Une carte de titre générée intitulée « Une mise à niveau à coût identique », avec le sous-titre « Liquid AI d1.2-ultra remplace Liquid AI d1-ultra ». Deux barres horizontales sont empilées : la barre supérieure, plus courte, est étiquetée d1-ultra avec la valeur 70.58 à son extrémité droite ; la barre inférieure, plus longue, est étiquetée d1.2-ultra avec 74.85 à son extrémité droite. Trois pastilles encadrées à droite affichent « contexte de 66k, contre 33k auparavant », « 218 ms par tâche, contre 301 ms auparavant » et « même tarif de $0.042 par 1M de jetons d’entrée ». Le logo OrcaRouter est intégré en bas à droite.
Guides & Insights

d1.2-ultra vs Liquid AI D1 Ultra : même prix, deux fois plus de contexte, et un point où il est moins bon

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Liquid AI d1.2-ultra coûte exactement ce que coûte Liquid AI D1 Ultra : 0,042 $ par million de tokens d'entrée, aucun token de sortie, le même point de terminaison, les mêmes trois types de questions que vous envoyez déjà. Il est arrivé le 16 novembre 2026, un mois après le modèle qu'il remplace, et il est meilleur sur le composite — 74,85 contre 70,58 sur Artificial Analysis Decision Index v2.1, premier sur 24 contre sixième. L'amélioration est donc gratuite et évidente, et vous devriez l'adopter. Ce qui rend la décision digne d'un article plutôt que d'un simple journal des modifications, c'est que quatre des seize métriques de composants publiées ont reculé, et deux d'entre elles sont celles auxquelles un pipeline piloté par des seuils est le plus sensible.

Le schéma est précis. Le nouveau modèle est bien meilleur pour lire des documents, bien meilleur en cas de paraphrase, et légèrement moins bon pour connaître les choses et pour refuser de répondre. Si votre pipeline utilise Liquid AI D1 Ultra comme moteur d’extraction, le successeur est un gain net. S’il l’utilise comme gardien censé dire « Je ne sais pas » lorsque le cas est ambigu, le successeur relève d’une décision à deux modèles, et non d’un simple remplacement.

Les deux modèles sur un seul instrument

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.’

Cette comparaison est inhabituellement limpide, car les deux lignes ont été produites par la même organisation sur la même version du même classement, ce qui n’est pas le cas de la plupart des décisions de mise à niveau. Artificial Analysis a évalué d1-ultra et d1.2-ultra sur Decision Index v2.1, donc rien ici ne dépend de la comparaison d’un chiffre du fournisseur à un chiffre indépendant, ni d’une révision de l’indice qui aurait déplacé les critères entre les deux versions. L’annonce phare du fournisseur pour le nouveau modèle — première place, deux points d’avance — correspond au classement qu’il cite.

• Prix — 0,042 $ par million de jetons d’entrée pour les deux. Identique, et inchangé par la mise à niveau.

• Indice de décision v2.1 — d1.2-ultra 74,85 (n° 1 sur 24) contre d1-ultra 70,58 (n° 6).

• Fenêtre de contexte — 66 k tokens contre 33 k, selon les spécifications techniques du conseil d’administration. Les publications de lancement de Liquid n’indiquent aucune fenêtre pour l’un ou l’autre modèle.

• Temps par tâche — 218 ms vs 301 ms. La mise à niveau est également un tiers plus rapide.

• Coût par million de tâches — 133 $ pour les deux, ce à quoi on s’attendrait avec un prix par token identique et un nombre de tokens par tâche similaire.

• Score de Brier — 0,150 contre 0,176, la valeur la plus faible étant la meilleure. C'est le nombre qui traduit le plus directement l'idée de « meilleur calibrage ».

La règle de facturation a changé, et elle vaut plus que les points d’index.

Sous d1-ultra, chaque question était facturée comme son propre prompt, y compris chaque image jointe. Posez dix questions sur une seule photographie et vous payiez la photographie dix fois, ce qui, pour une image de 1024×1024, représente 1 536 tokens multipliés par dix avant même de compter le texte. Sous d1.2-ultra, la requête facture son texte et ses images une seule fois, et chaque question supplémentaire n’ajoute que son propre texte.

Prenons un cas concret : un document de 2 000 tokens, une image de 1024×1024, dix questions d’environ 30 tokens chacune. L’ancienne règle facture environ 35 700 tokens ; la nouvelle en facture environ 3 840. À un tarif identique de 0,042 $ par million, cela fait 0,0015 $ contre 0,00016 $ par requête — un peu plus de neuf fois moins cher pour le même travail, au même prix publié, chez le même fournisseur, sans qu’aucun titre d’annonce n’y soit associé. À 100 000 requêtes par mois, environ 150 $ deviennent environ 16 $.

Les deux chiffres sont des calculs arithmétiques fondés sur les descriptions de facturation des fournisseurs eux-mêmes, et non sur des mesures d’une facture réelle, et le ratio dépend entièrement du nombre de questions que vous posez par État. Posez une question par document et les deux modèles coûtent le même prix. Posez-en dix, et la mise à niveau « gratuite » constitue le plus gros changement de coût de la version.

Ce que le nouveau modèle fait réellement mieux

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.

Quatre composants sont remontés, et deux d'entre eux ont fait un grand bond.

• AA-Paperclip, 30 % de l’indice — 75,81 contre 64,69 au score de décision, et 67,7 % contre 51,3 % de documents entièrement corrects. Onze points de taux de documents entièrement réussis sur la composante qui pèse le plus expliquent à eux seuls un gain composite de douze points. C’est le chiffre à regarder si vous extrayez des champs de factures, de reçus ou de CV, car un document qui omet une des quinze réponses est considéré comme un échec de toute manière.

AA-Symmetry, 15 % — 86,34 contre 78,66, avec une cohérence tous critères validés en hausse de 45,8 % à 56,7 %. Reformulez la question, permutez les options, inversez un oui/non, et le nouveau modèle conserve bien plus souvent sa réponse.

• When2Call, 10 % — 96,49 contre 93,83. L'appel d'outils était déjà le point fort de la famille ; il s'agit d'un gain plus modeste sur une composante qui approchait de son plafond.

• EvalSafe-O*NET-AA, 15 % — 89,53 contre 88,15. Un point et demi sur le jugement de documents professionnels, ce qui est proche du bruit et ne devrait pas être présenté comme une amélioration.

• AA-Omniscience-Decision v1.1, 15 % — 60,80 contre 64,39 sur le score de décision. En baisse de quatre points sur la composante qui est moitié connaissance et moitié honnêteté.

• HLE-MultiChoice v1.1, 15 % — 46,36 contre 47,39. En recul d’un point sur la composante où l’ensemble du peloton est faible.

Les deux régressions, en termes simples

La baisse d’omniscience n’est pas un artefact de notation ; elle apparaît dans les lignes sous-jacentes de précision et d’abstention, et celles-ci se contredisent d’une manière qu’il vaut la peine de comprendre avant de migrer.

• Précision d’AA-Omniscience-Decision — d1-ultra a répondu correctement à 28,0 % des questions, d1.2-ultra à 23,6 %. Le prédécesseur en savait plus.

• AA-Omniscience-Decision non-hallucination — d1-ultra 88,6 %, d1.2-ultra 83,8 %. Le prédécesseur était également meilleur pour ne pas inventer de réponse. Les deux lignes ont évolué dans la même direction, ce qui signifie qu'il s'agit d'un véritable changement de capacité plutôt que d'une modification de la prudence avec laquelle le modèle gère ses abstentions.

• Précision HLE-MultiChoice — 6,09 % contre 2,36 %, le nouveau modèle dernier des 24 en précision brute. Son taux de non-hallucination sur le même ensemble a augmenté, de 56,9 % à 76,1 %, si bien que la baisse de précision s'achète en partie par davantage d'abstention. Mais pas entièrement : la paire d'omniscience ci-dessus montre que le modèle répond moins ET a moins souvent raison.

La conséquence pour un pipeline est plus étroite qu’elle n’en a l’air. Si vous appliquez un seuil sur la probabilité et envoyez les cas à faible confiance à un humain, un modèle qui s’abstient plus souvent vous rend service, et le chiffre de 83,8 % de non-hallucination reste le sixième sur 24. Si vous utilisez le modèle comme filtre automatique sur des questions qui exigent de connaître un fait — cette affirmation est-elle conforme à la politique, ce code correspond-il aux spécifications —, le prédécesseur moins cher est sensiblement meilleur et il n’y a aucune raison de ne pas continuer à l’utiliser pour ce segment.

Ce que vous devez modifier dans votre client

Presque rien, et c'est précisément pourquoi il faut le faire maintenant plutôt que dans un trimestre. Le point de terminaison est le même, api.liquid.ai/decisions/v1/systemone, appelé avec "model": "d1.2-ultra" ; les trois types de questions sont inchangés ; les réponses sont toujours du JSON structuré avec une probabilité par option et aucun jeton de sortie. La migration se résume à un changement de chaîne et à un redéploiement.

Ce qui est nouveau est additif, et cela vaut la peine d’être connu car cela supprime des solutions de contournement plutôt que d’ajouter des fonctionnalités. Cinq types de réponses rejoignent ceux qui existent déjà : lire une valeur sur la page et renvoyer les caractères à partir desquels elle a été lue, ou « introuvable » ; renvoyer chaque segment d’un type donné avec ses positions, ce qui couvre le masquage des PII sans second modèle ; renvoyer une boîte autour d’un objet ou de chaque instance, plus un décompte ; renvoyer une estimation avec une plage ; et renvoyer chaque option applicable avec sa propre probabilité. L’entrée audio fonctionne dans les deux sens — l’enregistrement peut être le sujet, ou il peut être la question, parlée plutôt que saisie.

Les affirmations d'exactitude concernant ces cinq tâches sont propres à Liquid, sur des jeux de tests internes construits à partir de sous-ensembles de validation de jeux de données publics, car aucun benchmark public ne les couvre encore. D'après les chiffres du fournisseur, les deux modèles sont proches : 98 % contre 96 % pour lire une valeur sur un reçu, 94 %/93 % contre 92 %/88 % sur les spans PII, 94 % chacun sur la localisation d'objets, et sur les deux dernières tâches, le modèle plus ancien n'est pas le plus faible sur chaque ligne — le nouveau modèle gagne sur le comptage à un près, 93 % contre 92 %, et perd sur la sélection de tous les objets présents, 87 % contre 90 %.

Exécuter l'ancien et le nouveau côte à côte

Conserver les deux est la migration honnête, et cela ne coûte pas cher : ce sont des chaînes de modèle différentes sur le même point de terminaison, et toutes deux sont aujourd’hui sur l’API propre à Liquid, au même prix, avec des clés depuis console.liquid.ai. Ni l’une ni l’autre ne figure sur notre catalogue, et cet article ne constitue pas une affirmation de disponibilité pour l’une ou l’autre.

Ici, une couche de routage devient utile parce que la répartition entre les deux modèles est une décision par question plutôt que par service. Le successeur est celui auquel envoyer les documents, les images et tout ce sur quoi vous appliquerez un seuil ; le prédécesseur est celui auquel envoyer les jugements riches en faits, où ses lignes d’exactitude et d’abstention restent meilleures. Composez cela sous forme de deux routes derrière une API — le DSL de routage vous permet de répartir selon le type de question ou la taille de l’état, plutôt que selon des frontières de service codées en dur — et les deux modèles cessent de se disputer le même créneau. Rien, de notre côté, ne modifie le $0.042 que coûte l’un ou l’autre modèle : les prix catalogue des fournisseurs sont répercutés à 0 % de marge, si bien qu’une évolution du prix Liquid est effective ici le jour même plutôt qu’au cycle de facturation suivant. Et lorsqu’une API de fournisseur connaît un après-midi difficile, le basculement automatique est ce qui maintient la route des documents en vie au lieu de transformer un fournisseur en point de défaillance unique pour tout le pipeline.

La mise à niveau, en une ligne chacun

Prenez d1.2-ultra pour les documents, pour les images, pour les états ambigus et pour tout ce sur quoi vous appliquez un seuil — il est meilleur de onze points sur le volet document, meilleur de huit sur la symétrie, un tiers plus rapide, double la fenêtre de contexte et, si vous posez plus d’une question par état, réduit votre facture d’un ordre de grandeur.

Conservez d1-ultra pour le gating des cas à forte densité factuelle, où sa précision d’omniscience et ses lignes de non-hallucination sont encore toutes deux plus élevées, et où la précision HLE est presque trois fois celle du successeur, si petits que soient les deux chiffres.

Ne sautez complètement la migration que si vos états ne contiennent aucune image, une seule question chacun et aucun seuil — le cas où les deux modèles coûtent la même chose et où le nouveau est simplement meilleur sur toutes les évaluations que vous utilisez. Dans ce cas, la seule raison d’attendre, ce sont les dix-neuf heures qu’il faut pour découvrir que rien n’a cassé.

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.