d1-omni vs. Liquid AI D1 Ultra: Eine 850-MB-Datei gegen einen Meter für 0,042 US-Dollar, und die Rechnung ist nicht, was Sie erwarten

Der Instinkt, wenn man d1-omni neben Liquid AI D1 Ultra stellt, ist, dass sie entgegengesetzte Enden eines Spektrums besetzen und die Wahl eine Frage des Ehrgeizes ist. Das eine sind 587 Mio. Parameter offener Gewichte – 850 MB auf der Festplatte in dem Tag, der diese Woche in Ollamas Bibliothek erschienen ist, ein Checkpoint, der seit dem 5. Oktober 2026 etwa 13.900-mal von Hugging Face heruntergeladen wurde. Das andere ist das Flaggschiff-Entscheidungsmodell von Liquid AI, angekündigt am 15. Oktober 2026, ohne offengelegte Parameteranzahl, ohne veröffentlichte Gewichte und mit einer einzigen veröffentlichten Zahl, die mehr zählt als jeder Benchmark: 0,042 $ pro Million Eingabe-Tokens. Eine Frontier-Entscheidung zu mieten statt ein kleines Modell zu besitzen klingt nach einer Budgetfrage. Lässt man den Kostenmesser an einer echten Arbeitslast laufen, hört es meist auf, eine zu sein – der Vorteil des kleinen Modells ist nicht, dass es günstig ist, sondern dass es Ihnen gehört.

Diese Unterscheidung sollte man präzise festhalten, denn die beiden verglichenen Dinge sind nicht zwei Modelle aus demselben Regal. Liquid AI D1 Ultra ist ein Endpunkt, den man aufruft. d1-omni ist eine Datei, die man ausführt. Beide beantworten dieselben drei Frageformen – ein Ja/Nein mit einer Wahrscheinlichkeit, ein Label mit einer Wahrscheinlichkeit pro Label oder eine Position auf einer Skala – und beide liefern diese Antworten in einem einzigen Forward-Pass, ohne dass Ausgabe-Tokens erzeugt werden. Alles danach, einschließlich dessen, was die Antworten kosten und wer verantwortlich ist, wenn sie abdriften, hängt davon ab, für welche der beiden man sich entschieden hat.

Die Mietseite – bepreist so, wie Liquid AI tatsächlich abrechnet

Liquid AI D1 Ultra berechnet nur Eingaben, zu $0,042 pro Million Eingabe-Token, ohne Ausgabegebühr, da es keine Ausgabe gibt. Das ist die gesamte Preisliste, und der interessante Teil ist die Bildregel darunter. Bilder werden zum Texttarif pro Patch abgerechnet: 1,5 Token pro 32×32-Pixel-Patch, wodurch ein Bild mit 1024×1024 Pixeln 1.536 Token ergibt. Und jede Frage wird als eigener Prompt abgerechnet, der seine eigene Kopie des Zustands und aller angehängten Bilder trägt. Stellen Sie vier Fragen zu demselben Foto, zahlen Sie viermal für dieses Foto.

Beziffern Sie eine Workload, bei der eine Vision-Entscheidung naheliegend ist. Angenommen, ein nächtlicher Durchlauf über 25.000 Produkteinträge, jeder mit einem 1024×1024-Foto und etwa 200 Tokens Listing-Text, stellt zwei typisierte Fragen – eine Ja/Nein-Frage, ob das Bild zur Kategorie passt, und eine Bewertungsfrage zur Bildqualität. Jeder Prompt umfasst 1.536 Bild-Tokens plus 200 Text-Tokens, also 1.736 Tokens, und es gibt zwei Fragen, also 3.472 Tokens pro Eintrag. Das sind 86,8 Millionen Input-Tokens für den Durchlauf oder rund 3,65 $. Ein nächtlicher Job, einen ganzen Monat lang, landet im niedrigen dreistelligen Dollarbereich.

Das ist ein wirklich unangenehmes Ergebnis für alle, die annahmen, die Frontier-Option sei die teure. Der Grund dafür ist das Preismodell: Entscheidungsmodelle geben niemals Tokens aus, sodass die Kostenkurve keinen Output-Term hat, der explodieren kann, und die erneute Abrechnung pro Frage ist ein fester Multiplikator, mit dem man planen kann, statt eine Variable, die man erst auf der Rechnung entdeckt.

Die eigene Seite – und wo ihre Kosten tatsächlich verborgen liegen

d1-omni hat überhaupt keinen Preis pro Aufruf. Es ist ein Modell mit 587 Mio. Parametern – einem gemeinsam genutzten 381-Mio.-Trunk samt Entscheidungskopf, einem 94-Mio.-SigLIP2-Vision-Encoder, übernommen von Liquid AI LFM2.5-VL-450M, und einem 112-Mio.-Audio-Encoder – veröffentlicht unter den Bedingungen von Liquid für LFM 1.0, wobei GGUF-Builds am 6. Oktober und MLX-Builds am 12. Oktober folgen. Seine Kosten entsprechen der Hardware, die Sie bereits haben, plus dem Teil, den niemand in den Vergleich aufnimmt: der Arbeit, ihn dort am Laufen zu halten.

Was die beiden Optionen gemeinsam haben und was nicht – in den Dimensionen, die für eine Bereitstellung entscheidend sind:

• Gewichte — veröffentlicht für d1-omni unter LFM 1.0; nicht veröffentlicht für Liquid AI D1 Ultra. Liquid beschreibt sein Flaggschiff nur als „basierend auf einem größeren Open-Weight-Modell mit einer Reihe Liquid-spezifischer umfangreicher Anpassungen“. Die Basis ist offen; das Modell, das Sie aufrufen, nicht.

• Parameter — 587 M und vollständig aufgeschlüsselt für d1-omni; nicht angegeben für d1-ultra. Sie können die Hardware für das Flaggschiff nicht dimensionieren, weil Liquid keine Größe veröffentlicht hat. Für das 600M-Modell können Sie die Hardware exakt dimensionieren: 850 MB im gemischten Q8_0-Tag von Ollama, 1,2 GB für das BF16-Tag.

• Preis — kein Preis pro Aufruf bei d1-omni; 0,042 $ pro Million Input-Tokens bei d1-ultra, wobei Bilder mit 1,5 Tokens pro 32×32-Patch berechnet werden und jede Frage mit dem vollständigen Zustand erneut abgerechnet wird.

• Modalitäten – d1-omni akzeptiert Text plus Bilder oder Text plus bis zu 30 Sekunden Audio, aber niemals beides in einer Anfrage. d1-ultra wird als multimodal beschrieben, ohne veröffentlichte Aufschlüsselung der Modalitäten; was Liquid dokumentiert, sind die Fragetypen und die Bild-Token-Regel.

• Kontext — 16.384 Token für d1-omni über Text-, Bild- und Audiopositionen hinweg zusammen, auf 896 Token Zustands- und Fragetext reduziert, immer wenn ein Bild angehängt ist, „wie trainiert“. Für d1-ultra wurde keine Kontextangabe veröffentlicht.

• Latenz — keine veröffentlichten Inferenzzahlen für d1-omni, da Liquid angibt, sie für einen Checkpoint, den es als frühe Forschungsversion in aktiver Entwicklung bezeichnet, nicht zu melden; d1-ultra wird End-to-End bereitgestellt, ohne dass eine separate Latenzangabe veröffentlicht wurde.

• Kalibrierung – das Flaggschiff wurde ausdrücklich darauf trainiert.Liquids angegebene Begründung ist, dass die meisten Entscheidungsmodelle zu selbstsicher sind, daher wurde d1-ultra optimiert, um zuverlässigere Wahrscheinlichkeiten zu erzeugen. d1-omni trägt ein Kalibrierungs-Tag seinerseits, aber das 600M ist ein experimenteller Checkpoint, und keine unabhängige Drittpartei hat die Kalibrierung eines der beiden Modelle gemessen.

Die beiden Punktzahlen sind nicht ein und derselbe Maßstab.

Es liegt nahe, 15,95 neben das Flaggschiff zu schreiben und zu subtrahieren. Tun Sie das nicht. Die 15,95 von d1-omni stammen aus dem öffentlichen Split von Decision Index v0.2.1 – einer Rangliste, auf der Liquid AI die eigenen Einträge mit dem offiziellen Scorer bewertet hat, statt sie einzureichen. Die Teilwerte: Knowledge 8,3, Language 12,9, Retrieval 35,0, Tools 15,1, Arts 6,8 – gegenüber 48,57 für d1-3B innerhalb derselben Familie. Liquid AI erhebt für d1-ultra den Anspruch, im Artificial Analysis Decision Index mit mindestens acht Punkten Vorsprung den ersten Platz belegt zu haben; das ist eine andere Rangliste mit einer anderen Version, veröffentlicht, bevor das Flaggschiff existierte. Die beiden Zahlen messen Unterschiedliches mit unterschiedlichen Maßstäben, und die ehrliche Lesart des Paars ist nur, dass die Lücke groß ist – nicht, dass sie 40-irgendwas Punkte beträgt.

Die Zahl, die einem Vergleich standhält, ist die, die niemand veröffentlicht: Der 600M liefert überhaupt keine Inferenzzahlen, sodass man seine Kosten pro Entscheidung auf der eigenen Hardware nicht nennen kann, ohne ihn selbst zu messen. Diese Messung – nicht ein Leaderboard – ist ausschlaggebend für die Entscheidung zwischen Eigenbetrieb und Miete.

Drei Workloads, drei unterschiedliche Antworten

• Ein nächtlicher Batch von 25.000 Bildprüfungen — etwa 3,65 $ pro Durchlauf auf Liquid AI D1 Ultra und bei d1-omni ein 1,2-GB-Download plus die GPU, auf der Sie es auch immer laufen lassen. Bei diesem Volumen ist die Abrechnung nicht ausschlaggebend; ausschlaggebend ist, ob Sie die Genauigkeit wollen, die das Flaggschiff verspricht, und ob Ihnen drei Dollar pro Nacht mehr wert sind als der Betrieb eines Modellservers.

• Ein hartes Gate, bei dem die Wahrscheinlichkeit die Entscheidung ist — eine Freigabe, eine Moderationsentscheidung, ein Trade, der bei Erreichen eines Schwellenwerts ausgelöst wird. Hier ist die Kalibrierung das Produkt, und d1-ultra ist das einzige der beiden, das laut Liquid speziell dafür trainiert wurde. Eine selbstsichere falsche Wahrscheinlichkeit von 0,6 ist schlimmer als gar keine Wahrscheinlichkeit, und noch kein Dritter hat bisher eines der beiden Modelle darauf geprüft. Wenn der Schwellenwert entscheidend ist, sollten Sie die Kalibrierungsaussage des Anbieters reproduziert sehen, bevor Sie ihr an der Grenze vertrauen.

• Ein Klassifikator mit hohem Durchsatz und geringem Risiko auf einem Gerät – einen Sprachbefehl weiterleiten, ein Postfach triagieren, ein Inserat zur menschlichen Prüfung markieren. Nichts an dieser Arbeitslast verlangt nach einem gehosteten Frontier-Modell. Das 600M-Modell liefert aus einem einzigen Vorwärtsdurchlauf bei 850 MB eine typisierte Antwort – genau deshalb existiert es –, und das Bildbudget von 896 Token reicht für einen Satz Zustand und ein Foto.

Wo die Routing-Grenze tatsächlich liegt

Keines der beiden Modelle ist in unserem Katalog, und es lohnt sich, hier deutlich zu sein, statt etwas anderes anzudeuten: Jeder Aufruf von Liquid AI d1-omni-600M und jeder Aufruf von Liquid AI d1-ultra geht an Ihre eigene Hardware oder an die API des Anbieters und an Drittanbieterplattformen, nicht über uns. Was OrcaRouter abdeckt, ist die Hälfte der Pipeline, die ein Entscheidungsmodell nicht selbst leisten kann. Ein Entscheidungsmodell mit 587M Parametern gibt ein Label oder eine Wahrscheinlichkeit zurück und hört dann auf; irgendetwas muss noch die Antwort schreiben, den Fall zusammenfassen oder auf den Score reagieren. Eine API für über 200 Modelle, wobei die Listenpreise der einzelnen Anbieter unverändert durchgereicht werden und die Routing-DSL verfügbar ist, wenn eine triagierte Anfrage auf mehr als ein Modell verteilt werden muss, ist eine zurückhaltendere Behauptung als „wir hosten das Entscheidungsmodell“, und sie ist wahr.

Was würde die Antwort ändern?

Der Vergleich wird derzeit durch zwei fehlende Angaben entschieden. Liquid AI D1 Ultra hat keine veröffentlichte Parameteranzahl, daher lassen sich seine Kosten pro Token nicht gegen die Größe der Aufgabe abwägen, die es bewältigt, und es gibt keine Latenzangabe, sodass ohne Messung kein interaktiver Pfad um es herum entworfen werden kann. Und d1-omni hat auf Entscheidung des Anbieters keine veröffentlichten Inferenzzahlen, sodass die Kalkulation Eigenbetrieb versus Miete eine Seite hat, die nur ein Benchmark Ihrer eigenen Hardware ausfüllen kann.

Wenn eines dieser beiden abgeschlossen wird, ändert sich die Form der Entscheidung. Ein unabhängiges Kalibrierungsergebnis zu d1-ultra würde die Gate-Workload klären, wobei der Preis bereits eine Größenordnung günstiger ist, als die meisten Menschen vermuten würden. Eine Latenzangabe von Liquid für das 600M würde es jemandem erlauben, es mit Zuversicht in einen interaktiven Pfad einzusetzen, anstatt es zuerst zu testen. Bis dahin ist die sichere Lesart eng und unspektakulär: Das Flaggschiff ist so günstig bepreist, dass es praktisch kostenlos ist, sodass allein das Budget dich nicht dazu drängen wird, irgendetwas selbst zu betreiben, und der eigentliche Vorteil des 600M besteht darin, dass niemand die Zahl, die Bedingungen oder den Endpunkt unter dir ändern kann, sobald du die Datei hast.

Die dokumentierten KI-Ausfälle und Agent-Vorfälle hinter Veröffentlichungen wie dieser werden gesammelt in dem OrcaRouter AI Incident Archive, wo jeder Eintrag eigene Quellen, Schweregrad, Konfidenzstufe und eine Kennzeichnung als strittig enthält.