Liquid AI d1-ultra מול Liquid AI d1: אותו Endpoint, אותן שאלות, פי שניים במחיר — הנה נקודת ההצטלבות

התשובה הכנה והקצרה ביותר היא זו: Liquid AI d1-ultra עולה $0.042 למיליון טוקני קלט ו-Liquid AI d1 עולה $0.02 למיליון טוקני קלט, את שניהם קוראים באותו URL עם אותם שלושה סוגי שאלות, והדגם היקר יותר הוא זה שכדאי להשתמש בו כאשר טעות עולה יותר מהכפלת התעריף שלך לכל קריאה. זו כל ההחלטה, והיא נקייה באופן יוצא דופן מפני ששום דבר אחר בשני המודלים אינו שונה מבחינה מבנית. הם שוחררו בהפרש של עשרה ימים זה מזה — d1 ב-5 באוקטובר 2026 כמודל ההחלטות הראשון של Liquid AI, ו-d1-ultra ב-15 באוקטובר כחבר היכולתי ביותר במשפחה — ושניהם נבנו לעשות את אותו הדבר: לקבל מצב של טקסט, תמונות או שניהם, בתוספת שאלה אחת או יותר מטיפוס מוגדר, ולהחזיר הסתברויות ממעבר קדימה בודד, בלי לייצר טוקני פלט ובלי שום דבר להזרים. השוואות כמו זו הן גם המקום שבו מצבי הכשל מתגלים: תקריות ה-AI המתועדות וכשלי הסוכנים שמאחורי מודלים במחלקה הזו נאספים ב-ארכיון תקריות ה-AI של OrcaRouter שבו כל ערך נושא מקורות משלו, חומרה, דרגת ביטחון ודגל מחלוקת.

מה שהופך את הצמד לראוי לכתבה ולא להערת שוליים הוא שהם תחליפים, לא סולם עם שלב אמצעי. אתה לא מריץ d1 ונופל בחזרה ל-d1-ultra במקרים קשים כמו שהיית עושה עם מודל גנרטיבי קטן וגדול, כי שניהם נגישים רק דרך אותה מחרוזת מודל באותו גוף בקשה. ההחלפה עולה מילה אחת במטען JSON. לכן השאלה אינה אם השדרוג זמין מבחינה טכנית — אלא אם התוספת של $0.022 למיליון טוקני קלט קונה משהו שעומס העבודה הספציפי שלך יכול לחוש בו, ועל כך אפשר להשיב עם המספרים ש-Liquid AI פרסמה.

מה בעצם שונה, במעבר אחד

ההבדלים שנחשפו מעטים יותר ממה שפער המחירים מרמז, ואלו שחסרים חשובים לא פחות מאלו שקיימים.

• מחיר — $0.042 למיליון טוקני קלט עבור d1-ultra לעומת $0.02 עבור d1, שניהם מחויבים על קלט בלבד ללא חיוב על פלט, ושניהם מחשבים תמונות כטקסט בקצב של 1.5 טוקנים לכל מקטע של 32×32 פיקסלים.

• עמוד שדרה — d1-ultra מתואר כבנוי על "מודל גדול יותר עם משקלים פתוחים הכולל סדרה של התאמות כבדות ספציפיות ל-Liquid"; ההכרזה של d1 אומרת רק שהוא נבנה עבור הדור הראשון של המשפחה, בלי שצוין גם עמוד שדרה.

• כיסוי שפות — פוסט ההשקה של Liquid AI עבור d1-ultra מציין 44 שפות. לא פורסם נתון דומה עבור d1.

• מיקום במדד — נטען כי d1-ultra מובילה את Artificial Analysis Decision Index בפער של לפחות שמונה נקודות; d1 הוכרזה עם שש השוואות של יישומים אמיתיים מול GPT-6.1 Sol ו-Claude Opus 5.5, ולא עם ציון מדד.

• מספר פרמטרים — לא נחשף עבור אף אחד מהשניים. גם חלון ההקשר של d1-ultra אינו מצוין על ידי הספק, והוא מופיע רק בקטלוגים של שערים מצד שלישי כ-32,768 טוקנים, שאותו אנו מתייחסים אליו כלא מאומת ולא כמפרט.

• השהיה — עבור d1 פורסם נתון של 200 עד 300 מילישניות להחלטת טקסט. ל-d1-ultra אין כלל נתון השהיה מפורסם.

צמד הפערים האחרון הוא הדבר שכדאי לשים לב אליו. המודל החדש והיקר יותר הוא זה שדף המפרט שלו ריק יותר. מבקשים ממך לשלם פי 2.1 מהתעריף עבור מודל שגודלו, אורך ההקשר ומהירותו כולם אינם גלויים, על סמך טענת כיול ומספר אינדקס שהספק עצמו דיווח עליו.

הטענה ש-Liquid AI למעשה מעלה

קראו היטב את הפוסט על d1-ultra, והמסר אינו דיוק. המסר הוא שדיוק לבדו אינו מספיק למודל קבלת החלטות, משום שמודל קבלת החלטות גם פולט הסתברויות, ורובן אוברקונפידנטיות. מסווג שאומר 0.97 אבל מתכוון ל-0.72 יהרוס צינור עיבוד מבוסס סף גם אם הדיוק שלו ב-top-1 מצוין, משום שכל פעולה אוטומטית שאתם מבצעים מעל אותו סף מתבצעת על הנחה שגויה. d1-ultra אומן, כך נטען בפוסט, במיוחד כדי שההסתברויות שלו יהיו מכויילות טוב יותר — וההודעה על השחרור מדווחת שב-112 הערכות ייחודיות הוא גובר על Jev 1.14 בכל משימה עם כיול טוב יותר באותו מחיר.

זו טענת מכירה שונה באמת מ״חכם יותר״, והיא גם הטענה הבודדת שהכי קשה לאמת בכל אחד מהפרסומים עבור גורם חיצוני. שום דבר בהודעה לא מאפשר לך לבדוק כיול על הנתונים שלך לפני שאתה מתחייב. אם הפייפליין שלך לוקח את ה-argmax ומתעלם מההסתברות, טיעון הכיול לא חל עליך, והמקרה של d1-ultra מצטמצם לפער האינדקס. אם הפייפליין שלך קובע ספים לפי ההסתברות — אישור אוטומטי מעל 0.9, הסלמה מתחת לכך — אז הכיול הוא המספר היחיד שחשוב, וזה מספר שתצטרך להפיק בעצמך מדגם מתויג.

כאשר ההכפלה מחזירה את עצמה

תעבוד את זה בהיקף שבו פער התעריפים מפסיק להיות רעש. שער מודרציה ששואל שאלת noul אחת לכל פוסט, 500,000 פוסטים בחודש, בכ-400 טוקני קלט כל אחד, הם 200 מיליון טוקני קלט בחודש.

• ב-d1 — $4.00 לחודש. ב-d1-ultra — $8.40 לחודש. ההפרש של ארבעה דולרים אינו סעיף תקציבי; הוא קטן מהעלות של שעת-מהנדס שהושקעה בהחלטה.

• החילו את אותו שער גם על קלט תמונות, ומספרי הטוקנים מטפסים במהירות, מפני שתמונה אחת בגודל 1024×1024 היא 1,536 טוקני קלט, וכל שאלה מחייבת מחדש גם את הטקסט שלה וגם את כל התמונות שלה. חמש שאלות על אותה תמונה משלמות עבורה חמש פעמים, וזו טעות תכנונית שכדאי להימנע ממנה ללא קשר למודל שתבחרו.

• בקצב של 20 מיליארד טוקני קלט בחודש — מסווג בקנה מידה גדול, לא פיילוט — d1 עולה כ-400 דולר ו-d1-ultra כ-840 דולר. הפער המוחלט הוא כעת ממשי, והוא עדיין מתחת לאלף דולר עבור עומס עבודה שמעבד את השווה לעשרות מיליוני תמונות.

המסקנה שהחישוב הזה כופה אינה זו שאנשים מצפים לה. עבור הרוב המוחלט של עומסי קבלת ההחלטות, פער המחירים בין d1-ultra ל-d1 קטן מכדי להיות הגורם המכריע, כלומר את ההחלטה יש לקבל אך ורק על סמך איכות התשובות. היוצא מן הכלל המעניין פועל בכיוון ההפוך: אם הנפח שלכם באמת עצום והמשימה שלכם קלה — שער בינארי על טקסט קצר, בלי תמונות — לא כדאי לכם להתלבט בין השניים הללו בכלל, מפני ש-d1-3B עם משקולות פתוחות עושה את העבודה הזו באפס לכל קריאה. התמחור של הצמד קרוב מספיק כדי שהשאלה האמיתית היא זו שמתחתיהם.

היכן שמודל החלטה הוא הכלי הלא נכון

שני המודלים מתועדים עבור אותן ארבע משימות: סיווג וניתוב, ניקוד ודירוג, שערים בינאריים ובדיקה מולטימודלית. התיעוד של הספק עצמו בהיר באותה מידה לגבי מה שהם לא מיועדים לו — יצירה חופשית, צ'אט מרובה תורות, תמצות, הסקה פתוחה, כתיבת קוד. אין אסימוני פלט להזרים בזרימה, ולכן אפליקציה שמצפה לקבל טקסט חופשי בחזרה תקבל שגיאה, ולא תשובה גרועה יותר. כדאי לציין זאת, משום שהפיתוי לפנות למודל החלטות כתחליף זול לקריאה גנרטיבית הוא בדיוק האופן שבו פייפליינים מגיעים לשימוש לרעה באחד מהם.

הראיות שפורסמו עבור המודל הישן יותר הן לכל הפחות קונקרטיות. על פני שישה יישומים אמיתיים שנבדקו ב-5 באוקטובר 2026, דווח כי d1 משתווה ל-GPT-6.1 Sol או עולה עליו בארבעה מהם, בעלות נמוכה פי 19 עד פי 200, ומשיב מהר יותר בכל משימה. אחד מאותם שישה היה הרצת בדיקה חזותית על חלקים מארבעה קווי ייצור — לוחות מעגלים, נרות, קשיו ומסטיק, על מערך הנתונים VisA — שבה המודל הבדיל בין תקין לפגום בדיוק של 85 עד 97 אחוזים, ללא אימון ספציפי למשימה. אחר הסיר 52 אחוזים מהטוקנים במעבר דחיסת הקשר. אלה הערכות שמבוצעות על ידי הספק עם מתודולוגיה מוצהרת, והן עדיין מבוצעות על ידי הספק: ריצה אחת לכל מודל לכל יישום, מחירי מחירון ללא הנחות מטמון, וכמה משאלות הקוד והדחיסה נוסחו לאחר שהפייפליין של d1 כבר היה קבוע. קראו אותן כראיות לכך שהקטגוריה עובדת, ולא כלוח תוצאות שאפשר להעביר למשימה שלכם.

החלטת השדרוג, ככלל

התחל ב-d1. לא מפני שזה המודל הטוב יותר — טענת האינדקס אומרת שזה לא — אלא מפני שב-$0.02 למיליון טוקני קלט ללא חיוב על פלט, כמה מאות אלפי קריאות עולות פרוטות, והדרך המהירה ביותר ללמוד אם מודל החלטה מתאים לצינור העיבוד שלך היא להעמיד אחד מול תנועה אמיתית ולהסתכל על התפלגות ההסתברות שהוא מחזיר. תעד את ההסתברויות, לא רק את התוויות. אם הן מתקבצות בצורה הדוקה סביב הקיצוניים והספים שלך יציבים, אתה מקבל כיול בחינם ואין לך סיבה לשלם על יותר.

עבור ל-d1-ultra כאשר מופיע בלוג הזה כשל ספציפי ומזוהה בשמו: שאלת הידע הקשה, הטענה הדו-משמעית ויזואלית, המקרה שבו המודל מחזיר 0.6 ומתכוון לכך. ההגירה היא שינוי של מחרוזת המודל באותה נקודת קצה, כך שהיא יכולה להיות סלקטיבית — d1-ultra בנתיבים שהראו את הכשלים, d1 בכל השאר. זו הצורה הכנה של ההשוואה הזו. זה לא או-או; זו הגדרה פר-נתיב, והתמחור קרוב מספיק כדי שתוכל להרשות לעצמך לטפל בכך באופן כירורגי.

יש עיקום מעשי אחד שכדאי לתכנן לקראתו. אם ההחלטות שלכם מזינות שלב גנרטיבי — תשובה, סיכום, קריאה לכלי — אתם מתחזקים שני קשרי ספקים, לא אחד. OrcaRouter מקפל את החצי השני של זה: מפתח אחד תואם OpenAI על פני יותר מ-200 מודלים גנרטיביים במחיר מחיר המחירון של הספק, כפי שהוא, עם 0% תוספת, כך ששינוי מחיר במעלה הזרם נוחת על החשבון שלכם באותו היום ולא בחידוש החוזה הבא, עם מעבר אוטומטי לגיבוי בין ספקים מאחורי אותה נקודת קצה. כדי לדייק לגבי הגבול: אנחנו לא מארחים את מודלי ההחלטה של Liquid AI, כך שהקריאה ל-d1 או ל-d1-ultra עדיין הולכת ל-API של Liquid AI עצמה, ומה שאנחנו מעבירים הוא כל מה שבא אחרי ההחלטה.

למה לשים לב לפני שמתחייבים ל-d1-ultra בקנה מידה גדול

שני מספרים, ששניהם חסרים כרגע. הראשון הוא השהיה: הנתון של d1 — 200 עד 300 מילישניות — לא אומר לך דבר על d1-ultra, והדגם החדש יותר אינו מפרסם דבר, ולכן כל מסלול רגיש להשהיה צריך לעבור פריסת קנרי ולא הגירה גורפת. השני הוא מדידת כיול בלתי תלויה. ההשוואה של 112 הערכות ויתרון של שמונה נקודות במדד הם דיווח של Liquid AI עצמה, ונתון המדד הגיע למאמר הזה דרך הכרזת הספק וסיקור עיתונאי שלה, ולא מטבלה שיכולנו לטעון בעצמנו. כאשר מישהו ישחזר עקומת אמינות עבור כל אחד מהדגמים על נתונים ציבוריים, פרמיית פי 2.1 תהפוך להחלטת רכש במקום החלטה המבוססת על שיקול דעת.

עד אז, העמדה ששורדת בחינה היא שמרנית. d1 הוא מודל החלטה בעל יכולת, זול, שהוכח על ידי הספק שלו, במחיר שהופך ניסוי לכמעט חינם. d1-ultra הוא שיפור סביר, שלו מצורפת טענה ספציפית שנשמעת ניתנת לבדיקה, ומאחוריו דף מפרט דק באופן יוצא דופן. לשלם כפול עבור השני לפני שיש בידך כשל הוא לקנות ביטוח מפני בעיה שטרם ראית — שבהיקפים האלה, זו לא טעות אלא שגיאת עיגול. רק אל תיתן לשגיאת העיגול להפוך לארכיטקטורה.