Una tarjeta de título generada encabezada por «Una actualización que cuesta lo mismo», con el subtítulo «Liquid AI d1.2-ultra reemplaza a Liquid AI d1-ultra». Se apilan dos barras horizontales: la barra superior, más corta, está etiquetada como d1-ultra con el valor 70.58 en su extremo derecho; la barra inferior, más larga, está etiquetada como d1.2-ultra con 74.85 en su extremo derecho. Tres chips con contorno a la derecha indican «66k de contexto, frente a 33k», «218 ms por tarea, frente a 301 ms» y «el mismo $0.042 por 1M de tokens de entrada». La marca de OrcaRouter está compuesta en la esquina inferior derecha.
Guides & Insights

d1.2-ultra vs Liquid AI D1 Ultra: mismo precio, el doble de contexto y un punto en el que empeoró

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

Liquid AI d1.2-ultra cuesta exactamente lo mismo que Liquid AI D1 Ultra: 0,042 $ por millón de tokens de entrada, sin coste por tokens de salida, el mismo endpoint y los mismos tres tipos de preguntas que ya envías. Llegó el 16 de noviembre de 2026, un mes después del modelo al que reemplaza, y es mejor en la puntuación compuesta: 74,85 frente a 70,58 en Artificial Analysis Decision Index v2.1, primero de 24 frente a sexto. Así que la actualización es gratuita y obvia, y deberías adoptarla. Lo que hace que la decisión merezca un artículo en lugar de una entrada de changelog de una línea es que cuatro de las dieciséis métricas de componentes publicadas retrocedieron, y dos de ellas son las que más nota un pipeline basado en umbrales.

El patrón es específico. El nuevo modelo es mucho mejor leyendo documentos, mucho mejor con las paráfrasis y ligeramente peor para conocer cosas y para negarse a responder. Si tu pipeline usa Liquid AI D1 Ultra como motor de extracción, el sucesor es una victoria directa. Si lo usa como guardián que se supone que debe decir «no lo sé» cuando el caso es ambiguo, el sucesor es una decisión de dos modelos, no un simple reemplazo.

Ambos modelos en un solo instrumento

A generated two-column scoreboard titled ‘d1.2-ultra vs d1-ultra - the scoreboard’. The d1.2-ultra column reads Decision Index 75, AA-Paperclip 75.8 at 67.7% all-pass, AA-Symmetry 86.3, AA-Omniscience accuracy 23.6%, context window 66k and price $0.042 per 1M input. The d1-ultra column reads Decision Index 71, AA-Paperclip 64.7 at 51.3% all-pass, AA-Symmetry 78.7, AA-Omniscience accuracy 28.0%, context window 33k and price $0.042 per 1M input. The footer reads ‘All figures per Artificial Analysis Decision Index v2.1; context windows as listed by Artificial Analysis, not stated by the vendor.’

Esta comparación es inusualmente limpia porque ambas filas fueron producidas por la misma organización en la misma versión del mismo panel, algo que no se cumple en la mayoría de las decisiones de actualización. Artificial Analysis ejecutó d1-ultra y d1.2-ultra en Decision Index v2.1, así que nada aquí depende de comparar una cifra del proveedor con una independiente, ni de una revisión del índice que haya cambiado las reglas del juego entre las dos versiones. El titular del propio proveedor para el nuevo modelo —primer puesto, con dos puntos de ventaja— coincide con el panel que menciona.

• Precio — $0.042 por millón de tokens de entrada para ambos. Idéntico, y sin cambios con la actualización.

• Índice de decisión v2.1 — d1.2-ultra 74.85 (#1 de 24) vs d1-ultra 70.58 (#6).

• Ventana de contexto — 66k tokens frente a 33k, según las especificaciones técnicas de la placa. Las publicaciones de lanzamiento de Liquid no indican ninguna ventana para ninguno de los dos modelos.

• Tiempo por tarea — 218 ms vs 301 ms. La actualización también es un tercio más rápida.

• Coste por millón de tareas: $133 para ambos, que es lo que cabría esperar con un precio por token idéntico y una cantidad de tokens por tarea similar.

• Puntuación de Brier — 0,150 frente a 0,176, siendo mejor cuanto más baja. Este es el número que dice de forma más directa «mejor calibrado».

La regla de facturación cambió, y vale más que los puntos del índice.

En d1-ultra, cada pregunta se facturaba como su propio prompt, incluyendo cada imagen adjunta. Si hacías diez preguntas sobre una fotografía, pagabas por la fotografía diez veces, lo que para una imagen de 1024×1024 significa 1.536 tokens multiplicados por diez antes de contar ningún texto. En d1.2-ultra, la solicitud factura su texto y sus imágenes una sola vez, y cada pregunta adicional solo añade su propio texto.

Veámoslo con una solicitud realista: un documento de 2.000 tokens, una imagen de 1024×1024 y diez preguntas de unos 30 tokens cada una. La regla anterior cobra aproximadamente 35.700 tokens; la nueva cobra aproximadamente 3.840. Con un precio idéntico de $0,042 por millón, eso supone $0,0015 frente a $0,00016 por solicitud: algo más de nueve veces más barato para el mismo trabajo, al mismo precio publicado, del mismo proveedor y sin ningún titular de anuncio asociado. Con 100.000 solicitudes al mes, unos $150 se convierten en unos $16.

Ambas cifras son cálculos aritméticos sobre las propias descripciones de facturación de los proveedores, no mediciones de una factura real, y la proporción depende enteramente de cuántas preguntas hagas por estado. Haz una pregunta por documento y los dos modelos cuestan lo mismo. Haz diez, y la mejora "gratuita" es el mayor cambio de coste de la versión.

Lo que el nuevo modelo realmente hace mejor

A headless-browser screenshot of the Artificial Analysis model page for d1-ultra, captured 17 November 2026 in English, showing the Liquid AI vendor label, the heading ‘d1-ultra: Release, Decision Index Score, Performance & Price’, a Decision Index score of 71, a 33k-token context window, a time-per-task figure of 301 ms, and a summary describing the model as reasonably priced but notably slow.

Cuatro componentes subieron, y dos de ellos subieron mucho.

• AA-Paperclip, 30 % del índice — 75,81 frente a 64,69 en la puntuación de decisión, y 67,7 % frente a 51,3 % de documentos totalmente correctos. Once puntos de tasa de aprobación total de documentos en el componente que más peso tiene son la historia completa de una ganancia compuesta de doce puntos. Este es el número que hay que mirar si extraes campos de facturas, recibos o currículums, porque un documento al que le falta una de quince respuestas cuenta como fallo de todos modos.

• AA-Symmetry, 15% — 86.34 frente a 78.66, con la consistencia all-pass subiendo del 45.8% al 56.7%. Reformule la pregunta, cambie las opciones de sitio, niegue un sí/no, y el nuevo modelo mantiene su respuesta con mucha más frecuencia.

• When2Call, 10 % — 96,49 frente a 93,83. La llamada a herramientas ya era el punto fuerte de la familia; esta es una mejora menor en un componente que estaba cerca de su límite.

• EvalSafe-O*NET-AA, 15 % — 89,53 frente a 88,15. Un punto y medio en el criterio sobre documentos laborales, lo que está cerca del ruido y no debería presentarse como una mejora.

• AA-Omniscience-Decision v1.1, 15% — 60.80 frente a 64.39 en la puntuación de decisión. Cuatro puntos menos en el componente que es mitad conocimiento y mitad honestidad.

• HLE-MultiChoice v1.1, 15% — 46.36 frente a 47.39. Un punto menos en el componente donde todo el campo está débil.

Las dos regresiones, en palabras sencillas

La caída de omnisciencia no es un artefacto de puntuación; aparece en las filas subyacentes de precisión y abstención, y estas discrepan entre sí de una manera que vale la pena entender antes de migrar.

• Precisión de AA-Omniscience-Decision — d1-ultra respondió correctamente al 28,0 % de las preguntas, d1.2-ultra al 23,6 %. El predecesor sabía más.

• AA-Omniscience-Decision non-hallucination — d1-ultra 88,6%, d1.2-ultra 83,8%. El predecesor también era mejor a la hora de no inventar una respuesta. Ambas filas se movieron en la misma dirección, lo que significa que se trata de un cambio genuino de capacidad y no de un cambio en la cautela con la que el modelo recurre a sus abstenciones.

• Precisión de HLE-MultiChoice: 6,09 % frente a 2,36 %, y el nuevo modelo queda último de los 24 en precisión bruta. Su tasa de no alucinación en el mismo conjunto subió, del 56,9 % al 76,1 %, así que la caída de precisión se compra en parte con más abstención. Pero no del todo: el par de omnisciencia anterior muestra que el modelo responde menos Y acierta menos.

La consecuencia para un pipeline es más limitada de lo que parece. Si aplicas un umbral sobre la probabilidad y envías los casos de baja confianza a una persona, un modelo que se abstiene más te está haciendo un favor, y la cifra del 83,8 % de no alucinación sigue siendo la sexta de 24. Si usas el modelo como filtro automático en preguntas que exigen conocer un hecho —¿es esta afirmación coherente con la política?, ¿se ajusta este código a la especificación?—, el predecesor más barato es mensurablemente mejor y no hay ninguna razón para dejar de usarlo en ese segmento.

Qué es lo que tienes que cambiar en tu cliente

Casi nada, y esa es la razón para hacerlo ahora en lugar de dentro de un trimestre. El endpoint es el mismo, api.liquid.ai/decisions/v1/systemone, al que se llama con "model": "d1.2-ultra"; los tres tipos de pregunta no cambian; las respuestas siguen siendo JSON estructurado con una probabilidad por opción y sin tokens de salida. La migración es un cambio de cadena y un redespliegue.

Lo nuevo es aditivo, y vale la pena conocerlo porque elimina soluciones provisionales en lugar de añadir funciones. Cinco tipos de respuesta se suman a los existentes: leer un valor de la página y devolver los caracteres de los que se leyó, o «no encontrado»; devolver cada fragmento de un tipo con posiciones, lo que cubre la redacción de PII sin un segundo modelo; devolver un cuadro alrededor de un objeto o de cada instancia más un recuento; devolver una estimación con un rango; y devolver cada opción aplicable con su propia probabilidad. La entrada de audio funciona en ambos sentidos: la grabación puede ser el sujeto, o puede ser la pregunta, hablada en lugar de escrita.

Las afirmaciones de exactitud para esas cinco tareas son de Liquid, sobre conjuntos de prueba internos construidos a partir de particiones reservadas de conjuntos de datos públicos, porque todavía no hay ningún benchmark público que las cubra. Según las cifras del proveedor, los dos modelos están cerca: 98% frente a 96% al leer un valor de un recibo, 94%/93% frente a 92%/88% en fragmentos de PII, 94% cada uno en localización de objetos, y en las dos últimas tareas el modelo más antiguo no es el más débil en todas las filas: el nuevo modelo gana en el conteo con margen de uno por 93% frente a 92% y pierde en la selección de todos los objetos presentes por 87% frente a 90%.

Ejecutando el antiguo y el nuevo en paralelo

Mantener ambos es la migración honesta, y es barato: son cadenas de modelo distintas en el mismo endpoint y ambos están en la propia API de Liquid hoy, al mismo precio, con claves de console.liquid.ai. Ninguno está en nuestro catálogo, y este texto no es una afirmación de disponibilidad para ninguno de los dos.

Lo que hace útil aquí a una capa de enrutamiento es que la separación entre los dos modelos es una decisión por pregunta y no por servicio. El sucesor es al que hay que enviar documentos, imágenes y cualquier cosa sobre la que vayas a aplicar umbrales; el predecesor es al que hay que enviar juicios con mucha carga de hechos, donde sus filas de precisión y abstención siguen siendo mejores. Compón eso como dos rutas detrás de una sola API —el DSL de enrutamiento te permite dividir por tipo de pregunta o por tamaño del estado en lugar de por límites de servicio codificados a mano—, y los dos modelos dejan de competir por la misma ranura. Nada de nuestro lado cambia los $0.042 que cuesta cada modelo: los precios de lista de los proveedores se trasladan con 0 % de margen, así que un cambio de precio de Liquid está activo aquí el mismo día en lugar de en el siguiente ciclo de facturación. Y cuando una API de proveedor tiene una mala tarde, la conmutación por error automática es lo que mantiene viva la ruta de documentos en lugar de convertir a un proveedor en un punto único de fallo para todo el pipeline.

La actualización, en una línea cada una

Elige d1.2-ultra para documentos, para imágenes, para estados ambiguos y para cualquier cosa para la que apliques un umbral: es once puntos mejor en el componente de documentos, ocho mejor en simetría, un tercio más rápido, duplica la ventana de contexto y, si haces más de una pregunta por estado, reduce tu factura en un orden de magnitud.

Mantén d1-ultra para el filtrado con alta densidad de hechos, donde tanto su precisión de omnisciencia como sus filas de no alucinación siguen siendo superiores, y donde la precisión en HLE es casi tres veces la del sucesor, por pequeñas que sean ambas cifras.

Omite la migración por completo solo si tus estados no contienen imágenes, una pregunta cada uno y ningún umbral: el caso en que los dos modelos cuestan lo mismo y el nuevo es simplemente mejor en cada evaluación que uses. En ese caso, la única razón para esperar son las diecinueve horas que lleva descubrir que nada se rompió.

A headless-browser screenshot of the OrcaRouter model page for typesafe/jev-1.14, captured 17 November 2026 in English, showing the /v1/systemone endpoint, Zero Data Retention availability, an input and output list price of $0.04, and measured latencies of 182 ms and 372 ms.