
d1.2 vs Liquid AI D1 Ultra: Setengah Harga, Tertinggal Dua Poin, dan Lebih Baik pada Pekerjaan yang Anda Ulangi
- OrcaBARUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 juta token · 184 tok/s
- tencentBARUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 juta token · 223 tok/s
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 87 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 96 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 juta token · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 juta token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 juta token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
Liquid AI d1.2 berbiaya $0,02 per juta token masukan. Liquid AI D1 Ultra, model yang menjadi unggulan keluarga hingga 16 November 2026, berbiaya $0,042. Pada Artificial Analysis Decision Index v2.1, model yang lebih tua dan lebih mahal itu masih unggul — 70,58 berbanding 68,69 — dan unggul pada lima dari enam evaluasi yang menjadi dasar indeks tersebut. Jadi, perbandingan utama mengatakan bahwa model unggulan tetap menjadi model yang lebih baik, dan perbandingan utama itulah hal yang paling tidak berguna yang dapat Anda ambil dari dua baris ini.
Yang sebenarnya membedakan keduanya adalah bentuk, bukan peringkat. D1 Ultra adalah model untuk penilaian sekali jalan yang sulit: cacat pada papan sirkuit, klaim kerusakan yang diperiksa terhadap foto. d1.2 adalah model untuk ketika ditanyai beberapa hal tentang keadaan yang sama, dengan kecepatan dua kali lipat, dengan jendela konteks yang tercantum di papan sebagai 66k dibandingkan 33k milik D1 Ultra, dan dengan lima jenis jawaban yang tidak dimiliki D1 Ultra. Selisih $0.022 itu nyata; apakah itu selisih yang menentukan migrasi Anda adalah pertanyaan tentang pola permintaan Anda, dan itu bisa dijawab dari baris-baris yang dipublikasikan.
Selisih harga, dalam satuan yang penting
Per token, penggandaan terdengar sepele. Per tugas, rasionya tidak sama, karena kedua model tidak mengonsumsi jumlah token yang sama untuk menjawab pertanyaan yang sama. Artificial Analysis memodelkan biaya per juta tugas pada harga daftar saat ini, dan angka papan itu sendiri adalah $63 untuk d1.2 versus $133 untuk D1 Ultra — selisih 2,1× yang tetap bertahan setelah penghitungan token.
• Harga per juta token input — $0.02 untuk d1.2 vs $0.042 untuk D1 Ultra.
• Biaya yang dimodelkan per juta tugas — $63 vs $133, keduanya pada harga daftar saat ini, keduanya dari board, bukan dari Liquid.
• Decision Index v2.1 — 68,69 (#9 dari 25) vs 70,58 (#6 dari 25).
• Waktu per tugas — 150 md vs 301 md. Model murah yang baru dua kali lebih cepat.
• Jendela konteks — 66k token vs 33k, sebagaimana tercantum oleh Artificial Analysis; postingan peluncuran Liquid sendiri tidak mencantumkan ukuran jendela untuk kedua model.
• Modalitas input — teks dan gambar untuk keduanya, sesuai papan. d1.2 menambahkan audio, menurut vendor, yang belum diikuti oleh lembar spesifikasi papan tersebut.
• Skor Brier, semakin rendah semakin baik — 0,164 vs 0,176. Model yang lebih murah adalah model yang lebih terkalibrasi.
Baca baris terakhir dua kali. Kalibrasi adalah properti yang membuat ambang probabilitas dapat digunakan, dan model dengan harga setengah memenangkannya. Poin yang masih dipegang model unggulan adalah poin tentang mengetahui berbagai hal, bukan tentang mengetahui seberapa yakin ia.
Di mana D1 Ultra masih sepadan dengan harganya

Lima dari enam komponen lebih mendukung model lama, dan pola di dalamnya cukup konsisten untuk dijadikan acuan perencanaan.
• AA-Paperclip, keputusan dokumen — 64,69 untuk D1 Ultra dibandingkan 62,60 untuk d1.2, dengan 51,3% dokumen sepenuhnya benar dibandingkan 44,3%. Lulus semua untuk seluruh dokumen adalah ukuran yang lebih ketat: faktur dengan lima belas bidang yang empat belas di antaranya benar dihitung sebagai gagal.
• EvalSafe-O*NET-AA, penilaian tempat kerja — 88,15 dibandingkan 86,55, dan akurasi 82,9% dibandingkan 79,7%. Perbedaan 1,6 poin pada komponen tersebut, yang mendekati noise floor dari pengulangan.
• AA-Omniscience-Decision v1.1, pengetahuan — 64,39 dibandingkan 60,94, dengan akurasi 28,0% dibandingkan 30,0% dan tingkat non-halusinasi 88,6% dibandingkan 66,6%. Baris akurasi dan baris abstensi tidak sejalan, dan baris abstensi adalah yang mendominasi skor: D1 Ultra menolak jauh lebih sering dan dihargai untuk itu.
• HLE-MultiChoice v1.1, pertanyaan sulit — 47,39 berbanding 44,69. Pada akurasi mentah, selisihnya justru melebar ke arah sebaliknya, 6,09% berbanding 5,30%, dan itu hanyalah noise pada tolok ukur yang seluruh pesertanya berada di bawah sepuluh persen.
• AA-Simetri, invariansi terhadap pengubahan kata — 78,66 berbanding 76,52 pada skor komponen, meskipun d1.2 meloloskan lebih banyak set utuh, 50,0% berbanding 45,8%. Model unggulan menang pada kredit parsial dan kalah pada ukuran yang lebih ketat, sehingga baris ini bukan kemenangan bersih ke arah mana pun.
Jika beban kerja Anda adalah "satu dokumen, satu pertanyaan sulit, jawabannya diberikan kepada manusia yang akan menindaklanjutinya," baris-baris itu menggambarkan tepat kasus di mana produk unggulan lama masih menjadi pilihan yang tepat, dan perbedaan harga pada volume tersebut hanyalah selisih pembulatan.
Di mana d1.2 tidak dekat
Satu komponen bergerak ke arah sebaliknya, dan pergerakannya sangat jauh.
When2Call, keputusan tool dan fungsi — 96,09 untuk d1.2 dibandingkan 93,83 untuk D1 Ultra, dengan akurasi 95,5% dibandingkan 93,0%. Ini adalah komponen yang menentukan apakah agen memanggil fungsi yang tepat dengan argumen yang tepat, dan ini merupakan argumen tunggal terkuat untuk model baru dalam stack agentic.
Lalu ada semua hal yang tidak diukur oleh indeks tersebut. Lima jenis jawaban baru — sebuah nilai beserta karakter asal pembacaannya, span dengan posisi, kotak, hitungan dengan rentang, multi-pilih dengan probabilitas per opsi — hanya ada di d1.2, dan indeks tidak menilai satu pun dari jenis-jenis itu. Angka akurasi mereka adalah milik Liquid sendiri, pada set uji internal yang dibangun dari pemisahan held-out kumpulan data publik, dan hal itu diberi label demikian di mana pun angka tersebut muncul di bawah ini.
Menurut angka vendor, kedua model baru itu berdekatan satu sama lain dan tidak ada baris D1 Ultra sama sekali, karena jenis tugas tersebut belum ada saat model itu dirilis: 98% dan 96% untuk membaca nilai dari struk pada d1.2-ultra dan d1.2, 94%/93% versus 92%/88% pada span data pribadi, 94% untuk keduanya pada lokasi objek, dan 87% versus 90% dalam memilih setiap objek yang ada. Fakta yang relevan untuk perbandingan ini bukanlah persentasenya — melainkan bahwa model lama tidak dapat menyatakan jawaban-jawaban ini, sehingga pipeline yang membutuhkannya tidak sedang memilih di antara dua model. Pipeline itu sedang memilih antara satu model dan sebuah solusi tambal sulam.
Aturan penagihan, yang nilainya lebih dari dua poin indeks

D1 Ultra menagih setiap pertanyaan sebagai prompt tersendiri, termasuk setiap gambar yang dilampirkan. Ajukan sepuluh pertanyaan tentang satu foto, dan foto itu dikenai biaya sepuluh kali: pada tarif yang dinyatakan Liquid sebesar 1,5 token per petak 32×32 piksel, gambar 1024×1024 adalah 1.536 token, sehingga sepuluh pertanyaan membawa 15.360 token gambar sebelum satu kata teks pun. d1.2 menagih teks dan gambar dari suatu permintaan satu kali, dan setiap pertanyaan tambahan hanya menambahkan teksnya sendiri.
Terapkan pada permintaan konkret: dokumen 2.000 token, satu gambar 1024×1024, sepuluh pertanyaan masing-masing sekitar 30 token. Berdasarkan aturan lama, permintaan tersebut membawa sekitar 35.700 token; berdasarkan aturan baru, sekitar 3.840. Pada harga masing-masing model, itu sekitar $0.0015 untuk D1 Ultra versus sekitar $0.00008 untuk d1.2 — kesenjangan harga dan kesenjangan penagihan saling memperkuat, bukan saling meniadakan. Pada 250.000 permintaan per bulan, selisihnya sekitar $375 versus $20.
Ini adalah aritmetika atas deskripsi penagihan milik Liquid sendiri, bukan faktur yang terukur, dan rasionya menyusut menjadi 1× jika Anda mengajukan satu pertanyaan per state. Pertanyaan tunggal itu adalah keseluruhan keputusan: semakin banyak pertanyaan yang Anda ajukan tentang dokumen yang sama, semakin sedikit perbandingan itu benar-benar tentang poin indeks.
Apa yang berubah di klien
Endpoint-nya sama — api.liquid.ai/decisions/v1/systemone — dan string model adalah migrasinya. Tiga jenis pertanyaan asli tetap mempertahankan bentuknya; respons masih berupa JSON terstruktur dengan probabilitas per opsi dan tanpa token keluaran, jadi tidak ada yang berubah pada parsing Anda. Yang Anda dapatkan bersifat aditif dan tidak merusak apa pun yang sudah berfungsi.
Masalahnya bersifat operasional, bukan teknis: D1 Ultra tidak deprecated, kedua model menagih hanya berdasarkan token input, dan Liquid menjual keduanya dari konsol yang sama. Tidak ada pemicu yang memaksa untuk berpindah, yang berarti migrasi tidak akan terjadi dengan sendirinya dan harus dijadwalkan berdasarkan beban kerja yang dapat Anda ukur, bukan berdasarkan tanggal peluncuran.
Menjalankan keduanya tanpa berkomitmen pada salah satu.
Sedikit catatan tentang akses sebelum bagian operasional: d1.2 dan D1 Ultra keduanya dilayani dari API milik Liquid sendiri, dan keduanya tidak ada di katalog kami — ini adalah perbandingan, bukan klaim ketersediaan. Alasan katalog kami relevan sama sekali adalah Jev 1.14, yang memegang EvalSafe-O*NET-AA pada 91.14 sedangkan d1.2 mencapai 86.55, menggunakan bentuk permintaan systemone yang sama, dan menagih $0.042 per satu juta token masukan. Jika keputusan migrasi bergantung pada satu komponen yang tidak boleh Anda kehilangan, itulah model untuk menguji komponen tersebut.
Pembagian yang masuk akal mengikuti gambaran komponen yang telah dikoreksi, bukan judul besarnya. Kirim state multi-pertanyaan, apa pun yang berisi gambar, dan apa pun yang dirutekan agen ke d1.2 — di situlah jendela konteks, kecepatannya, dan When2Call-nya semuanya mengarah ke hal yang sama. Pertahankan penilaian dokumen tunggal yang sulit dan pertanyaan pengetahuan dengan jawaban pasti di D1 Ultra sampai sampel Anda sendiri menyatakan sebaliknya. Dua rute, satu kondisi masing-masing, ditulis berdasarkan jenis pertanyaan alih-alih di-hard-code ke dalam tiga layanan: itulah gunanya DSL perutean, dan karena harga daftar penyedia diteruskan pada markup 0%, perubahan pada harga Liquid mana pun terlihat oleh perutean pada hari itu juga, bukan pada perpanjangan berikutnya. Failover otomatis kemudian mencakup kasus ketika salah satu dari dua model bermasalah di tengah migrasi.

Uji bayangan hampir tidak memakan biaya pada skala ini: beberapa ribu state asli Anda melalui kedua model, bandingkan probabilitas alih-alih label, dan hitung kasus ketika D1 Ultra menyebut 0,85 tetapi salah, lalu bandingkan dengan kasus yang sama pada d1.2. Dasbor menyatakan model baru secara keseluruhan lebih terkalibrasi; sampel Anda adalah satu-satunya yang menunjukkan apakah model itu lebih terkalibrasi pada data Anda, dan angka itulah yang harus menjadi dasar keputusan migrasi.
