Liquid AI d1-ultra vs Liquid AI d1: mismo endpoint, mismas preguntas, el doble de precio — aquí está el punto de cruce

La respuesta honesta más breve es esta: Liquid AI d1-ultra cuesta $0.042 por millón de tokens de entrada y Liquid AI d1 cuesta $0.02 por millón de tokens de entrada, ambos se llaman en la misma URL con los mismos tres tipos de preguntas, y el más caro es el que se debe usar cuando equivocarse es más caro que duplicar tu tarifa por llamada. Esa es toda la decisión, y es inusualmente limpia porque nada más sobre los dos modelos difiere estructuralmente. Se lanzaron con diez días de diferencia — d1 el 5 de octubre de 2026 como el primer modelo de decisión de Liquid AI, d1-ultra el 15 de octubre como el miembro más capaz de la familia — y ambos fueron construidos para hacer lo mismo: aceptar un estado de texto, imágenes o ambos, más una o más preguntas escritas, y devolver probabilidades a partir de una sola pasada hacia adelante con cero tokens de salida generados y nada que transmitir. Comparaciones como esta también son donde aparecen los modos de fallo: los incidentes de IA documentados y los fallos de agentes detrás de modelos de esta clase se recopilan en el OrcaRouter AI Incident Archive donde cada entrada lleva sus propias fuentes, gravedad, grado de confianza e indicador de disputa.

Lo que hace que el par merezca un artículo en lugar de una nota al pie es que son sustitutos, no una escalera con un peldaño intermedio. No ejecutas d1 y recurres a d1-ultra en los casos difíciles como harías con un modelo generativo pequeño y uno grande, porque a ambos se accede a través de la misma cadena de modelo en el mismo cuerpo de solicitud. Cambiar de uno a otro cuesta una palabra en un payload JSON. Así que la pregunta no es si la mejora está disponible técnicamente — sino si los $0.022 adicionales por millón de tokens de entrada compran algo que tu carga de trabajo concreta pueda notar, y eso se puede responder con los números que Liquid AI ha publicado.

Qué difiere realmente, en una sola pasada

Las diferencias divulgadas son menos de lo que sugiere la diferencia de precio, y las que faltan importan tanto como las que están presentes.

• Precio — $0,042 por millón de tokens de entrada para d1-ultra frente a $0,02 para d1; ambos se facturan solo por entrada, sin cargo por salida, y ambos contabilizan las imágenes como texto a 1,5 tokens por parche de 32×32 píxeles.

• Backbone — d1-ultra se describe como construido sobre «un modelo de pesos abiertos más grande con una serie de intensas personalizaciones específicas de Liquid»; el anuncio de d1 solo dice que se construyó para la primera generación de la familia, sin nombrar tampoco ningún backbone.

• Cobertura de idiomas — La publicación de lanzamiento de Liquid AI para d1-ultra indica 44 idiomas. No se publicó ninguna cifra comparable para d1.

• Posición en el índice — se afirma que d1-ultra lidera el Artificial Analysis Decision Index por al menos ocho puntos; d1 se anunció con seis comparaciones de aplicaciones reales frente a GPT-6.1 Sol y Claude Opus 5.5 en lugar de una puntuación del índice.

• Número de parámetros: no se divulga para ninguno. La ventana de contexto de d1-ultra tampoco la declara el proveedor, y solo aparece en catálogos de pasarelas de terceros con 32.768 tokens, que tratamos como no confirmado en lugar de como una especificación.

• Latencia — d1 se publicó en 200 a 300 ms para una decisión de texto. d1-ultra no tiene ninguna cifra de latencia publicada en absoluto.

Ese último par de lagunas es lo que llama la atención. El modelo más nuevo y más caro es el que tiene la ficha técnica más vacía. Se te pide pagar 2,1 veces la tarifa por un modelo cuyo tamaño, longitud de contexto y velocidad no se han revelado, basándose en una afirmación de calibración y un número de índice que el propio proveedor informó.

La afirmación que Liquid AI realmente está haciendo

Lee con atención el post de d1-ultra y el argumento de venta no es la precisión. Es que la precisión por sí sola es insuficiente para un modelo de decisión, porque un modelo de decisión también emite probabilidades, y la mayoría de ellas son demasiado confiadas. Un clasificador que dice 0,97 y en realidad es 0,72 arruinará un pipeline basado en umbrales aunque su precisión top-1 sea excelente, porque cada acción automatizada que tomas por encima de ese umbral se toma sobre una premisa falsa. d1-ultra fue entrenado, según el post, específicamente para que sus probabilidades estén mejor calibradas — y el anuncio de lanzamiento informa que, en 112 evaluaciones únicas, supera a Jev 1.14 en todas las tareas con una mejor calibración al mismo precio.

Este es un argumento de ventas genuinamente distinto de «smarter», y además es la afirmación más difícil de verificar para alguien externo en cualquiera de los dos lanzamientos. Nada en el anuncio te permite comprobar la calibración con tus propios datos antes de comprometerte. Si tu pipeline toma el argmax e ignora la probabilidad, el argumento de la calibración no se aplica a ti, y el caso de d1-ultra se reduce a la brecha del índice. Si tu pipeline aplica umbrales sobre la probabilidad —aprobar automáticamente por encima de 0,9, escalar por debajo—, entonces la calibración es el único número que importa, y es un número que tendrás que producir tú mismo a partir de una muestra etiquetada.

Cuando la duplicación se paga sola

Haz los cálculos a un volumen en el que la diferencia de tarifas deje de ser ruido. Una puerta de moderación que plantea una pregunta de noul por publicación, 500.000 publicaciones al mes, a aproximadamente 400 tokens de entrada cada una, equivale a 200 millones de tokens de entrada al mes.

• En d1 — $4.00 al mes. En d1-ultra — $8.40 al mes. La diferencia de cuatro dólares no es una partida presupuestaria; es menor que el costo de la hora de ingeniero dedicada a decidir.

• Aplica la misma barrera a la entrada de imágenes y el recuento de tokens se dispara rápidamente, porque una sola imagen de 1024×1024 son 1.536 tokens de entrada y cada pregunta vuelve a facturar su texto y todas sus imágenes. Cinco preguntas sobre la misma foto pagan por esa foto cinco veces, lo cual es un error de diseño que conviene evitar sin importar qué modelo elijas.

• A 20 000 millones de tokens de entrada al mes —un clasificador a gran escala, no un piloto—, d1 cuesta unos $400 y d1-ultra unos $840. La brecha absoluta ya es real, y sigue estando por debajo de los mil dólares para una carga de trabajo que procesa el equivalente a decenas de millones de imágenes.

La conclusión que fuerza esta aritmética no es la que la gente espera. Para la inmensa mayoría de las cargas de trabajo de decisión, la diferencia de precio entre d1-ultra y d1 es demasiado pequeña para ser el factor decisivo, lo que significa que la decisión debería tomarse enteramente en función de la calidad de las respuestas. La excepción interesante va en sentido contrario: si tu volumen es genuinamente enorme y tu tarea es fácil —una compuerta binaria sobre texto corto, sin imágenes—, no deberías estar comparando entre estas dos en absoluto, porque el d1-3B de pesos abiertos hace ese trabajo a coste cero por llamada. El precio del par es lo suficientemente cercano como para que la verdadera pregunta sea la que está por debajo de ellos.

Dónde un modelo de decisión es el instrumento equivocado

Ambos modelos están documentados para las mismas cuatro tareas: clasificación y enrutamiento, puntuación y calificación, compuertas binarias e inspección multimodal. La propia documentación del proveedor es igualmente clara sobre para qué no son: generación de formato libre, chat multiturno, resumen, razonamiento abierto, escritura de código. No hay tokens de salida que transmitir en streaming, por lo que una aplicación que espere recibir prosa obtendrá un error, no una respuesta peor. Vale la pena decirlo porque la tentación de recurrir a un modelo de decisión como sustituto barato de una llamada generativa es exactamente como los pipelines terminan haciendo un mal uso de uno.

La evidencia publicada para el modelo anterior es, cuando menos, concreta. En seis aplicaciones reales probadas el 5 de octubre de 2026, se informó que d1 igualó o superó a GPT-6.1 Sol en cuatro de ellas, con un costo entre 19 y 200 veces menor, y que respondió más rápido en todas las tareas. Una de esas seis fue una ejecución de inspección visual sobre piezas de cuatro líneas de producción —placas de circuito, velas, anacardos y chicles, en el conjunto de datos VisA—, donde el modelo separó las buenas de las defectuosas con una precisión del 85 al 97 por ciento sin entrenamiento específico para la tarea. Otra eliminó el 52 por ciento de los tokens en una pasada de compactación de contexto. Esas son evaluaciones ejecutadas por el proveedor con una metodología declarada, y siguen siendo ejecutadas por el proveedor: una ejecución por modelo y por aplicación, precios de lista sin descuentos por caché, y varias de las preguntas de código y compactación fueron redactadas después de que el pipeline de d1 ya estaba fijado. Léelas como evidencia de que la categoría funciona, no como una tabla de puntuaciones que puedas trasladar a tu propia tarea.

La decisión de actualización, por regla general

Empieza con d1. No porque sea el mejor modelo —la afirmación del índice dice que no lo es—, sino porque a $0.02 por millón de tokens de entrada sin cargo por salida, unos cientos de miles de llamadas cuestan centavos, y la forma más rápida de saber si un modelo de decisión se adapta a tu pipeline es poner uno delante de tráfico real y mirar la distribución de probabilidad que devuelve. Registra las probabilidades, no solo las etiquetas. Si se agrupan muy juntas alrededor de los extremos y tus umbrales son estables, estás obteniendo calibración gratis y no tienes ninguna razón para pagar por más.

Pásate a d1-ultra cuando aparezca en ese log un fallo concreto y con nombre: la pregunta de conocimiento difícil, la afirmación visualmente ambigua, el caso en que el modelo devuelve 0.6 y lo dice en serio. La migración es un cambio de cadena de modelo en el mismo endpoint, así que puede ser selectiva: d1-ultra en las rutas que mostraron los fallos, d1 en todo lo demás. Esa es la forma honesta de esta comparación. No es una disyuntiva; es un ajuste por ruta, y los precios están lo bastante cerca como para que puedas permitirte ser quirúrgico al respecto.

Hay un detalle práctico que conviene prever. Si tus decisiones alimentan un paso generativo —una respuesta, un resumen, una llamada a una herramienta—, estás manteniendo dos relaciones con proveedores, no una. OrcaRouter colapsa la segunda mitad de eso: una única clave compatible con OpenAI para más de 200 modelos generativos al precio de lista del proveedor transferido con 0 % de margen, de modo que un cambio de precio en la cadena de suministro llega a tu factura el mismo día en lugar de en la próxima renovación del contrato, con conmutación automática por error entre proveedores detrás del mismo endpoint. Para ser exactos con respecto al límite: no alojamos los modelos de decisión de Liquid AI, por lo que la llamada a d1 o d1-ultra sigue yendo a la propia API de Liquid AI, y lo que cubrimos es todo lo que está aguas abajo de la decisión.

Qué debes tener en cuenta antes de comprometerte con d1-ultra a escala

Dos cifras, ambas actualmente ausentes. La primera es la latencia: la cifra de 200 a 300 milisegundos de d1 no te dice nada sobre d1-ultra, y el modelo más reciente no publica nada, por lo que cualquier ruta sensible a la latencia debería probarse con un canary en lugar de migrarse por completo. La segunda es una medición de calibración independiente. La comparación de 112 evaluaciones y la ventaja de ocho puntos en el índice son reportes de la propia Liquid AI, y la cifra del índice llegó a este artículo a través del anuncio del proveedor y de la cobertura periodística del mismo, y no de una tabla que pudiéramos cargar nosotros mismos. Cuando alguien reproduzca una curva de fiabilidad para cualquiera de los dos modelos con datos públicos, la prima de 2,1 veces se convierte en una decisión de compra en lugar de una apreciación subjetiva.

Hasta entonces, la postura que resiste el escrutinio es la conservadora. d1 es un modelo de decisión capaz, barato y avalado por su propio proveedor, a un precio que hace que experimentar sea casi gratis. d1-ultra es una mejora plausible con una afirmación específica y que suena comprobable adjunta, y una hoja de especificaciones inusualmente escasa detrás. Pagar el doble por el segundo antes de tener un fallo entre manos es comprar un seguro contra un problema que aún no has observado — lo cual, a estos volúmenes, no es tanto un error como un error de redondeo. Simplemente no dejes que el error de redondeo se convierta en la arquitectura.