Un carton-titre généré intitulé « Audio en entrée, boîtes en sortie, preuves jointes », sous-titré « Liquid AI d1.2 et d1.2-ultra – publiés le 16 novembre 2026 ». Trois cartes arrondies indiquent « 75 » au-dessus de « n° 1 sur 25 modèles de décision », « 0,02 $ » au-dessus de « par million de jetons d’entrée », et « 5 » au-dessus de « nouveaux types de réponse » ; trois pastilles contourées ci-dessous indiquent « lire une valeur », « localiser un objet » et « chaque option applicable ». La marque OrcaRouter est composée en bas à droite.
Guides & Insights

Liquid AI d1.2 débarque avec l’audio en entrée et des boîtes en sortie — et c’est le modèle bon marché qui est le plus intéressant

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 et Liquid AI d1.2-ultra ont été mis en service sur l'API du fournisseur le 16 novembre 2026, et le chiffre phare revient au plus coûteux : d1.2-ultra obtient 75 sur l'Artificial Analysis Decision Index v2.1, en tête des 25 modèles décisionnels classés par le tableau. Le changement le plus lourd de conséquences se situe dans le corps de la requête, pas dans le classement. Les deux modèles renvoient désormais des réponses que la génération précédente ne pouvait pas exprimer — une valeur accompagnée des caractères à partir desquels elle a été lue, une liste d'étendues avec leurs positions, une boîte englobante, un décompte assorti d'une plage, un ensemble d'options portant chacune sa propre probabilité — et tous deux acceptent l'audio, que celui-ci constitue l'objet de la question ou la question elle-même.

C’est un type de version différent d’un simple gain de précision. Un modèle de décision renvoyait autrefois une étiquette et une probabilité, ce qui signifiait que tout pipeline ayant besoin des preuves derrière l’étiquette devait ajouter un second modèle pour les trouver. d1.2 répond avec les preuves jointes, en une seule passe avant, à 0,02 $ par million de jetons d’entrée. d1.2-ultra fait de même à 0,042 $. Aucun des deux ne génère de jetons de sortie, donc il n’y a toujours rien à diffuser en flux : ce sont des modèles que vous appelez et qui vous renvoient un objet structuré.

Les deux sont aujourd’hui en service sur l’API propre à Liquid, et le fournisseur ne confirme aucun autre endroit. Tout ce qui suit distingue ce que rapporte Liquid de ce qu’a mesuré Artificial Analysis, car dans cette version, les deux ne correspondent pas au même ensemble de chiffres et la différence compte.

Ce qui a réellement été livré, point par point

Les cinq nouveaux types de réponse s’ajoutent aux existants. Le point de terminaison reste inchangé, les trois types de questions d’origine restent inchangés, et un client qui envoie le même JSON qu’hier obtient une réponse de même structure.

• Lire une valeur — demandez quel montant est dû sur une facture et obtenez le nombre ainsi que les caractères à partir desquels il a été lu, ou la chaîne « not found » lorsque le champ est absent. C'est celle qui élimine le plus de code de liaison, car la solution de contournement habituelle consiste en un second appel génératif pour relire la page.

• Trouver chaque occurrence d'un type — chaque nom, numéro de téléphone et adresse e-mail dans une note, chacun avec sa position dans le texte. C'est une primitive de caviardage, et c'est la première fois que cette famille en propose une.

• Localiser des éléments dans une image — une zone autour de la signature sur un formulaire numérisé, ou une zone autour de chaque occurrence d'un objet, avec le décompte. « Introuvable » est une réponse possible, ce qui est plus important qu'il n'y paraît : un détecteur d'objets qui doit toujours renvoyer une zone finira par en inventer une.

• Estimez un nombre avec une plage — douze personnes sur la photo, vraisemblablement entre dix et quatorze. La plage est la partie honnête du résultat, et c’est l’élément que la plupart des équipes devraient sinon calibrer elles-mêmes.

Choisissez toutes les options qui s’appliquent — facturation et livraison, chacune avec sa propre probabilité, plutôt qu’un seul gagnant. La classification multi-étiquettes était auparavant simulée en posant la même question une fois par étiquette et en payant l’état à chaque fois.

L’audio arrive dans les deux sens. L’enregistrement peut être le sujet — quelle langue est parlée, si une sirène se trouve en arrière-plan — ou la question peut être posée à l’oral plutôt que saisie au clavier. Liquid annonce une précision de 95 % à 97 % sur des enregistrements mis de côté dans ESC-50 et FLEURS, avec trois à six options par question et des confusions proches, comme l’espagnol face au portugais, dans le lot.

Un changement de facturation s’y ajoute et est facile à manquer. Une requête ne facture désormais son texte et ses images qu’une seule fois, et chaque question supplémentaire n’ajoute que son propre texte. Avec la génération précédente, chaque question refacturait l’intégralité du prompt, y compris chaque image jointe, si bien qu’une série de dix questions sur une seule photographie payait la photographie dix fois.

Le tableau, et parmi quoi la première place est première.

A generated two-column scoreboard titled ‘d1.2 vs d1.2-ultra - the scoreboard’. The d1.2 column lists Decision Index 69, #9 of 25; AA-Paperclip 62.6, 44.3% all-pass; AA-Symmetry 76.5; When2Call 96.1; HLE accuracy 5.30%; cost per 1M tasks $63. The d1.2-ultra column lists Decision Index 75, #1 of 25; AA-Paperclip 75.8, 67.7% all-pass; AA-Symmetry 86.3; When2Call 96.5; HLE accuracy 2.36%; cost per 1M tasks $133. The footer reads ‘All scores per Artificial Analysis Decision Index v2.1; the five new answer types are vendor-reported and not on the board.’ The OrcaRouter mark is composited bottom right.

Les deux nouveaux modèles d’Artificial Analysis sont désormais notés sur Decision Index v2.1, et les chiffres ne sont pas déclarés par le fournisseur : le classement les a exécutés lui-même, sur les mêmes six évaluations, aux prix catalogue actuels. d1.2-ultra se place à 74,85, premier sur 25 modèles de décision et avec 2,2 points d’avance sur son rival le plus proche parmi les modèles de décision, Drex Max v1.1 à 72,62. d1.2 se place à 68,69, neuvième sur 25, au-dessus de la médiane de la catégorie de 66.

La nuance qu’il convient de garder en tête, c’est que « premier » a un périmètre limité. Le même classement évalue aussi deux modèles de langage généraux avec le même instrument, et tous deux battent d1.2-ultra sans ambiguïté : Claude Haiku 5.5 (Max) à 76.49 et GPT-6 Luna (Max) à 75.67. Ni l’un ni l’autre n’est un modèle de décision, et le coût de la comparaison est très élevé — $6,218 et $1,548 par million de tâches contre $133 — mais « numéro un au Decision Index » sans que le mot décision y figure, ce n’est pas ce que montre le classement.

Ce que le classement corrobore, indépendamment, c’est l’histoire de la calibration. Les scores de décision sur cet indice soustraient le score de Brier de la probabilité associée à la réponse choisie, si bien qu’un modèle qui a raison mais se montre follement confiant est pénalisé. d1.2-ultra affiche un score de Brier de 0,150, d1.2 de 0,164, et le modèle qu’ils remplacent, d1-ultra, de 0,176. Le nouveau modèle, moins cher, est mieux calibré que l’ancien fleuron malgré un score global inférieur de 1,9 point, ce qui est le genre d’écart qui n’apparaît que lorsque quelqu’un d’autre fait tourner le banc d’évaluation.

Le temps et le coût complètent le tableau et tirent dans des directions opposées. d1.2 s’exécute à 150 ms par tâche, huitième plus rapide du classement et juste sous la médiane de 206 ms. d1.2-ultra s’exécute à 218 ms, plus lent que la médiane et 15e. En coût par million de tâches, le classement place d1.2 à 63 $, troisième moins cher sur les 25, et d1.2-ultra à 133 $, onzième face à une médiane de 137 $.

Les numéros des nouvelles tâches, et qui les a produits

A headless-browser screenshot of Liquid AI's own release post, captured 18 November 2026 in English, headed ‘d1.2: State-of-the-Art Omnimodal Decision Models’ and dated Nov 16, 2026. The opening paragraph announces d1.2 and d1.2-ultra with audio input and five new tasks, states that d1.2-ultra ranks first among decision models on the Artificial Analysis Decision Index v2.1, and gives $0.02 per million input tokens for d1.2 against $0.042 for d1.2-ultra. A row of task tiles beneath reads ‘Read a value’, ‘Find every passage of a kind’ and ‘Locate things in a picture’.

Aucun benchmark public ne couvre encore l'un des cinq nouveaux types de réponses, de sorte que chaque chiffre de précision les concernant provient des propres jeux de test internes de Liquid, construits à partir de découpages réservés de jeux de données publics. Ces chiffres constituent l'évaluation, par un fournisseur, de son propre modèle sur des données qu'il a choisies, et doivent être lus exactement comme tels.

• Lecture d’une valeur sur un reçu, sur CORD et SROIE — 98 % pour d1.2-ultra, 96 % pour d1.2. Une lecture est considérée comme correcte lorsqu’elle trouve la cible ou déclare correctement son absence, ce qui fait du cas de non-détection une partie du score plutôt qu’un point gratuit.

• Segments de données personnelles, sur Nemotron PII — 94 % de précision et 93 % de rappel pour l’ultra, 92 % et 88 % pour d1.2. L’écart de rappel de cinq points est la plus grande différence entre les deux modèles sur n’importe laquelle des cinq tâches, et c’est celui qui compte pour le caviardage, où un segment manqué est l’échec qui vous vaut une amende.

• Localisation d'objets, sur la famille RefCOCO — 94 % pour les deux. Aucune séparation du tout.

• Comptage à un près, sur COCO — 93 % pour l’ultra, 92 % pour d1.2.

• En sélectionnant chaque objet présent, sur COCO — 87 % pour l’ultra contre 90 % pour d1.2, la seule ligne où le modèle bon marché l’emporte.

Donc, l’offre premium apporte un gain net sur la lecture des valeurs et sur le rappel des spans, et presque rien sur les tâches spatiales. Si votre cas d’usage concerne les boîtes, le modèle à 0,02 $ est celui à tester en premier.

Audio, et la fiche technique qui n’a pas suivi

L'audio est l'affirmation où l'écart entre l'annonce et les données indépendantes est le plus grand. Le billet de Liquid présente l'entrée audio comme une capacité phare des deux modèles ; la fiche technique d'Artificial Analysis pour les deux modèles continue d'indiquer le texte et l'image comme modalités d'entrée, et l'indice ne comporte aucune évaluation audio, si bien que rien dans le tableau ne met cette affirmation à l'épreuve. Ce n'est pas une contradiction — le tableau n'y est simplement pas encore arrivé —, mais cela signifie que la capacité audio n'est pour l'instant qu'une déclaration du fournisseur, sans aucune vérification tierce à l'appui.

La même prudence s'applique aux cinq nouveaux types de réponses : l'indice n'en mesure aucun. Un modèle peut être en tête du classement tout en n'étant pas évalué sur ce que vous voulez réellement en faire.

La table de calibration du fournisseur vaut la peine d’être lue pour une autre raison. Sur 13 benchmarks et 22 505 questions auxquelles les cinq modèles ont répondu, Liquid indique une erreur de calibration de 0,8 point pour d1.2-ultra, de 1,2 pour d1.2, de 2,7 pour Jev 1.14, de 3,7 pour Decider v1.3 de Perplexity et de 7,2 pour GPT-6 Luna sur son endpoint Decisions. Ce sont des chiffres produits par le fournisseur sur un jeu de questions choisi par le fournisseur. Les scores de Brier du classement pointent dans la même direction pour les deux mêmes modèles, ce qui s’approche le plus d’un second avis disponible cette semaine.

Vérification de la phrase de coût par rapport au tableau

A headless-browser screenshot of the Artificial Analysis d1.2 model page, captured 18 November 2026 in English. The summary panel reads ‘d1.2 is above average on the Decision Index and well priced’, gives a Decision Index score of 69 against a median of 66, 150 ms per task against a median of 206 ms, $0.02 per 1M input tokens, and about $63 per 1M tasks to run the index against a median of $137. The technical specification block lists text and image input and a 66k-token context window.

Liquid formule une affirmation inhabituellement falsifiable : aucun modèle n’obtient un score supérieur à d1.2 pour moins cher, et aucun modèle n’obtient un score supérieur à d1.2-ultra à aucun prix. Les deux volets tiennent face au classement, avec la même réserve de périmètre qu’auparavant.

• La seconde moitié est quasiment trivialement vraie parmi les modèles de décision — aucun autre élément du tableau des 25 modèles n’obtient de score supérieur à 74,85. Elle n’est mise en défaut que si l’on admet les deux modèles de langage généraux, et ceux-ci coûtent 12 à 47 fois plus cher par million de tâches.

• La première moitié se vérifie sur le tableau des décisions : chaque modèle de décision dont le score dépasse le 68,69 de d1.2 coûte plus cher par million de tâches. Le challenger économique le plus proche est Decider v1.3 de Perplexity, à 70,41 et 68 $, soit à moins de deux points d’indice pour cinq dollars par million de tâches — c’est le plus près qu’un contre-exemple soit du tableau, et toujours du bon côté de la phrase de Liquid.

• Les chiffres de coût sont ceux d’Artificial Analysis, calculés aux prix catalogue actuels et moyennés selon les pondérations de l’indice. Il s’agit d’un coût par tâche modélisé, et non d’une facture ; ces chiffres évoluent si un fournisseur modifie un prix.

Ce dernier point est précisément là où une couche de routage mérite sa place plutôt que de se mettre en avant. Cette version a modifié la règle de facturation de Liquid, divisé par deux le prix effectif du modèle bon marché par rapport à l’ancien fleuron, et l’a fait il y a deux jours. De notre côté, les prix catalogue des fournisseurs sont répercutés à 0 % de marge, de sorte qu’une baisse du fournisseur arrive ici le jour même plutôt qu’au prochain renouvellement de contrat — les $0.02 et $0.042 cités dans cet article sont les chiffres du fournisseur, et non une reformulation majorée de ceux-ci.

Que faire cette semaine, si vous utilisez déjà un modèle de décision

Rien dans cet article n’est une annonce de disponibilité : les deux nouveaux modèles sont sur l’API de Liquid, et aucun n’a encore rejoint notre catalogue. Si nous mentionnons le nôtre, c’est parce que cette sortie est celle d’un modèle de décision, et le modèle de décision que nous servons, nous, est Jev 1.14 — la seule ligne du tableau qui surpasse d1.2-ultra sur un composant, EvalSafe-O*NET-AA à 91,14 contre 89,53, pour la même forme de requête systemone à $0.042 par million de jetons d’entrée. Quelles que soient vos conclusions sur les cinq nouveaux types de réponses, le segment sécurité et lieu de travail a un titulaire auquel vous pouvez vous comparer dès aujourd’hui.

La démarche qui a du sens avant que les plateformes tierces promises par Liquid n’apparaissent réellement est une exécution fantôme. Envoyez les états que votre pipeline voit déjà aux deux modèles d1.2, comparez les probabilités plutôt que les étiquettes top-1, et examinez en particulier les cas où le modèle répond 0,8 et se trompe. Cette queue est là où la génération précédente était la plus faible, et c’est la seule chose que cette version prétend avoir corrigée, que l’indice ne peut confirmer qu’en partie.

Basculement automatique est l'autre moitié de la démarche consistant à essayer un modèle vieux de deux jours sans miser un chemin de production dessus : acheminez une partie du trafic vers d1.2-ultra, gardez le modèle en place derrière, et laissez un mauvais après-midi chez un fournisseur dégrader le taux de réponse plutôt que de faire tomber le pipeline. C'est une façon moins coûteuse de savoir si 75 est réel que d'attendre le benchmark de quelqu'un d'autre.

La question ouverte n’est pas de savoir si ces modèles ont été livrés — ils l’ont été, avec des prix et un point de terminaison — mais si les cinq nouveaux types de réponse tiennent la route en dehors des partitions de validation retenues par Liquid. Personne n’a publié de chiffre indépendant pour l’un d’entre eux, et tant que personne ne l’aura fait, la position honnête est que cette version ajoute un contrat de sortie véritablement utile sur la base de preuves qui proviennent entièrement du fournisseur.