
d1.2 vs Liquid AI D1 Ultra: Zum halben Preis, zwei Punkte dahinter – und besser bei der Aufgabe, die Sie wiederholt erledigen
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 184 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 223 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 87 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 96 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 41 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 · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
Liquid AI d1.2 kostet 0,02 US-Dollar pro Million Eingabe-Tokens. Liquid AI D1 Ultra, das Modell, das bis zum 16. November 2026 das Flaggschiff der Familie war, kostet 0,042 US-Dollar. Im Artificial Analysis Decision Index v2.1 liegt das ältere, teurere Modell weiterhin vorn – 70,58 gegenüber 68,69 – und es liegt bei fünf der sechs Bewertungen vorn, aus denen der Index besteht. Der Vergleich auf den ersten Blick sagt also, dass das Flaggschiff weiterhin das bessere Modell ist – und genau dieser Vergleich auf den ersten Blick ist das am wenigsten Nützliche, was man aus diesen beiden Zeilen mitnehmen kann.
Was sie tatsächlich unterscheidet, ist die Form und nicht der Rang. D1 Ultra ist ein Modell für schwierige, einmalige Beurteilungen: ein Defekt auf einer Leiterplatte, ein Schadensfall, geprüft anhand eines Fotos. d1.2 ist ein Modell dafür, mehrere Dinge über denselben Zustand gefragt zu werden – bei doppelter Geschwindigkeit, mit einem Kontextfenster, das die Übersicht mit 66k gegenüber 33k bei D1 Ultra angibt, und mit fünf Antworttypen, die D1 Ultra nicht hat. Der Unterschied von $0.022 ist real; ob es der Unterschied ist, der Ihre Migration entscheidet, ist eine Frage Ihres Anfragemusters – und die lässt sich anhand der veröffentlichten Zeilen beantworten.
Die Preisdifferenz, in den Einheiten, die zählen
Pro Token klingt eine Verdopplung trivial. Pro Aufgabe ist es nicht dasselbe Verhältnis, weil die beiden Modelle nicht dieselbe Anzahl Token verbrauchen, um dieselbe Frage zu beantworten. Artificial Analysis beziffert die Kosten pro Million Aufgaben zu aktuellen Listenpreisen, und die eigene Angabe des Boards liegt bei 63 $ für d1.2 gegenüber 133 $ für D1 Ultra – eine 2,1-fache Lücke, die auch bei der Token-Abrechnung Bestand hat.
• Preis pro Million Eingabe-Tokens — $0.02 für d1.2 vs. $0.042 für D1 Ultra.
• Modellierte Kosten pro Million Aufgaben – 63 $ vs. 133 $, beide zu aktuellen Listenpreisen, beide aus dem Board statt von Liquid.
• Entscheidungsindex v2.1 — 68,69 (#9 von 25) vs. 70,58 (#6 von 25).
• Zeit pro Aufgabe — 150 ms vs. 301 ms. Das neue günstige Modell ist doppelt so schnell.
• Kontextfenster — 66k Tokens vs. 33k, wie von Artificial Analysis aufgeführt; die eigenen Launch-Posts von Liquid nennen für keines der beiden Modelle ein Kontextfenster.
• Eingabemodalität — Text und Bild für beides, laut dem Board. d1.2 ergänzt Audio, laut dem Anbieter, womit das Datenblatt des Boards noch nicht Schritt gehalten hat.
• Brier-Score, wobei niedriger besser ist — 0,164 vs. 0,176. Das günstigere Modell ist das besser kalibrierte.
Lesen Sie die letzte Zeile zweimal. Kalibrierung ist die Eigenschaft, die einen Wahrscheinlichkeitsschwellenwert nutzbar macht, und das Modell zum halben Preis gewinnt sie. Die Punkte, die das Flaggschiff noch für sich verbucht, betreffen das Wissen über Dinge, nicht das Wissen darüber, wie sicher es ist.
Wo der D1 Ultra seinen Preis noch wert ist

Fünf der sechs Komponenten sprechen für das ältere Modell, und das Muster in ihnen ist konsistent genug, um damit zu planen.
• AA-Paperclip, Dokumententscheidungen — 64,69 für D1 Ultra gegenüber 62,60 für d1.2, wobei 51,3 % der Dokumente vollständig korrekt sind gegenüber 44,3 %. „Full-Document-All-Pass“ ist das strengere Maß: Eine Rechnung mit fünfzehn Feldern, bei der vierzehn stimmen, zählt als Fehlschlag.
• EvalSafe-O*NET-AA, Beurteilung am Arbeitsplatz — 88,15 gegenüber 86,55 und 82,9 % Genauigkeit gegenüber 79,7 %. Ein Unterschied von 1,6 Punkten bei der Komponente, was nahe an der Rauschgrenze eines erneuten Durchlaufs liegt.
• AA-Omniscience-Decision v1.1, Wissen — 64,39 gegenüber 60,94, mit 28,0 % Genauigkeit gegenüber 30,0 % und einer Nicht-Halluzinationsrate von 88,6 % gegenüber 66,6 %. Die Genauigkeitszeile und die Enthaltungszeile widersprechen sich, und die Enthaltungszeile ist diejenige, die die Bewertung dominiert: D1 Ultra lehnt weitaus häufiger ab und wird dafür belohnt.
• HLE-MultiChoice v1.1, schwierige Fragen — 47,39 gegen 44,69. Bei der Rohgenauigkeit wird die Lücke in die andere Richtung größer, 6,09 % gegen 5,30 %, und das ist Rauschen bei einem Benchmark, bei dem das gesamte Feld unter zehn Prozent liegt.
• AA-Symmetry, Invarianz bei Umformulierung — 78,66 gegenüber 76,52 beim Komponentenwert, obwohl d1.2 mehr ganze Sets besteht, 50,0 % gegenüber 45,8 %. Das Flaggschiff gewinnt bei Teilpunkten und verliert beim strengeren Maß, daher ist diese Zeile in beide Richtungen kein sauberer Sieg.
Wenn Ihre Arbeitslast „ein Dokument, eine schwierige Frage, die Antwort geht an einen Menschen, der danach handelt“ ist, beschreiben diese Zeilen genau den Fall, in dem das alte Flaggschiff noch die richtige Wahl ist, und der Preisunterschied bei diesem Volumen ist ein Rundungsfehler.
Wo d1.2 nicht in der Nähe ist
Eine Komponente bewegt sich in die andere Richtung, und sie bewegt sich weit.
• When2Call, Tool- und Funktionsentscheidungen — 96,09 für d1.2 gegenüber 93,83 für D1 Ultra, mit 95,5 % Genauigkeit gegenüber 93,0 %. Dies ist die Komponente, die entscheidet, ob ein Agent die richtige Funktion mit den richtigen Argumenten aufruft, und sie ist das stärkste einzelne Argument für das neue Modell in einem Agentic-Stack.
Dann gibt es noch all das, was der Index nicht misst. Fünf neue Antworttypen – ein Wert zusammen mit den Zeichen, aus denen er gelesen wurde, Spans mit Positionen, Boxen, Zählwerte mit Bereichen, Mehrfachauswahl mit Wahrscheinlichkeiten je Option – existieren nur auf d1.2, und der Index bewertet keinen davon. Ihre Genauigkeitswerte stammen von Liquid selbst, aus internen Testsets, die aus zurückgehaltenen Splits öffentlicher Datensätze erstellt wurden, und sie werden überall, wo sie unten erscheinen, entsprechend gekennzeichnet.
Den Zahlen des Anbieters zufolge liegen die beiden neuen Modelle dicht beieinander, und es gibt überhaupt keine D1-Ultra-Zeile, weil die Aufgabentypen bei der Markteinführung noch nicht existierten: 98 % und 96 % beim Auslesen eines Werts aus einem Beleg für d1.2-ultra und d1.2, 94 %/93 % gegenüber 92 %/88 % bei Spans mit personenbezogenen Daten, 94 % für beide bei der Objektlokalisierung und 87 % gegenüber 90 % beim Erkennen jedes vorhandenen Objekts. Der entscheidende Punkt für diesen Vergleich sind nicht die Prozentwerte — sondern dass das ältere Modell diese Antworten nicht ausdrücken kann; eine Pipeline, die sie benötigt, wählt also nicht zwischen zwei Modellen. Sie wählt zwischen einem Modell und einem Workaround.
Die Abrechnungsregel, die mehr wert ist als die beiden Indexpunkte

D1 Ultra berechnet jede Frage als eigenen Prompt, einschließlich jedes angehängten Bildes. Stellen Sie zehn Fragen zu einem Foto, wird das Foto zehnmal berechnet: Bei den von Liquid angegebenen 1,5 Tokens pro 32×32-Pixel-Patch hat ein Bild mit 1024×1024 Pixeln 1.536 Tokens, sodass zehn Fragen 15.360 Bild-Tokens enthalten, bevor auch nur ein Wort Text hinzukommt. d1.2 berechnet Text und Bilder einer Anfrage nur einmal, und jede weitere Frage fügt nur ihren eigenen Text hinzu.
Rechnen wir es an einer konkreten Anfrage durch: ein Dokument mit 2.000 Tokens, ein Bild mit 1024×1024 und zehn Fragen mit jeweils etwa 30 Tokens. Nach der alten Regel umfasst die Anfrage ungefähr 35.700 Tokens; nach der neuen ungefähr 3.840. Zu den jeweiligen Preisen der Modelle sind das etwa 0,0015 $ auf D1 Ultra gegenüber etwa 0,00008 $ auf d1.2 — die Preislücke und die Abrechnungsdifferenz verstärken sich, statt sich aufzuheben. Bei 250.000 Anfragen pro Monat beträgt der Unterschied ungefähr 375 $ gegenüber 20 $.
Dies ist Arithmetik auf Grundlage von Liquids eigener Abrechnungsbeschreibung, keine gemessene Rechnung, und das Verhältnis fällt auf 1× zusammen, wenn du pro Bundesstaat eine Frage stellst. Diese eine Frage ist die gesamte Entscheidung: Je mehr Fragen du zum selben Dokument stellst, desto weniger geht es bei dem Vergleich überhaupt noch um Indexpunkte.
Was ändert sich im Client
Der Endpunkt ist derselbe — api.liquid.ai/decisions/v1/systemone — und der Modellstring ist die Migration. Die drei ursprünglichen Fragetypen behalten ihre Form; Antworten sind weiterhin strukturiertes JSON mit einer Wahrscheinlichkeit pro Option und ohne Ausgabe-Tokens, sodass sich an Ihrem Parsing nichts ändert. Was Sie gewinnen, ist additiv und bricht nichts, was bereits funktioniert.
Der Haken ist eher operativer als technischer Natur: D1 Ultra ist nicht veraltet, beide Modelle rechnen ausschließlich Eingabe-Tokens ab, und Liquid verkauft beide über dieselbe Konsole. Es gibt keinen zwingenden Anlass zu wechseln, was bedeutet, dass die Migration nicht von selbst erfolgen wird und stattdessen anhand einer von Ihnen messbaren Arbeitslast geplant werden sollte statt anhand eines Launch-Termins.
Beide betreiben, ohne sich auf eines von beiden festzulegen.
Ein Wort zum Zugang vor dem operativen Teil: d1.2 und D1 Ultra werden beide über die eigene API von Liquid bereitgestellt, und keines der beiden ist in unserem Katalog – dies ist ein Vergleich, keine Verfügbarkeitsaussage. Der Grund, warum unser Katalog überhaupt relevant ist, ist Jev 1.14, das EvalSafe-O*NET-AA bei 91.14 hält, während d1.2 86.55 erreicht, dieselbe systemone-Anfragestruktur verwendet und 0,042 $ pro Million Eingabe-Tokens berechnet. Wenn die Migrationsentscheidung von einer Komponente abhängt, deren Verlust Sie sich nicht leisten können, dann ist das das Modell, an dem Sie sie testen sollten.
Die sinnvolle Aufteilung folgt dem korrigierten Komponentenbild statt der Schlagzeile. Schicken Sie Zustände mit mehreren Fragen, alles, was ein Bild enthält, und alles, was ein Agent an d1.2 weiterleitet, dorthin — dort weisen sein Kontextfenster, seine Geschwindigkeit und sein When2Call-Vorsprung alle in dieselbe Richtung. Belassen Sie einzelne anspruchsvolle Dokumentbewertungen und Wissensfragen mit eindeutiger Antwort auf D1 Ultra, bis Ihre eigene Stichprobe etwas anderes zeigt. Zwei Routen, je eine Bedingung, nach Fragetyp geschrieben statt in drei Dienste fest einprogrammiert: dafür ist die Routing-DSL da, und weil Anbieter-Listenpreise mit 0 % Aufschlag weitergegeben werden, ist eine Änderung an einem der beiden Liquid-Preise am Tag ihres Eintretens für das Routing sichtbar und nicht erst bei der nächsten Verlängerung. Automatisches Failover deckt dann den Fall ab, dass eines der beiden Modelle mitten in der Migration einen schlechten Nachmittag erwischt.

Ein Shadow-Run kostet in dieser Größenordnung fast nichts: ein paar Tausend Ihrer realen Zustände durch beide Modelle schicken, Wahrscheinlichkeiten statt Labels vergleichen und die Fälle zählen, in denen D1 Ultra 0,85 sagt und falsch liegt, gegenüber denselben Fällen auf d1.2. Das Board sagt, das neue Modell sei insgesamt besser kalibriert; Ihre Stichprobe ist das Einzige, was aussagt, ob es auf Ihren Daten besser kalibriert ist, und diese Zahl sollte für die Migration ausschlaggebend sein.
