d1-omni לעומת Liquid AI D1 Ultra: קובץ של 850MB מול מד בעלות של $0.042, והחשבון אינו מה שאתם מצפים
- OrcaחדשOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 68 tok/s
- DeepSeekחדשDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaחדשOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 84 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 732 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xAIGrok 4.72026-09-2146אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 לכל 1M טוקנים · 35 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 לכל 1M טוקנים · 826 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453אינטליגנציה77כתיבת קוד
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241אינטליגנציה76כתיבת קוד
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245אינטליגנציה76כתיבת קוד
- AnthropicAnthropic: Claude Fable 5.12026-09-0153אינטליגנציה82כתיבת קוד
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 לכל 1M טוקנים · 52 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 לכל 1M טוקנים · 118 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642אינטליגנציה72כתיבת קוד
- DeepSeekDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.22 / $0.66 לכל 1M טוקנים · 175 tok/s
האינסטינקט כשמציבים את d1-omni לצד Liquid AI D1 Ultra הוא שהם תופסים קצוות מנוגדים של טווח, ושהבחירה היא שאלה של שאיפה. האחד הוא 587 מיליון פרמטרים של משקלים פתוחים — 850MB בדיסק בתג שהופיע בספרייה של Ollama השבוע, צ'ק-פוינט שהורד כ-13,900 פעמים מ-Hugging Face מאז 5 באוקטובר 2026. האחר הוא מודל ההחלטות הדגל של Liquid AI, שהוכרז ב-15 באוקטובר 2026, בלי מספר פרמטרים שנמסר, בלי משקלים שפורסמו, ועם מספר מפורסם יחיד שחשוב יותר מכל בנצ'מרק: $0.042 למיליון טוקני קלט. שכירת מודל החלטות חזיתי לעומת בעלות על מודל קטן נשמעת כמו שאלת תקציב. הפעילו את המונה מול עומס עבודה אמיתי, והדבר ברובו מפסיק להיות שאלת תקציב — היתרון של המודל הקטן אינו שהוא זול, אלא שהוא שלך.
ההבחנה הזו שווה לחדד במדויק, מפני ששני הדברים שמושווים כאן אינם שני מודלים על אותה מדף. Liquid AI D1 Ultra הוא נקודת קצה שאליה אתה קורא. d1-omni הוא קובץ שאתה מריץ. שניהם עונים על אותן שלוש צורות שאלה — כן/לא עם הסתברות, תווית עם הסתברות לכל תווית, או מיקום על סקאלה — ושניהם מחזירים את התשובות האלה במעבר קדימה יחיד עם אפס טוקני פלט שנוצרים. כל מה שאחרי זה, כולל מה עולות התשובות ומי אחראי כשהן סוטות, נובע מכך איזו מהשתיים בחרת.
צד השכירות, מתומחר לפי האופן שבו Liquid AI למעשה גובה עליו תשלום
Liquid AI D1 Ultra גובה תשלום רק עבור קלט, בסך $0.042 למיליון טוקני קלט, ללא חיוב עבור השלמה כי אין השלמה. זה כל כרטיס התעריפים, והחלק המעניין הוא כלל התמונות שמתחתיו. תמונות מחויבות בתעריף הטקסט על בסיס טלאים: 1.5 טוקנים לכל טלאי בגודל 32×32 פיקסלים, מה שהופך תמונה בגודל 1024×1024 ל-1,536 טוקנים. וכל שאלה מחויבת כפרומפט נפרד משלה, שנושא עותק משלו של המצב וכל התמונות המצורפות. שאלו ארבע שאלות על אותה תמונה ותשלמו עבור התמונה הזו ארבע פעמים.
נשים מספר על עומס עבודה שבו החלטת ראייה היא ההתאמה הטבעית. נניח מעבר לילי על 25,000 רשומות מוצרים, שלכל אחת מהן תצלום אחד בגודל 1024×1024 וכ-200 טוקנים של טקסט רשומה, ושואלים שתי שאלות מוקלדות — אחת כן/לא אם התמונה תואמת לקטגוריה, ואחת שאלת ניקוד על איכות התמונה. כל פרומפט נושא 1,536 טוקנים של תמונה ועוד 200 טוקנים של טקסט, כלומר 1,736 טוקנים, ויש שתי שאלות, כלומר 3,472 טוקנים לרשומה. זה 86.8 מיליון טוקני קלט עבור המעבר, או בערך $3.65. משימה לילית, כל החודש, מגיעה למאות דולרים בודדות.
זו תוצאה לא נוחה באמת לכל מי שהניח שאפשרות הקצה היא היקרה. מודל התמחור הוא הסיבה: מודלי החלטה לעולם לא פולטים טוקנים, ולכן לעקומת העלויות אין איבר פלט שיתפוצץ, והחיוב החוזר לכל שאלה הוא מכפיל קבוע שאפשר לתכנן סביבו ולא משתנה שמגלים בחשבון.
הצד העצמי, והיכן שהמחיר שלו באמת מסתתר
ל-d1-omni אין כלל מחיר לכל קריאה. זהו מודל בעל 587 מיליון פרמטרים — גזע משותף וראש החלטה בנפח 381M, מקודד חזותי SigLIP2 בנפח 94M בירושה מ-Liquid AI LFM2.5-VL-450M, ומקודד אודיו בנפח 112M — שפורסם תחת תנאי LFM 1.0 של Liquid, כאשר בניות GGUF צפויות ב-6 באוקטובר ובניות MLX ב-12 באוקטובר. העלות שלו היא החומרה שכבר יש לך, בתוספת החלק שאיש לא מכניס להשוואה: העבודה של להחזיק אותו שם.
מה שתי האפשרויות חולקות ומה שאינן חולקות, בממדים שמכריעים פריסה:
• משקלים — פורסמו עבור d1-omni תחת LFM 1.0; לא פורסמו עבור Liquid AI D1 Ultra. Liquid מתארת את הדגם המוביל שלה רק כ"מבוסס על מודל גדול יותר עם משקלים פתוחים וסדרה של התאמות כבדות ייחודיות ל-Liquid". הבסיס פתוח; המודל שאליו אתה מתקשר אינו כזה.
• פרמטרים — 587M ומפורטים במלואם עבור d1-omni; לא מפורסמים עבור d1-ultra. לא ניתן להתאים חומרה לדגם הדגל כי Liquid לא פרסמה גודל. ניתן להתאים חומרה עבור ה-600M בדיוק: 850MB בתג Q8_0 המעורב של Ollama, ו-1.2GB עבור תג BF16.
• מחיר — אין מחיר לפי קריאה ב-d1-omni; $0.042 למיליון אסימוני קלט ב-d1-ultra, עם תמונות ב-1.5 אסימונים לכל מקטע בגודל 32×32 וכל שאלה מחויבת מחדש עם המצב המלא.
• מודאליות — d1-omni מקבל טקסט בתוספת תמונות או טקסט בתוספת עד 30 שניות של אודיו, אך לעולם לא את שניהם בבקשה אחת. d1-ultra מתואר כמולטימודלי ללא פירוט מודאליות שפורסם; מה ש-Liquid מתעד הוא סוגי השאלות וכלל אסימוני התמונה.
• הקשר — 16,384 טוקנים עבור d1-omni על פני מיקומי טקסט, תמונה ואודיו יחד, מצומצם ל-896 טוקנים של טקסט מצב ושאלה בכל פעם שמצורפת תמונה, "כפי שאומן". לא פורסם נתון הקשר עבור d1-ultra.
• השהיה — לא פורסמו נתוני הסקה עבור d1-omni, מכיוון ש-Liquid מציינת כי אינה מדווחת עליהם עבור צ'קפוינט שהיא מכנה מהדורת מחקר מוקדמת הנמצאת בפיתוח פעיל; d1-ultra מוגשת מקצה לקצה ללא נתון השהיה נפרד שפורסם גם כן.
• כיול — דגם הדגל אומן במפורש לכך. הנימוק המוצהר של Liquid הוא שרוב מודלי קבלת ההחלטות לוקים בביטחון יתר, ולכן d1-ultra כוונן להפיק הסתברויות מהימנות יותר. d1-omni נושא תג כיול משל עצמו, אך ה-600M הוא צ'קפוינט ניסיוני ואף צד שלישי לא מדד את הכיול של אף אחד משני המודלים.
שני הציונים אינם נמדדים באותו סרגל
הפיתוי הוא לכתוב 15.95 לצד דגם הדגל ולחסר. אל תעשו זאת. ה-15.95 של d1-omni מגיע מהחלוקה הפומבית של Decision Index v0.2.1, לוח ש-Liquid AI דירגה בו את הרשומות של עצמה עם המעריך הרשמי במקום להגישן — תתי-ציונים: Knowledge 8.3, Language 12.9, Retrieval 35.0, Tools 15.1, Arts 6.8, לעומת 48.57 של d1-3B בתוך אותה משפחה. הטענה של Liquid לגבי d1-ultra היא מקום ראשון ב-Artificial Analysis Decision Index בפער של לפחות שמונה נקודות, וזה לוח אחר עם גרסה אחרת, שפורסם לפני שדגם הדגל היה קיים. שני המספרים מודדים דברים שונים בסרגלים שונים, והקריאה הישרה של השניים היא רק שהפער גדול — לא שהוא בן ארבעים ומשהו נקודות.
הנתון ששורד את ההשוואה הוא זה שאיש לא מפרסם: ל-600M אין כלל נתוני הסקה, כך שאינך יכול לקבוע את עלותו לכל החלטה על החומרה שלך בלי למדוד אותה בעצמך. המדידה הזו, ולא לוח דירוג, היא מה שמכריע בין בעלות לשכירות.
שלושה עומסי עבודה, שלוש תשובות שונות
• אצווה לילית של 25,000 בדיקות תמונה — כ-3.65 דולר לכל מעבר על Liquid AI D1 Ultra, וב-d1-omni הורדה של 1.2GB בתוספת כל GPU שתפנו אליו. בהיקף כזה, המונה אינו הגורם המכריע; הגורם המכריע הוא אם אתם רוצים את הדיוק שהפלאגשיפ מצהיר עליו, ואם שלושה דולרים בלילה שווים יותר מאשר תחזוקה של שרת מודל.
• שער קשיח שבו ההסתברות היא ההחלטה — אישור, החלטת מודרציה, עסקה שמופעלת על סף. כאן כיול הוא המוצר, ו-d1-ultra הוא היחיד מבין השניים שלדברי Liquid אומן במיוחד לכך. הסתברות שגויה בביטחון של 0.6 גרועה מאי-הסתברות בכלל, ואף צד שלישי עדיין לא בדק אף אחד מהמודלים לכך. אם הסף חשוב, תרצו שטענת הכיול של הספק תשוחזר לפני שתסמכו עליה בגבול.
• מסווג בנפח גבוה ובסיכון נמוך במכשיר — ניתוב פקודת קול, מיון תיבת דואר נכנס, סימון מודעה לבדיקה אנושית. שום דבר בעומס העבודה הזה לא זקוק למודל חזיתי מתארח. ה-600M מחזיר תשובה מסוג מוגדר ממעבר קדימה בודד בתוך 850MB, וזו כל הסיבה שהוא קיים, ותקציב התמונה של 896 טוקנים מתאים למשפט מצב ותמונה אחת.
היכן גבול הניתוב נמצא בפועל
אף אחד מהמודלים אינו בקטלוג שלנו, וכדאי להיות גלויים בעניין במקום לרמוז אחרת: כל קריאה ל-Liquid AI d1-omni-600M וכל קריאה ל-Liquid AI d1-ultra מגיעה לחומרה שלכם או ל-API של הספק ולפלטפורמות צד שלישי, ולא עוברת דרכנו. מה ש-OrcaRouter מכסה הוא החצי של הצינור שמודל החלטה אינו יכול לעשות בעצמו. מודל החלטה של 587M מחזיר תווית או הסתברות וזהו; עדיין צריך משהו שיכתוב את התשובה, ייסכם את המקרה או יפעל לפי הציון. API אחד ל-200+ מודלים, עם מחיר המחירון של כל ספק מועבר כמו שהוא וה-DSL לניתוב זמין כאשר בקשה שעברה מיון צריכה להתפצל ליותר ממודל אחד — הוא טענה שקטה יותר מ"אנחנו מארחים את מודל ההחלטה", והיא הטענה הנכונה.
מה ישנה את התשובה
ההשוואה נקבעת כרגע על ידי שני חסרים. ל-Liquid AI D1 Ultra אין מספר פרמטרים מפורסם, ולכן לא ניתן להעריך את העלות לכל טוקן ביחס לגודל המשימה שהוא מבצע, ואין נתון השהיה, ולכן לא ניתן לתכנן מסלול אינטראקטיבי סביבו בלי למדוד. ול-d1-omni אין מספרי הסקה מפורסמים — מבחירתו של הספק עצמו — ולכן בחישוב של בעלות עצמית מול שכירות יש צד אחד שרק בנצ'מרק של החומרה שלך יכול להשלים.
אם אחד משני אלה ייסגר, צורת ההחלטה משתנה. תוצאת כיול עצמאית על d1-ultra תכריע את עומס השער, שבו המחיר כבר זול בסדר גודל ממה שרוב האנשים היו מנחשים. נתון השהיה מ-Liquid עבור ה-600M יאפשר למישהו למקם אותו במסלול אינטראקטיבי בביטחון במקום לבדוק אותו קודם. עד אז הקריאה הבטוחה היא צרה ולא זוהרת: דגם הדגל מתומחר קרוב מספיק לחינם כך שתקציב לבדו לא ידחוף אותך להריץ משהו בעצמך, והיתרון האמיתי של ה-600M הוא שברגע שיש לך את הקובץ, אף אחד לא יכול לשנות לך את המספר, את התנאים או את נקודת הקצה.
הכשלים המתועדים של ה-AI ותקריות הסוכנים שמאחורי גרסאות כמו זו נאספים בארכיון תקריות ה-AI של OrcaRouter, שבו כל רשומה כוללת מקורות משלה, חומרה, דירוג מהימנות ודגל מחלוקת.
