
d1.2 vs Liquid AI D1 Ultra: la mitad del precio, dos puntos por detrás y mejor en el trabajo que repites
- OrcaNUEVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 184 tok/s
- tencentNUEVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 223 tok/s
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 96 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
Liquid AI d1.2 cuesta $0,02 por millón de tokens de entrada. Liquid AI D1 Ultra, el modelo que fue el buque insignia de la familia hasta el 16 de noviembre de 2026, cuesta $0,042. En el Artificial Analysis Decision Index v2.1, el modelo más antiguo y más caro sigue por delante —70,58 frente a 68,69— y está por delante en cinco de las seis evaluaciones sobre las que se construye el índice. Así que la comparación principal dice que el buque insignia sigue siendo el mejor modelo, y esa comparación principal es lo menos útil que se puede extraer de estas dos filas.
Lo que realmente los separa es la forma, no la clasificación. D1 Ultra es un modelo para juicios difíciles de un solo intento: un defecto en una placa de circuito, una reclamación por daños contrastada con una foto. d1.2 es un modelo para recibir varias preguntas sobre el mismo estado, al doble de velocidad, con una ventana de contexto que la tabla sitúa en 66k frente a los 33k de D1 Ultra, y con cinco tipos de respuesta que D1 Ultra no tiene. La diferencia de $0.022 es real; si es la diferencia que decide tu migración es una cuestión sobre tu patrón de solicitudes, y eso se puede responder a partir de las filas publicadas.
La diferencia de precios, en las unidades que importan
Por token, duplicar suena trivial. Por tarea, no es la misma proporción, porque los dos modelos no consumen la misma cantidad de tokens para responder a la misma pregunta. Artificial Analysis calcula el coste por millón de tareas con los precios de lista actuales, y la propia cifra del ranking es de 63 $ para d1.2 frente a 133 $ para D1 Ultra — una diferencia de 2,1× que sobrevive a la contabilidad de tokens.
• Precio por millón de tokens de entrada — $0.02 para d1.2 frente a $0.042 para D1 Ultra.
• Costo modelado por millón de tareas — $63 frente a $133, ambos con los precios de lista actuales, ambos del panel en lugar de Liquid.
• Decision Index v2.1 — 68,69 (n.º 9 de 25) frente a 70,58 (n.º 6 de 25).
• Tiempo por tarea: 150 ms frente a 301 ms. El nuevo modelo económico es el doble de rápido.
• Ventana de contexto — 66k tokens frente a 33k, según lo indicado por Artificial Analysis; las propias publicaciones de lanzamiento de Liquid no señalan ninguna ventana para ninguno de los dos modelos.
• Modalidad de entrada: texto e imagen para ambos, según la placa. d1.2 añade audio, según el proveedor, algo que la hoja de especificaciones de la placa aún no refleja.
• Puntuación de Brier, cuanto más baja mejor — 0,164 vs 0,176. El modelo más económico es el que está mejor calibrado.
Lee la última línea dos veces. La calibración es la propiedad que hace utilizable un umbral de probabilidad, y el modelo a mitad de precio la gana. Los puntos que el modelo insignia todavía mantiene son puntos sobre saber cosas, no sobre saber cuán seguro está.
Dónde el D1 Ultra sigue justificando su precio

Cinco de los seis componentes favorecen el modelo más antiguo, y el patrón que presentan es lo bastante consistente como para planificar en torno a él.
• AA-Paperclip, decisiones sobre documentos — 64,69 para D1 Ultra frente a 62,60 para d1.2, con el 51,3 % de los documentos totalmente correctos frente al 44,3 %. La aprobación total del documento completo es la medida más severa: una factura de quince campos con catorce correctos cuenta como un fallo.
• {{1}}EvalSafe-O*NET-AA{{/1}}, juicio laboral — 88.15 frente a 86.55, y 82.9% de precisión frente a 79.7%. Una diferencia de 1.6 puntos en el componente, que está cerca del nivel de ruido de una repetición.
• AA-Omniscience-Decision v1.1, conocimiento: 64,39 frente a 60,94, con un 28,0 % de precisión frente a un 30,0 % y una tasa de no alucinación del 88,6 % frente al 66,6 %. La fila de precisión y la fila de abstención no coinciden, y la fila de abstención es la que domina la puntuación: D1 Ultra se abstiene con mucha más frecuencia y se le recompensa por ello.
• HLE-MultiChoice v1.1, preguntas difíciles — 47.39 frente a 44.69. En precisión bruta, la brecha se amplía en sentido contrario, 6.09% frente a 5.30%, y es ruido en un benchmark donde todo el campo está por debajo del diez por ciento.
• AA-Symmetry, invariancia ante la reformulación — 78,66 frente a 76,52 en la puntuación por componentes, aunque d1.2 supera más conjuntos completos, 50,0 % frente a 45,8 %. El producto insignia gana en crédito parcial y pierde en la medida más estricta, así que esta fila tampoco es una victoria clara en ningún caso.
Si su carga de trabajo es «un documento, una pregunta difícil, y la respuesta llega a una persona que actuará en consecuencia», esas filas describen exactamente el caso en el que el antiguo modelo insignia sigue siendo la decisión correcta, y la diferencia de precio con ese volumen es un error de redondeo.
Donde d1.2 no está cerca
Un componente se mueve en la dirección opuesta, y se desplaza una gran distancia.
• When2Call, decisiones de herramientas y funciones — 96,09 para d1.2 frente a 93,83 para D1 Ultra, con una precisión del 95,5 % frente al 93,0 %. Este es el componente que decide si un agente llama a la función correcta con los argumentos correctos, y es el argumento individual más sólido a favor del nuevo modelo en un stack agéntico.
Luego está todo lo que el índice no mide. Cinco nuevos tipos de respuesta —un valor con los caracteres de los que se leyó, spans con posiciones, cajas, recuentos con rangos y selección múltiple con probabilidades por opción— existen solo en d1.2, y el índice no puntúa ninguno de ellos. Sus cifras de precisión son de Liquid, obtenidas en conjuntos de prueba internos construidos a partir de particiones reservadas de conjuntos de datos públicos, y se etiquetan como tales en todos los lugares en que aparecen a continuación.
Según las cifras del proveedor, los dos modelos nuevos están muy cerca el uno del otro y no hay ninguna fila de {{1}}D1 Ultra{{/1}} en absoluto, porque los tipos de tarea no existían cuando se lanzó: 98% y 96% al leer un valor de un recibo para {{2}}d1.2-ultra{{/2}} y {{3}}d1.2{{/3}}, 94%/93% frente a 92%/88% en intervalos de datos personales, 94% para ambos en ubicación de objetos, y 87% frente a 90% al seleccionar todos los objetos presentes. El hecho relevante para esta comparación no son los porcentajes — es que el modelo más antiguo no puede expresar estas respuestas, así que una canalización que las necesite no está eligiendo entre dos modelos. Está eligiendo entre {{4}}un modelo{{/4}} y una solución alternativa.
La regla de facturación, que vale más que los dos puntos de índice.

D1 Ultra factura cada pregunta como su propio prompt, incluidas todas las imágenes adjuntas. Haga diez preguntas sobre una fotografía y la fotografía se cobra diez veces: con la tarifa indicada por Liquid de 1,5 tokens por parche de 32×32 píxeles, una imagen de 1024×1024 son 1.536 tokens, así que diez preguntas conllevan 15.360 tokens de imagen antes de una sola palabra de texto. d1.2 factura una vez el texto y las imágenes de una solicitud, y cada pregunta adicional solo añade su propio texto.
Pongámoslo en una solicitud concreta: un documento de 2.000 tokens, una imagen de 1024×1024, diez preguntas de unos 30 tokens. Con la regla antigua, la solicitud consume aproximadamente 35.700 tokens; con la nueva, unos 3.840. Al precio propio de cada modelo, eso supone alrededor de $0,0015 en D1 Ultra frente a unos $0,00008 en d1.2: la diferencia de precio y la de facturación se acumulan en lugar de compensarse. Con 250.000 solicitudes al mes, la diferencia es de aproximadamente $375 frente a $20.
Esto es aritmética sobre la propia descripción de facturación de Liquid, no una factura medida, y la relación se reduce a 1× si haces una sola pregunta por estado. Esa única pregunta es toda la decisión: cuantas más preguntas hagas sobre el mismo documento, menos tiene que ver la comparación con puntos de índice.
¿Qué cambia en el cliente?
El endpoint es el mismo — api.liquid.ai/decisions/v1/systemone — y la cadena del modelo es la migración. Los tres tipos de pregunta originales conservan su forma; las respuestas siguen siendo JSON estructurado con una probabilidad por opción y sin tokens de salida, así que nada de tu parsing cambia. Lo que ganas es aditivo y no rompe nada de lo que ya funciona.
El inconveniente es operativo más que técnico: D1 Ultra no está obsoleto, ambos modelos facturan únicamente por tokens de entrada y Liquid vende ambos desde la misma consola. No hay ningún factor que obligue a hacer el cambio, lo que significa que la migración no ocurrirá por sí sola y debería programarse en función de una carga de trabajo que puedas medir, y no de una fecha de lanzamiento.
Ejecutando ambos sin comprometerse con ninguno
Una nota sobre el acceso antes de la parte operativa: tanto d1.2 como D1 Ultra se sirven desde la API propia de Liquid, y ninguno está en nuestro catálogo; esto es una comparación, no una afirmación de disponibilidad. La razón por la que nuestro catálogo es relevante en absoluto es Jev 1.14, que mantiene EvalSafe-O*NET-AA en 91.14 donde d1.2 alcanza 86.55, acepta la misma forma de solicitud de systemone y cobra $0.042 por millón de tokens de entrada. Si la decisión de migración depende de un único componente que no puedes permitirte perder, ese es el modelo con el que probarlo.
La división que tiene sentido sigue la imagen corregida de los componentes, no el titular. Envía los estados de varias preguntas, cualquier cosa que contenga una imagen y cualquier cosa que un agente derive a d1.2 — ahí es donde su ventana de contexto, su velocidad y su ventaja de When2Call apuntan todas en la misma dirección. Mantén los juicios difíciles sobre documentos individuales y las preguntas de conocimiento con una respuesta definida en D1 Ultra hasta que tu propia muestra diga lo contrario. Dos rutas, con una condición cada una, escritas por tipo de pregunta en lugar de codificadas de forma rígida en tres servicios: para eso sirve el DSL de enrutamiento, y como los precios de lista de los proveedores se trasladan con 0% de margen, un cambio en cualquiera de los precios de Liquid es visible para el enrutamiento el mismo día en que ocurre, en lugar de en la próxima renovación. conmutación por error automática cubre entonces el caso en que uno de los dos modelos tiene una mala tarde a mitad de la migración.

Una ejecución en la sombra cuesta casi nada a esta escala: unos miles de tus estados reales por ambos modelos, compara probabilidades en lugar de etiquetas y cuenta los casos en los que D1 Ultra dice 0,85 y se equivoca frente a los mismos casos en d1.2. La junta dice que el nuevo modelo está mejor calibrado en general; tu muestra es lo único que indica si está mejor calibrado con tus datos, y ese es el número en el que debería basarse la migración.
