כרטיס כותרת שנוצר שכותרתו 'אותו מחיר, בהפרש של דור אחד', עם כותרת משנה 'Liquid AI d1.2 מול Liquid AI D1'. פס אופקי ארוך אחד עולה משמאל לימין, כשהוא מסומן 'D1 61' בקצהו השמאלי ו-'d1.2 69' בקצהו הימני. שלושה צ'יפים עם מסגרת ועליהם כתוב 'אותו $0.02 לכל 1M אסימוני קלט', 'אותו endpoint של systemone' ו'כל ששת הרכיבים השתפרו', ושורת כיתוב אומרת 'שתי שורות דיוק עדיין שייכות למודל הישן יותר'. הסימן של OrcaRouter מוטמע בפינה הימנית התחתונה.
Guides & Insights

d1.2 לעומת Liquid AI D1: אותו $0.02, שישה רכיבים ניצחו ושתי שורות דיוק שהלכו אחורה

מחבר

jinhao.song

תאריך פרסום

מודלים אחרונים · 20צפו בכל המודלים →
בנצ'מרקים: Artificial Analysis · מתעדכן יומית
חזרה לכל הפוסטים

Liquid AI d1.2 ו-Liquid AI D1 נמצאים באותו מחיר מחירון — $0.02 למיליון אסימוני קלט, כאשר מחויב קלט בלבד, ללא אסימוני פלט — באותו נקודת קצה, ועונים על אותם שלושה סוגי שאלות. הם רחוקים שני דורות זה מזה: D1 היה מודל ההחלטות הראשון של המשפחה, ש-Artificial Analysis מפרט כמודל שיצא בספטמבר 2026, ו-d1.2 הגיע ב-16 בנובמבר 2026, עם d1.1 ביניהם. כל מה שהשוואה בדרך כלל תלויה בו — מחיר, חוזה, קוד לקוח, תצורת פריסה — זהה. מה שנשאר הוא המודל, ובמודל התוצאה חד-צדדית אך לא נקייה: d1.2 מנצח בכל שש ההערכות של Decision Index v2.1 ומוביל ב-7.9 נקודות בסך הכול, בעוד D1 עדיין מנצח בשתיים משורות הדיוק הגולמי שמתחתיהן.

שתי השורות האלה הן הסיבה ששווה לקרוא את זה ולא לרפרף על זה. שתיהן נמצאות על ציר הידע, ושתיהן הן המחיר הישיר של השינוי שהופך את d1.2 לטוב יותר בכל שאר המקומות — הוא מסרב לעתים קרובות הרבה יותר. ההשוואה היא תבנית לאיך נראה שדרוג "טוב יותר באופן מוחלט" ברגע שבודקים את שורות המשנה: רווח משולב גדול, שיפור התנהגותי אמיתי, ומקום קטן וצפוי שבו המודל החדש מוותר על משהו.

שתי השורות, זו לצד זו

A generated two-column scoreboard titled ‘d1.2 vs D1 - the scoreboard’. The d1.2 column lists Decision Index 69, AA-Paperclip all-pass 44.3%, AA-Symmetry 76.5, When2Call 96.1, Omniscience non-hallucination 66.6% and price per 1M input tokens $0.02. The D1 column lists 61, 25.7%, 58.7, 81.6, 3.3% and $0.02. The footer reads ‘Both rows per Artificial Analysis Decision Index v2.1; D1 ranks #21 of 25 decision models on the board.’ The OrcaRouter mark is composited bottom right.

שני המודלים קיבלו ציון על ידי Artificial Analysis על אותה גרסה של אותו לוח, מה שמסיר את הסיכון הרגיל שבהשוואת נתון של ספק לנתון עצמאי. אף אחד מהנתונים כאן אינו מגיע מ-Liquid.

• Decision Index v2.1 — 68.69 עבור d1.2 (#9 מתוך 25) לעומת 60.78 עבור D1 (#21 מתוך 25). אחד עשר מודלים מפרידים ביניהם כעת, והפער רחב מספיק כך ששום הרצה חוזרת סבירה לא תסגור אותו.

• מחיר למיליון אסימוני קלט — $0.02 עבור שניהם. ללא שינוי לאורך שני דורות.

• עלות מדומה למיליון משימות — 63 דולר לשתיהן, וזה מה שהייתם מצפים לו במחיר טוקן זהה ובמספר טוקנים דומה לכל משימה. אף אחת מהן אינה זולה יותר; הטבלה מדרגת את שתיהן במקום השלישי.

• זמן לכל משימה — 150 מ״ש לעומת 151 מ״ש. זהים למעשה, ושניהם מהירים יותר מחציון הכיתה של 206 מ״ש.

• חלון הקשר — 66 אלף טוקנים לשניהם, כפי שמצוין בלוח. הפוסטים של Liquid עצמם אינם מציינים חלון לאף אחד מהשניים, כך שזהו קריאה של צד שלישי ולא מפרט של היצרן.

• ציון Brier, כאשר נמוך יותר עדיף — 0.164 לעומת 0.196. שיפור של 0.032 בהסתברות המיוחסת לתשובה שנבחרה, ללא עלות.

השורה האחרונה היא זו שכדאי להתעכב עליה. d1.2 אינו רק צודק לעתים קרובות יותר; הביטחון שהוא מצמיד לתשובתו קרוב יותר לאמת, וזו התכונה שמאפשרת בכלל לצינור עיבוד מבוסס סף לעבוד. והוא מגיע בחינם.

שישה רכיבים, וגודל כל פער

A headless-browser screenshot of the Artificial Analysis d1 model page, captured 18 November 2026 in English, dated September 2026. The summary panel reads that d1 is among the lowest scoring on the Decision Index but well priced and faster than average: a Decision Index score of 61 against a median of 66, 151 ms per task against a median of 206 ms, $0.02 per 1M input tokens, and about $63 per 1M tasks against a median of $137. The rank badge reads #21/25 on the Decision Index and #3/25 on cost, and the technical specification lists text and image input with a 66k-token context window.

המספר המצרפי מסתיר מכלול מאוד לא אחיד של שינויים, ושניים מהם לא באמת עוסקים בדיוק.

• AA-Paperclip, החלטות על מסמכים — 62.60 עבור d1.2 לעומת 54.92, כאשר 44.3% מהמסמכים נכונים לחלוטין לעומת 25.7%. שורת ה'הכול עבר' היא השיפור הבודד הגדול ביותר במהדורה עבור הצמד הזה: חשבונית בת חמישה עשר שדות שארבעה עשר מהם נכונים נחשבת לפספוס תחת כל אחד מהמודלים, ו-d1.2 הופך רבע מהמסמכים לכמעט מחצית.

• When2Call, החלטות כלים — 96.09 לעומת 81.59, עם דיוק של 95.5% לעומת 77.9%. זה מה שמשנה למה שאפשר להשתמש במודל. D1 ב-77.9% הוא מסווג שתציב מאחוריו אדם; d1.2 ב-95.5% הוא כזה שתיתן לו לנתב.

• סימטריית AA, אינווריאנטיות — 76.52 מול 58.67, עם 50.0% מעבר מלא מול 32.5%. נסח מחדש את השאלה, סדר מחדש את האפשרויות, הפוך שאלת כן/לא: תשובת המודל הישן השתנתה, ושל החדש ברובה לא.

• EvalSafe-O*NET-AA, שיקול דעת במקום העבודה — 86.55 לעומת 84.21, ודיוק של 79.7% לעומת 76.3%. הפער הקטן ביותר בלוח, ואינו סיבה לבצע מעבר בפני עצמו.

• AA-Omniscience-Decision v1.1, ידע — 60.94 לעומת 58.31. כמעט שלוש נקודות, ותת-השורות שמתחת הן החלק המעניין.

• HLE-MultiChoice v1.1, שאלות קשות — 44.69 לעומת 39.80, עם דיוק של 5.30% לעומת 11.79%. המודל החדש עונה נכון על פחות שאלות קשות ועדיין מקבל ציון גבוה יותר בחמש נקודות, מפני שהמדד נותן ציון להסתברות ולא רק לבחירה.

סיפור ההימנעות הוא השדרוג האמיתי.

הסתכל על שורות אי-ההזיה יחד, כי הן מתארות מודל ששינה את אופיו ולא את דיוקו.

• AA-Omniscience-Decision — אי-הזיה — d1.2 66.6%, D1 3.3%. D1 ענה נכון על 39.8% מהשאלות הללו וכמעט אף פעם לא סירב; d1.2 עונה נכון על 30.0% ומסרב הרבה יותר.

• HLE-MultiChoice אי-הזיה — 53.9% לעומת 5.6%, במדד שבו הדיוק הגולמי של D1 גבוה פי שניים.

• AA-Symmetry all-pass — 50.0% לעומת 32.5%, שזה אותו שינוי שנצפה דרך עקביות ולא דרך סירוב.

D1 היה המודל הראשון של המשפחה, והוא מתנהג בהתאם: כששואלים אותו שאלה שאינו יודע לענות עליה, הוא מייצר תשובה. שיעור אי־הזיה של 3.3% פירושו שמבין כ־97 מתוך כל 100 שאלות ידע שבהן התגובה הנכונה הייתה להימנע מלענות, הוא לא נמנע. אם הצינור שלכם שולח מקרים בעלי ביטחון נמוך לבדיקה אנושית, זו התכונה שמכריעה אם השער עובד; מודל שלעולם אינו אומר "אני לא יודע" לא נותן לכם על מה להחיל סף, וההסתברויות שלו בגובה 0.9 אומרות פחות מה־0.9 של d1.2.

ההסתייגות היא סימטרית וראויה לציון: d1.2 עונה נכון על פחות שאלות קשות. אם המשימה שלך היא שאלת ידע עם תשובה חד-משמעית וללא מסלול הימנעות — האם הטענה הזו עולה בקנה אחד עם המדיניות, האם הקוד הזה תואם למפרט — אתה מחליף דיוק בכנות, וההחלפה עשויה שלא להיות בחינם.

מה המודל החדש יכול לענות עליו שהמודל הישן אינו יכול

d1.2 מוסיף חמישה סוגי תשובות וקלט אודיו. ל-D1 אין אף אחד מהם, ושום כמות של פרומפטים לא תסגור את הפער הזה, כי לחוזה התגובה אין שדה עבור מיקום טווח או תיבת תיחום.

• ערך בתוספת התווים שמהם הוא נקרא, או "לא נמצא" — פרימיטיב החילוץ שמבטל מעבר גנרטיבי שני לכל שדה.

• כל מקטע מסוג עם מיקומים — שמות, מספרי טלפון, כתובות דוא״ל, כפרימיטיב השחרה ולא כהנחיית סיכום.

• מסגרת סביב אובייקט אחד או סביב כל מופע בתוספת ספירה.

• הערכה עם טווח מצורף.

• כל אפשרות רלוונטית עם ההסתברות שלה, במקום מנצח אחד.

האודיו עובד בשני הכיוונים: ההקלטה יכולה להיות הנושא, או שהיא יכולה להיות השאלה. נתוני הדיוק של כל זה הם של Liquid, על מערכי בדיקה פנימיים שנבנו מחלוקות מוחזקות של מערכי נתונים ציבוריים, מכיוון שאף מבחן ציבורי לא מכסה את המשימות החדשות — 98% ו-96% בקריאת ערך מתוך קבלה עבור d1.2-ultra ו-d1.2, 94%/93% לעומת 92%/88% במקטעי נתונים אישיים, 94% לשניהם באיתור אובייקטים. התייחסו אליהם כאל ספק שמעריך את עצמו; ללוח אין שורה עבור אף אחד מהם.

פרט חיוב אחד מגיע יחד עם זה. תחת D1 כל שאלה חויבה כפרומפט נפרד שכלל כל תמונה שצורפה; תחת d1.2 בקשה מחייבת את הטקסט והתמונות שלה פעם אחת, וכל שאלה נוספת מוסיפה רק את הטקסט שלה. שאלו עשר שאלות על תמונה אחת בגודל 1024×1024 — 1,536 טוקנים של תמונה — והכלל הישן מחייב כ-15,360 טוקני תמונה; החדש מחייב 1,536. בתעריף זהה של $0.02, תבנית ריבוי השאלות זולה פי כמה ב-d1.2, והחיסכון נובע מכלל החיוב ולא מהתעריף.

מה נשבר כשמשנים את המחרוזת

A headless-browser screenshot of the OrcaRouter model page for typesafe/jev-1.14, captured 18 November 2026 in English, showing the /v1/decisions/v1/systemone endpoint family, Zero Data Retention availability, a $0.04 list price per million input tokens, and measured latencies of 182 ms and 372 ms.

פחות ממה שהייתם מצפים, והחריגים שווים בדיקה ולא דאגה. נקודת הקצה נשארת api.liquid.ai/decisions/v1/systemone, מחרוזת המודל הופכת ל-d1.2, ושלושת סוגי השאלות המקוריים שומרים על צורת הבקשה והתגובה שלהם. לקוח ששולח ערך, בחירה וציון מקבל בחזרה את אותו JSON.

שלושה דברים לבדוק מול הדגימה שלך לפני מעבר לנתיב ייצור:

• פיענוח של "לא נמצא". סוגי התשובות החדשים יכולים להחזיר היעדרות מפורשת, ומפענח שהניח ערך שאינו null יישבר על כך. זו תכונה, אבל זהו שינוי שובר בסכימה נוקשה.

• מיקום הסף. ההסתברויות אומרות כעת משהו אחר. 0.8 על d1.2 הוא 0.8 אמין יותר מ-0.8 על D1, ולכן סף שכוייל על ביטחון היתר של המודל הישן יופעל בתדירות נמוכה יותר לאחר ההחלפה. יש לכייל אותו מחדש ולא להעביר אותו כפי שהוא.

• פרוסת הידע. אם חלק מעומס העבודה שלך הוא שיפוט עובדתי ולא קריאת מסמכים, מדוד את הפרוסה הזו בנפרד. זה המקום היחיד שבו שיעור ההימנעות הגבוה יותר של המודל החדש עלול לעלות לך בכיסוי, ושורות הדיוק של הלוח אומרות זאת במפורש.

מי צריך לעבור, ומי צריך למדוד תחילה

הגרו בלי טקס אם עומס העבודה הוא חילוץ, ניתוב, בחירת כלים או סיווג רגיש לעקביות. כל שורה שפורסמה מעדיפה את d1.2, המחיר לא משתנה, ופערי האינווריאנטיות והקריאה לכלים גדולים מספיק כדי שלא סביר שהרצה חוזרת תהפוך אותם.

מדוד קודם אם עומס העבודה הוא שיפוט מבוסס ידע בהיקף גדול, או אם ל-pipeline יש סף הסתברות מכוונן ידנית. אף אחד מאלה אינו סיבה להישאר על D1 — אבל שניהם סיבות להעביר כמה אלפי מצבים אמיתיים דרך שני המודלים ולהשוות את ההסתברויות ולא את התוויות.

גישה תחילה, משום ששאלת הגירה הופכת בדרך כלל לשאלת רכש. גם D1 וגם d1.2 נמצאים ב-API של Liquid; אף אחד מהם אינו בקטלוג שלנו, ואין כאן שום הצהרת זמינות. המודל בקטלוג שלנו שמקומו בבדיקה הזו הוא Jev 1.14, שמעלה את EvalSafe-O*NET-AA ל-91.14 בעוד ש-d1.2 עוצר ב-86.55, מדבר באותו מבנה systemone, ומחייב $0.042 למיליון טוקני קלט. הציבו את שלושתם על אותם מצבים וה-DSL לניתוב כותב את הפיצול פעם אחת — לפי סוג שאלה, לא לפי שירות — כשמחירי המחירון של הספקים מועברים עם 0% תוספת כך שה-$0.02 שאתם רואים בהצעה הוא ה-$0.02 שאתם משלמים. מעבר אוטומטי לגיבוי הוא מה שמאפשר למודל ששוחרר לפני יומיים להחזיק מסלול אחד של עומס עבודה חי במקום את כולו.

זהו כל ההשוואה. אותו מחיר, אותו חוזה, אותה נקודת קצה, דור עבודה אחד ביניהם, ושש זכיות מרוכבות מול שתי שורות דיוק שהמודל הישן עדיין מחזיק בהן — ושתיהן נמצאות על ציר הידע, שם דווקא ההימנעות של d1.2 היא מה שעולה לו ביוקר. אם עומס העבודה שלכם הוא חילוץ, ניתוב או סיווג, כל שורה שחשובה לכם נעה בכיוון הנכון. אם מדובר בשיפוט עובדתי בלי סוקר מאחוריו, הריצו קודם את השוואת הצל והניחו למספרים על המצבים שלכם להכריע.