheidung pro Frage ist und nicht pro Dienst. Der Nachfolger ist derjenige, an den du Dokumente, Bilder und alles schickst, worauf du Schwellenwerte anwenden willst; der Vorgänger ist derjenige, an den du faktenlastige Beurteilungen schickst, bei denen seine Genauigkeits- und Enthaltungswerte noch besser sind. Setz das als zwei Routen hinter einer API auf — die Routing-DSL lässt dich nach Fragetyp oder nach Zustandsgröße aufteilen statt nach handkodierten Dienstgrenzen — und die beiden Modelle konkurrieren nicht mehr um denselben Platz. Nichts auf unserer Seite ändert etwas an den $0.042, die jedes Modell kostet: Die Listenpreise der Anbieter werden mit 0 % Aufschlag durchgereicht, sodass eine Liquid-Preisänderung hier noch am selben Tag live ist und nicht erst zum nächsten Abrechnungszyklus. Und wenn eine Anbieter-API einen schlechten Nachmittag hat, automatisches Failover dafür sorgt, dass die Dokument-Route am Leben bleibt, statt einen Anbieter zum Single Point of Failure für die gesamte Pipeline zu machen.
Das Upgrade – jeweils in einer Zeile
Nehmen Sie d1.2-ultra für Dokumente, für Bilder, für mehrdeutige Zustände und für alles, wofür Sie Schwellenwerte festlegen – es ist elf Punkte besser bei der Dokumentkomponente, acht Punkte besser bei der Symmetrie, ein Drittel schneller, verdoppelt das Kontextfenster und senkt, wenn Sie mehr als eine Frage pro Zustand stellen, Ihre Rechnung um eine Größenordnung.
Behalte d1-ultra für faktenlastiges Gating, wo sowohl seine Omniscience-Genauigkeit als auch seine Nicht-Halluzinations-Zeilen noch höher sind und wo die HLE-Genauigkeit fast dreimal so hoch ist wie die des Nachfolgers, so klein beide Zahlen auch sind.
Die Migration vollständig auslassen solltest du nur dann, wenn deine Zustände keine Bilder, jeweils eine Frage und keinen Schwellenwert enthalten – der Fall, in dem die beiden Modelle gleich viel kosten und das neue bei jeder von dir verwendeten Bewertung einfach besser ist. In diesem Fall ist der einzige Grund zu warten, die neunzehn Stunden, die es dauert, herauszufinden, dass nichts kaputtgegangen ist.

