Liquid AI d1-ultra : le nouveau leader du Decision Index, entraîné à douter de lui-même

Liquid AI d1-ultra est sorti le 15 octobre 2026, et ce qu'il y a de plus intéressant à son sujet est un chiffre que personne ne cite : sur l'Artificial Analysis Decision Index, le modèle qu'il remplace a obtenu 2 en matière de non-hallucination. Liquid AI d1 était, dans le même classement, le modèle de décision le plus précis pour répondre aux questions de connaissances — et le pire de sa catégorie pour reconnaître les questions auxquelles il ne pouvait pas répondre. Liquid AI d1-ultra est la réponse du fournisseur à cela, et il est annoncé avec une revendication de première place : qu'il arrive en tête du Decision Index avec au moins huit points d'avance sur tous les autres modèles de décision, y compris celui qui occupe actuellement la première place de ce classement, Jev 1.13. Cette affirmation est celle de Liquid, pas celle d'Artificial Analysis, et le classement auquel elle se réfère a été publié avant l'existence de ce modèle. Ces deux faits sont déterminants, et cet article les maintient attachés aux chiffres auxquels ils appartiennent. Toutes les pannes de fournisseur et tous les retours en arrière que nous avons suivis sont consignés dans l'Orca AI Incident Archive, qui contient l'ensemble complet des enregistrements aux côtés des entrées voisines de cet incident.

Ce qu'est le modèle, mécaniquement, c'est le même pari que Liquid fait depuis le début de l'année. Vous lui donnez un état — une charge utile JSON, un ticket d'assistance, une capture d'écran de tableau de bord — et un ensemble de questions nommées, et il lit les réponses sur sa propre distribution en une seule passe avant. Pas d'échantillonnage, pas d'analyse syntaxique, pas de génération incontrôlée. Le compteur d'utilisation du fournisseur indique output_tokens: 0, exactement comme pour le reste de la gamme d1.

Ce que Liquid dit avoir construit, et ce contre quoi il l’a testé.

Chaque chiffre de cette section est propre à Liquid, rapporté dans le post de lancement, et non reproduit par quiconque à l'heure où ces lignes sont écrites. Le modèle est décrit comme un modèle de décision multimodal construit sur une base à poids ouverts plus grande, avec ce que le post appelle une personnalisation poussée propre à Liquid, ajustée spécifiquement vers les décisions à forte intensité de connaissances — une formulation qui se lit comme une référence directe au problème de calibration ci-dessous. Il reprend les trois mêmes types de questions que le reste de la famille. noul est binaire : donnez-lui une affirmation et il renvoie P(oui) entre 0 et 1. Choix choisit une étiquette et renvoie une distribution ainsi qu'une confiance. Score place l'état sur une échelle ordonnée avec des probabilités par niveau. Les trois sont renvoyés de manière structurée, et aucun d'eux ne consomme de tokens de sortie.

Les preuves fournies par Liquid consistent en une série de 112 évaluations uniques face à son propre d1 antérieur et face à Jev 1.14, la version plus récente de Jev. L'entreprise affirme que d1-ultra surpasse Jev 1.14 sur toutes les tâches et qu'il est mieux calibré au même prix. C'est une affirmation plus forte et plus précise que « domine le classement », et c'est aussi la plus difficile à vérifier, car la calibration est la propriété que l'on ne peut pas lire sur un score unique. Notez également que Jev 1.14 est un comparateur désigné par un fournisseur : il n'apparaît nulle part dans notre catalogue, et nous n'avons pas pu trouver de ligne publique Decision Index le concernant.

La surface d'API se compose d'un unique appel non streaming à POST https://api.liquid.ai/decisions/v1/systemone avec "model": "d1-ultra". Aucune fenêtre de contexte n'est publiée nulle part dans le matériel de lancement, ce qui constitue un véritable manque plutôt qu'une erreur d'arrondi : pour un modèle dont le seul rôle est de se voir transmettre un état, la taille de l'état que l'on est autorisé à lui transmettre est proche de la spécification principale. Comme il ne génère jamais de tokens, le coût de sortie est structurellement nul et le streaming ne s'applique pas.

L'indice en question précède le modèle.

Artificial Analysis a publié le Decision Index v1.0 le 13 octobre 2026 — deux jours avant que d1-ultra n'existe. Le classement repose sur quatre évaluations pondérées à 25 % chacune : AA-Omniscience-Decision, un ensemble privé de 500 questions notées pour moitié sur l'exactitude et pour moitié sur l'absence d'hallucination ; HLE-MultiChoice, 513 questions à choix multiples textuelles tirées de Humanity's Last Exam ; When2Call, une évaluation d'appel d'outils d'N​VIDIA ; et WildGuardTest, l'ensemble de classification de sécurité d'Ai2.

L'article qui l'a présenté ne mentionne nulle part d1-ultra, ce qui n'est pas surprenant, et c'est pourquoi le chiffre « huit points d'avance » doit être lu comme une affirmation de fournisseur plutôt que comme un classement. Sur le tableau publié, Jev 1.13 mène le domaine des modèles de décision à 58, avec GLiDE et M​icrosoft-Decision-1 à égalité à 54. Deux modèles de langage sont placés au-dessus de tous les autres : C​laude H​aiku 5.5 (Low) à 61 et GPT-6 Luna (Low) à 55. Faites le calcul sur l'affirmation de Liquid et vous arrivez à 66 ou plus — au-dessus du meilleur modèle de langage du tableau. C'est peut-être effectivement ce que fait le modèle. C'est aussi exactement le genre d'affirmation qui nécessite qu'un tiers la reproduise avant que quiconque planifie en fonction.

Pourquoi la calibration, précisément, est tout ce qui compte

La défaillance que d1-ultra vise est celle qu’Artificial Analysis a nommée dans le même article. Les modèles de décision, en tant que classe, se sont avérés globalement trop confiants : la probabilité qu’un modèle énonce pour une réponse dépasse systématiquement la fréquence à laquelle cette réponse s’avère exacte. Cela compte davantage ici que pour un chatbot, car la sortie entière d’un modèle de décision est une probabilité. Un modèle de langage confiant mais erroné produit un paragraphe que vous pouvez scruter. Un modèle de décision confiant mais erroné produit un nombre sur lequel un pipeline est conçu pour agir.

La dispersion au sein de la classe est forte, et d1 se trouvait à la mauvaise extrémité :

• Précision de décision AA-Omniscience — Liquid AI d1 était le meilleur modèle de décision avec 41, avec Jev 1.13 à 35. Les modèles de langage sur la même évaluation ont obtenu 52 et 66.

• Taux de non-hallucination — Liquid AI d1 a obtenu 2. Jev 1.13 a obtenu 35, Mercury Decide 32, et M​icrosoft-Decision-1 était en tête avec 40. Aucun autre modèle de décision du classement n'a échoué à atteindre 17.

• L’écart entre ces deux lignes, c’est tout l’argumentaire. d1 en savait le plus et en admettait le moins. Un modèle entraîné à combler cet écart — la seule dimension où l’entrée précédente de Liquid était dernière plutôt que première — ferait progresser la catégorie, même sans toucher à la précision brute.

• HLE-MultiChoice — Jev 1.13 était en tête à 21, tous les autres modèles de décision à 15 ou moins. C'est l'évaluation où il y a le plus de marge de progression, et celle sur laquelle la campagne de 112 évaluations de Liquid ne présente pas de résultats.

• When2Call et WildGuardTest — Celeris-1 Decision et GLiDE à égalité à 84 sur l'appel d'outils, avec Jev 1.13 quatrième à 81 ; GLiDE était en tête pour la sécurité à 95, avec Decider v1.1 27B et Jev 1.13 à égalité à 94.

Ce que coûte vraiment un million de décisions

La tarification est la partie du lancement qui ne nécessite aucune réserve. Liquid AI d1-ultra est facturé à 0,042 $ par million de jetons d'entrée et rien du tout pour la sortie, car il n'y a pas de sortie. Ce prix est identique à celui de d1 et identique à ce que nous facturons pour Jev 1.13, ce qui rend les deux modèles directement comparables sur le coût et rien d'autre.

Le calcul est assez simple pour être fait sur un coin de serviette. Un état d’environ mille tokens — une charge utile JSON modérément détaillée, ou une page de texte — coûte 0,042 $ pour un million d’exécutions. Les chiffres de coût par million de tâches d’Artificial Analysis pour cette catégorie se situent entre 17 $ et 199 $, avec Jev 1.13 à 42 $, M​icrosoft-Decision-1 à 31 $ et Decider v1.1 27B à 17 $ ; le temps médian par tâche dans toute la catégorie va de 0,06 seconde à une demi-seconde. Une décision à mille tokens à 42 $ par million de tâches se situe au milieu de cette fourchette, ce qui est l’information utile à retenir : la tarification n’a rien de remarquable pour la catégorie, et la question intéressante n’est pas le coût par token mais le coût par décision correcte.

Un détail de facturation surprendra plus d'un, et il vaut la peine d'être lu deux fois. Les images sont facturées comme du texte d'entrée à raison de 1,5 token par zone de 32×32 pixels, ce qui donne 1 536 tokens pour une image de 1024×1024 — et chaque question est facturée comme son propre prompt, y compris toutes les images jointes. Posez dix questions distinctes sur la même photographie et l'image est facturée dix fois : ces dix questions représentent donc 15 360 tokens d'image avant même un seul mot de texte. Regrouper vos questions en un seul appel ne permet pas d'amortir cela. Si votre charge de travail est visuelle, le nombre qui détermine votre facture est celui des questions multiplié par les tokens d'image, et non celui des documents multiplié par les tokens d'image.

Où vous pouvez l'appeler

Liquid AI d1-ultra est désormais disponible sur l'API propre à Liquid, via la console Liquid, et dans le d1 Playground pour quiconque souhaite y jeter un œil sans écrire de client. L'éditeur a déclaré que d'autres plateformes arriveront ; le résumé honnête aujourd'hui, c'est l'API propre à l'éditeur, avec plusieurs plateformes tierces à suivre. Un exemple de code figure dans l'article de lancement et s'exécutera tel quel.

Une note de routage, et il ne s'agit pas d'un argumentaire : Liquid AI d1-ultra ne figure pas dans notre catalogue, et cet article ne constitue pas une affirmation de disponibilité à son sujet. Ce qui figure dans notre catalogue, c'est Jev 1.13 — le modèle qui occupe actuellement la première place du Decision Index — au même tarif de 0,042 $ par million de jetons d'entrée et au même coût de complétion nul, avec une fenêtre de contexte de 64K, servi via la même systemone forme d'endpoint : texte en entrée, JSON structuré en sortie, sans streaming. C'est un heureux hasard pour quiconque évalue ce lancement, car cela signifie que le challenger et le tenant du titre peuvent être exécutés côte à côte sans un second contrat. d1-ultra passe directement par Liquid ; le tenant du titre figure déjà dans notre catalogue. Les deux se trouvent derrière une API unique pour plus de 200 modèles, où les prix catalogue sont répercutés sans marge et où le basculement automatique permet à un nouveau modèle de prendre en charge une partie d'une charge de travail réelle sans qu'on lui confie la totalité.

Cette dernière partie est la recommandation pratique plutôt qu’un placement de produit. Un modèle qui n’a qu’un jour, dont le benchmark phare n’a pas été reproduit de façon indépendante et dont la fenêtre de contexte n’est pas publiée n’est pas une chose à laquelle acheminer du trafic de production dès le premier jour. C’est une chose à exécuter en miroir face au modèle déjà en place. Faites passer les mêmes états dans les deux, comparez les distributions plutôt que les étiquettes, et surveillez en particulier le cas où d1-ultra dit 0,8 et s’avère faux — car c’est le cas autour duquel tout le lancement tourne, et c’est le seul chiffre que Liquid n’a pas publié.

Qu'est-ce qui réglerait ça

Trois choses, par ordre décroissant de leur impact sur la décision.

Le premier est une ligne du Decision Index. Tant qu'Artificial Analysis n'aura pas fait passer d1-ultra dans son propre pipeline, la marge de huit points sur Jev 1.13 est un chiffre du fournisseur, et l'amélioration de la calibration par rapport à Jev 1.14 est un chiffre du fournisseur sans aucun équivalent public. Le tableau est mis à jour régulièrement, et un modèle de décision qui franchit véritablement la barre des 66 serait le résultat le plus intéressant de la catégorie cette année, car il placerait un modèle non génératif au-dessus de tous les modèles de langage du même indice.

Le second est la fiche technique manquante. La fenêtre de contexte, la latence pour une taille de lot indiquée, et la possibilité pour des questions de partager une image sans qu’elle soit facturée à nouveau — ces trois chiffres déterminent si une charge de travail est réalisable bien avant que les scores de benchmark ne le fassent. La génération précédente de Liquid exécutait des décisions textuelles en 200 à 300 millisecondes, ce qui est un point de référence utile, mais pas une mesure de ce modèle.

Le troisième est la calibration en dehors du laboratoire. Les 112 évaluations de Liquid sont la sélection de tâches propre au fournisseur. L’excès de confiance est une propriété qui se manifeste dans la queue — la question difficile rare, l’état ambigu, l’entrée issue d’une distribution que le modèle n’a jamais vue. C’est là que d1 a obtenu 2, et c’est le seul endroit où une véritable amélioration serait visible.

D'ici là, la position honnête est celle qui est ennuyeuse : le prix est réel et public, le point de terminaison fonctionne, le pire défaut de la catégorie est correctement identifié, et le correctif est revendiqué plutôt que démontré. Si vous travaillez sur des décisions structurées, cela vaut une après-midi. Cela ne vaut pas une migration.