Liquid AI d1-ultra vs. Liquid AI d1-3B: Ein gemieteter Endpoint für 0,042 $ pro Million oder ein 2,87 GB großer Checkpoint, den Sie besitzen

Liquid AI d1-ultra wird mit 0,042 US-Dollar pro Million Input-Tokens abgerechnet und läuft auf dem Beschleuniger von jemand anderem in einem Rechenzentrum von jemand anderem. Liquid AI d1-3B wird mit nichts pro Aufruf abgerechnet und läuft auf einem Jetson Orin Nano auf einem Schreibtisch. Diese beiden Sätze beschreiben Modelle, die Liquid AI im Abstand von acht Tagen veröffentlicht hat – d1-3B als Open-Weight-Checkpoint, angekündigt am 7. Oktober 2026, d1-ultra als reines API-Modell am 15. Oktober – und sie beschreiben die identische Aufgabe: dem Modell einen Zustand aus Text, Bildern oder beidem übergeben, ihm eine Reihe typisierter Fragen übergeben und kalibrierte Antworten aus einem einzigen Vorwärtsdurchlauf zurückbekommen, ohne dass ein einziges Ausgabe-Token erzeugt wird. Keines schreibt Prosa. Keines streamt. Der Unterschied zwischen ihnen ist nicht „welches ist klüger" im Abstrakten, denn die ehrliche Antwort hängt vollständig davon ab, wie oft am Tag man fragt. Für ein Modell, dessen Fehlermodi noch undokumentiert sind, ist das nützliche Gegenstück die Aufzeichnung dessen, was anderswo bereits schiefgegangen ist: Die dokumentierten KI-Vorfälle und Agent-Fehlfunktionen rund um Modelle dieser Klasse sind gesammelt in the OrcaRouter AI Incident Archive wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seine Konfidenzstufe und seine Bestritten-Kennzeichnung mitführt.

Diese Einordnung ist der Grund, warum dieser Vergleich mehr wert ist als ein Datenblatt. d1-3B und d1-ultra stehen an entgegengesetzten Enden einer Entscheidung, die Liquid AI inzwischen in der eigenen Dokumentation explizit gemacht hat: Man kann das leistungsfähigste Modell der Familie tokenweise mieten oder ein Modell mit 3,12 Milliarden Parametern besitzen und stattdessen mit Silizium, Strom und Ingenieursstunden bezahlen. Beide sind aktuelle Produkte. d1-ultra ist das Neueste, was das Unternehmen ausgeliefert hat, und d1-3B ist das, womit die meisten Leserinnen und Leser wahrscheinlich anfangen sollten. Welches für eine gegebene Pipeline das richtige ist, ist eine Rechenfrage mit einem echten Kipppunkt, und sie lässt sich mit veröffentlichten Zahlen beantworten — genau das folgt nun.

Eine Anmerkung zur Quellenlage vor den Zahlen, denn sie ist wichtiger als deren Formatierung. Fast alles im Folgenden stammt aus Liquid AIs eigener Berichterstattung: den Model Cards, dem Open-Weight-Beitrag vom 7. Oktober und dem d1-ultra-Beitrag vom 15. Oktober. Für diesen Artikel haben wir keinen Decision-Model-Benchmark unabhängig reproduziert, und soweit wir das beurteilen können, hat das auch sonst niemand getan. Wo eine Zahl unsere eigene Berechnung auf Basis einer veröffentlichten Zahl und nicht die Messung von jemandem ist, steht das in dem Satz, in dem sie vorkommt.

Was jedes Modell tatsächlich ist, Stand Mitte Oktober 2026

Liquid AI d1-3B ist ein Entscheidungsmodell mit offenen Gewichten und 3,12 Milliarden Parametern, das aus LFM2.5-VL-3B trainiert wurde, einem Decoder-only-Vision-Language-Modell. Es verfügt über einen SigLIP2-NaFlex-400M-Vision-Encoder, ein Kontextfenster von 32.768 Token und ein Vokabular von 128.000 Token, nimmt Text, JSON, Bilder oder eine Mischung davon als Zustand entgegen und beantwortet eine oder mehrere Fragen – Choice, Score oder noul, das Ja/Nein-Primitiv, das eine Wahrscheinlichkeit zwischen 0 und 1 zurückgibt – in einem einzigen Vorwärtsdurchlauf. Die Gewichte sind auf Hugging Face unter der LFM Open License verfügbar, die der Anbieter als kostenlos nutzbar beschreibt, auch kommerziell bei einem Jahresumsatz unter 10 Millionen US-Dollar. Es wird angegeben, dass llama.cpp ab dem ersten Tag unterstützt wird, mit NVFP4-Builds für Apple, AMD, Qualcomm und NVIDIA.

Liquid AI d1-ultra is the same shape of product pointed at a harder problem. It is API-only — there are no weights, no GGUF, no MLX or ONNX export, and the vendor's documentation index lists it in a row whose only downloadable artifact is the word "API". It was built, per the announcement, on "a larger open-weight model with a series of Liquid-specific heavy customizations," which is the entire architectural disclosure: no parameter count, no context window and no latency figure appear on the vendor's pages. Third-party gateway listings put the context window at 32,768 tokens and one listing has described it as roughly 8.3B total parameters with about 1.5B active per token, but those are catalogue entries, not vendor statements, and we treat them as unconfirmed. The model string is d1-ultra, on the same endpoint as d1: https://api.liquid.ai/decisions/v1/systemone.

Der Grund, warum diese Absätze so unausgewogen sind, ist nicht redaktionell. Es ist der ganze Vergleich. d1-3B ist bis zu einem Detaillierungsgrad dokumentiert, der es ermöglicht, Hardware zu dimensionieren, bevor man irgendetwas herunterlädt. d1-ultra ist bis zu einem Detaillierungsgrad dokumentiert, mit dem man es aufrufen kann und mehr nicht.

Die beiden Indexzahlen liegen nicht auf derselben Skala.

Jeder sekundäre Bericht über dieses Paar wird 65 neben 48,57 stellen und Sie die offensichtliche Schlussfolgerung ziehen lassen. Lesen Sie zuerst die Beschriftungen, denn die beiden Zahlen wurden unter verschiedenen Instrumenten veröffentlicht.

• d1-3B' Kennzahl — 48,57, im öffentlichen Split von Decision Index v0.2.1, im Release-Post vom 7. Oktober. Der Anbieter gibt zusätzlich an, dass das Modell besser als alles unter 10B und gleichauf mit Decider 35B-A3B ist, einem Modell, das zwölfmal so groß ist.

• d1-ultras Wert — 65, im Beitrag vom 15. Oktober als den Artificial Analysis Decision Index mit mindestens acht Punkten Vorsprung anführend beschrieben, mit der Behauptung, dass d1-ultra Jev 1.14 bei allen Aufgaben übertrifft. In der Presseberichterstattung über die Ankündigung wurde Jev 1.14 mit 57 genannt, was mit einem Vorsprung von acht Punkten vereinbar ist.

Zwei Dinge sind wahr und sollten klar gesagt werden. Erstens: Der Index hinter der 65 von d1-ultra stammt von einem Dritten, aber die Zahl erreichte uns durch Liquid AIs eigene Ankündigung und durch Presseberichte darüber – wir selbst konnten keine öffentliche Tabelle laden, die 65 zeigt –, somit ist sie in diesem Artikel eine Angabe des Anbieters. Zweitens: Ein öffentlicher Split-Score der Version 0.2.1 und ein nicht versionierter Index-Score liegen nicht zwangsläufig auf derselben Skala, und der v0.3-Index verfügt über einen privaten Vision-Split, für den die offene Veröffentlichung ausdrücklich keine Ergebnisse gemeldet hat. Betrachte die Lücke als richtungsweisend – das bezahlte Modell ist deutlich besser –, nicht als eine Messung von 16,4 Punkten. Niemand, uns eingeschlossen, hat diese beiden Modelle mit einem gemeinsamen Harness getestet.

Latenz: Eine Zahl wird veröffentlicht, die andere nicht.

Die Geschwindigkeit des offenen Modells ist ungewöhnlich gut dokumentiert, was das Fehlen beim kostenpflichtigen Modell umso auffälliger macht. Die Modellkarte von d1-3B gibt für eine einzelne Frage 8 ms auf einer RTX 4090 an, 9 ms auf einer AMD MI325X, 16 ms auf einem Jetson AGX Thor, 26 ms auf einem Jetson AGX Orin 64 GB, 30 ms auf einem Apple M5 Pro und 50 ms auf einem Jetson Orin Nano, wobei der Durchsatz bei gepackter Verarbeitung auf der MI325X 1.106 Entscheidungen pro Sekunde erreicht.

Das sind Forward-Pass-Zeitmessungen auf namentlich genannter Hardware, keine End-to-End-Anfrage-Zeitmessungen, und dieser Unterschied ist nicht pedantisch. Als Liquid AI das letzte Mal eine gehostete Latenz für ein Entscheidungsmodell veröffentlichte – der Beitrag vom 5. Oktober, mit dem d1 eingeführt wurde –, waren es 200 bis 300 ms für eine Textentscheidung, was einem API-Roundtrip einschließlich Warteschlangenverarbeitung und Netzwerk entspricht und nicht mit einem 8-ms-Pass auf einer lokalen Karte vergleichbar ist. Für d1-ultra hat der Anbieter überhaupt keinen Latenzwert veröffentlicht, in keiner der beiden Formen. Wenn Ihre Pipeline latenz- statt genauigkeitslimitiert ist, ist dieses Fehlen die bei Weitem wichtigste Sache auf dieser Seite: Derzeit können Sie nicht sagen, ob das teure Modell schnell ist, und die einzige Möglichkeit, das herauszufinden, besteht darin, es selbst zu messen.

Die Rechnung, die die Marketingseiten nicht machen

Hier ist der Punkt, an dem die beiden Produkte wirklich auseinandergehen, und es ist eine Berechnung, die man auf einer Serviette anstellen kann. Nehmen Sie ein Support-Triage-Gate, das pro Ticket eine noul-Frage stellt, 200.000 Tickets pro Monat, mit ungefähr 1.200 Eingabe-Tokens pro Frage, einschließlich eines kleinen Screenshots. Das sind 240 Millionen Eingabe-Tokens pro Monat, die Menge, die den Preis pro Million ablesbar macht.

• Bei d1-ultra zu $0,042 pro Million Eingabe-Tokens sind das etwa $10,08 pro Monat. Bei d1-3B zu null pro Aufruf sind es $0,00 pro Monat plus das, was die Hardware kostet.

• Ein Q8_0-Build mit 2,87 GB passt bequem auf einen Jetson Orin Nano. Wenn du diese Kiste speziell für diese Arbeitslast kaufst, bemisst sich die Amortisationsdauer gegenüber dem gehosteten Endpunkt in Jahren, nicht in Wochen – was die ehrliche Schlussfolgerung ist und nicht die, die ein Hardware-Hersteller drucken würde.

Dreh das Volumen hoch. Bei 200 Millionen Fragen pro Monat – 240 Milliarden Eingabe-Tokens – beläuft sich d1-ultras Rechnung auf ungefähr 10.080 US-Dollar pro Monat, und der lokale Build zieht weiterhin denselben Strom. Genau dort hört der Besitz des Checkpoints auf, eine philosophische Präferenz zu sein, und wird zu einem Rechnungsposten.

Drei Vorbehalte, die alle in dieselbe Richtung weisen. Jede oben genannte Token-Anzahl ist die, für die wir uns entschieden haben; Ihre Zustandslänge und die Anzahl Ihrer Bilder werden abweichen, und Bilder werden wie Text mit 1,5 Tokens pro 32×32-Pixel-Patch abgerechnet, sodass ein einzelnes 1024×1024-Bild 1.536 Eingabe-Tokens ergibt. Jede Frage wird als eigener Prompt abgerechnet, einschließlich ihres Textes und aller ihrer Bilder; wenn man also drei Fragen zu demselben Screenshot stellt, zahlt man dreimal für diesen Screenshot. Und nichts davon kalkuliert den Engineering-Aufwand ein: Der lokale Weg beschert Ihnen eine Quantisierungsentscheidung, eine Laufzeitumgebung, die Sie aktuell halten müssen, und einen Vision-Encoder, der Speicher frisst, noch bevor die 3,12 Mrd. Gewichte es tun. Wenn Sie ein Modell ein paar tausend Mal im Monat aufrufen, ist der gehostete Endpunkt billiger als das Meeting, in dem Sie beschließen, selbst zu hosten.

Wo jede einzelne aufhört, die richtige Antwort zu sein

Liquid AI d1-3B ist die richtige Standardwahl, wenn eine der folgenden Bedingungen die ausschlaggebende Einschränkung ist: Daten dürfen die Räumlichkeiten oder das Gerät nicht verlassen; der Netzwerk-Hop ist inakzeptabel; das Volumen ist hoch genug, dass der Preis pro Aufruf zu den dominierenden Kosten wird; oder es handelt sich um einen Live-Kameraframe oder einen Screenshot, den Sie lieber nicht an einen Dritten übermitteln möchten. Die eigene Darstellung des Anbieters stützt die erste davon – die offene Veröffentlichung richtet sich ausdrücklich auf Edge- und On-Device-Deployment auf NVIDIA DGX-, RTX- und Jetson-Hardware – und die 17.820 Downloads, die der Checkpoint in seinem ersten Monat verzeichnete, legen nahe, dass viele schnell zur selben Schlussfolgerung gelangten.

Liquid AI d1-ultra ist die richtige Antwort, wenn die Entscheidung selbst der schwierige Teil ist. Wissensintensive Fragen, visuelle Aussagen, die mit dem realen Kontext abgeglichen werden müssen – die Beispiele des Anbieters selbst sind Leiterplattenfehler und der Abgleich einer Schadensmeldung mit einem Kundenfoto –, und Long-Tail-Fälle, in denen die Zuversicht eines 3B-Modells schlicht nicht vertrauenswürdig ist. Die konkrete Behauptung, die Liquid AI dafür aufstellt, betrifft nicht nur die Genauigkeit, sondern die Kalibrierung: Die meisten Entscheidungsmodelle seien übermäßig selbstsicher, so das Argument im Beitrag, und d1-ultra sei so trainiert worden, dass seine Wahrscheinlichkeiten etwas bedeuten. Wenn man anhand einer Wahrscheinlichkeit einen Schwellenwert setzt, statt den Argmax zu nehmen – alles über 0,8 der automatischen Bearbeitung zuzuführen und alles andere einem Menschen –, dann hängt alles an der Kalibrierung, und sie ist zugleich die Behauptung in diesem Release, die für Außenstehende am schwersten zu überprüfen ist.

Auch die Fälle, in denen weder das eine noch das andere richtig ist, sollten benannt werden. Wenn es sich bei Ihrer Antwort um Freitext, einen mehrstufigen Trace oder eine Zusammenfassung handelt, ist ein Entscheidungsmodell das falsche Werkzeug – und der Anbieter sagt das in seiner eigenen Dokumentation. Wenn Sie Audio im Zustand statt nur Text und Bilder benötigen, ist das dritte Mitglied der Familie, d1-omni-600M, dasjenige, das das übernimmt – d1-ultra für diese Aufgabe einzusetzen ist kein Upgrade, sondern ein Kategorienfehler.

Dies in einen Stack integrieren, den Sie bereits betreiben

Ein Entscheidungsmodell ist fast nie die gesamte Pipeline. Es ist das Gate: die Instanz, die entscheidet, ob ein Ticket dringend ist, ob ein Foto einen Defekt zeigt, ob ein Tool-Aufruf genehmigt wird. Irgendetwas muss noch die Antwort schreiben, und auf dem lokalen Weg ist dieses Etwas ein zweites Modell, das Sie nun hosten müssen — was die eigentlichen Kosten des Selbsthostings sind und der Posten, der im Vergleich pro Token nie auftaucht. Das Muster, das bei kleinen und mittleren Volumina tatsächlich funktioniert, ist ein lokales d1-3B für das hochfrequente Gate und ein gemieteter Endpunkt für den seltenen schwierigen Fall, wobei ein OrcaRouter-Schlüssel die generativen Modelle trägt, auf die diese Entscheidungen ausgefächert werden: eine API über 200+ Modelle, Anbieter-Listenpreis ohne Aufschlag weitergegeben, und automatisches Failover zwischen Anbietern sodass ein einzelner schlechter Nachmittag eines Upstream-Anbieters Ihre Triage-Warteschlange nicht in einen Rückstau verwandelt. Es lohnt sich, genau zu sein, was das abdeckt und was nicht — wir hosten kein Modell von Liquid AI, daher geht der Entscheidungsaufruf selbst an die API von Liquid AI oder an den lokalen Checkpoint, und OrcaRouter ist das, was dahinter sitzt.

Sobald man das Entscheidungsmodell nicht mehr als fest betrachtet, ist der Vergleich nicht mehr binär. Die Routing-DSL lässt einen ein günstiges Gate und einen teuren Writer in einem Aufruf kombinieren, und Fusion lässt ein Panel von Modellen gemeinsam antworten, wenn ein einzelnes nicht vertrauenswürdig genug ist. Keines davon ist ein Grund, d1-ultra statt d1-3B zu wählen. Beides sind Gründe, die Wahl bei dem Volumen zu überdenken, bei dem sich die Rechnung tatsächlich ändert.

Was würde diese Antwort ändern?

Drei Dinge, in der Reihenfolge ihrer Wahrscheinlichkeit. Ein unabhängiger Benchmark, der d1-3B und d1-ultra durch denselben Prüfstand mit denselben Aufgaben schickt — an welchem Punkt die Lücke zwischen 48,57 und 65 zu einer Messung statt zu einer Richtungsschätzung wird. Eine veröffentlichte Latenz für d1-ultra, ohne die jede latenzempfindliche Pipeline das gehostete Modell als unbekannt behandeln und es zuerst in einem Canary-Pfad messen sollte. Und ein eventuelles Open-Weight-Release, das auf dem größeren Backbone aufbaut, was die Geschichte der Familie weniger weit hergeholt erscheinen lässt, als es klingt: Jedes andere d1-Modell, das gehostet startete, war innerhalb von zwei Tagen herunterladbar.

Bis dahin gilt die Faustregel. Beginne mit d1-3B, denn es lässt sich kostenlos ausprobieren, ist schnell auf Hardware, die du möglicherweise bereits besitzt, und gut genug dokumentiert, um es vor der Festlegung richtig zu dimensionieren. Verlagere die konkreten Entscheidungen, die sich als nicht überzeugend erweisen, auf d1-ultra. Der Abstand zwischen den beiden ist real; er ist nur geringer, als der Preisunterschied vermuten lässt, und deutlich geringer, als die Indexzahlen nahelegen, wenn sie ohne ihre Versionsbezeichnungen nebeneinander abgedruckt werden.