d1-omni vs Liquid AI D1 Ultra: File 850MB melawan Meteran $0,042, dan Aritmetikanya Tidak Seperti yang Anda Harapkan

Naluri saat Anda menempatkan d1-omni di samping Liquid AI D1 Ultra adalah bahwa keduanya menempati ujung yang berlawanan dari suatu rentang dan pilihannya adalah soal ambisi. Yang satu adalah 587M parameter bobot terbuka — 850MB di disk dalam tag yang muncul di pustaka Ollama minggu ini, sebuah checkpoint yang telah diunduh sekitar 13.900 kali dari Hugging Face sejak 5 Oktober 2026. Yang lainnya adalah model keputusan unggulan Liquid AI, diumumkan pada 15 Oktober 2026, tanpa jumlah parameter yang diungkapkan, tanpa bobot yang diterbitkan, dan satu angka terbitan yang lebih penting daripada tolok ukur apa pun: $0,042 per juta token masukan. Menyewa model keputusan frontier versus memiliki model kecil terdengar seperti pertanyaan anggaran. Jalankan meteran biaya terhadap beban kerja nyata dan sebagian besar itu berhenti menjadi pertanyaan anggaran — keunggulan model kecil bukanlah bahwa model itu murah, melainkan bahwa model itu milik Anda.

Perbedaan itu layak dipastikan secara tepat, karena dua hal yang dibandingkan bukanlah dua model di rak yang sama. Liquid AI D1 Ultra adalah endpoint yang Anda panggil. d1-omni adalah berkas yang Anda jalankan. Keduanya menjawab tiga bentuk pertanyaan yang sama — ya/tidak dengan probabilitas, label dengan probabilitas per label, atau posisi pada skala — dan keduanya mengembalikan jawaban tersebut dalam satu forward pass tanpa token keluaran yang dihasilkan. Segala hal setelah itu, termasuk berapa biaya jawabannya dan siapa yang bertanggung jawab ketika jawabannya melenceng, berasal dari mana di antara keduanya yang Anda pilih.

Sisi sewa, dengan harga sebagaimana Liquid AI sebenarnya menagihnya

Liquid AI D1 Ultra hanya menagih input, sebesar $0,042 per juta token input, tanpa biaya completion karena memang tidak ada completion. Itulah seluruh daftar tarifnya, dan bagian yang menarik adalah aturan gambar di bawahnya. Gambar ditagih dengan tarif teks berdasarkan patch: 1,5 token per patch 32×32 piksel, sehingga gambar 1024×1024 menjadi 1.536 token. Dan setiap pertanyaan ditagih sebagai prompt tersendiri, yang membawa salinan state dan semua gambar terlampirnya sendiri. Ajukan empat pertanyaan tentang foto yang sama dan Anda membayar foto itu empat kali.

Beri angka pada beban kerja yang secara alami cocok untuk keputusan berbasis visi. Misalkan proses malam hari atas 25.000 daftar produk, masing-masing dengan satu foto 1024×1024 dan sekitar 200 token teks daftar, yang mengajukan dua pertanyaan berjenis — satu ya/tidak tentang apakah gambar cocok dengan kategori, satu pertanyaan skor tentang kualitas gambar. Setiap prompt membawa 1.536 token gambar ditambah 200 token teks, jadi 1.736 token, dan ada dua pertanyaan, jadi 3.472 token per daftar. Itu berarti 86,8 juta token input untuk proses tersebut, atau sekitar $3,65. Pekerjaan malam hari, sepanjang bulan, berada di kisaran rendah ratusan dolar.

Hasil itu benar-benar tidak nyaman bagi siapa pun yang menganggap opsi frontier adalah yang mahal. Model penetapan harganya adalah alasannya: model keputusan tidak pernah mengeluarkan token, sehingga kurva biaya tidak memiliki suku output yang bisa meledak, dan penagihan ulang per pertanyaan adalah pengali tetap yang bisa Anda rencanakan, bukan variabel yang baru Anda temukan di tagihan.

Sisi internal, dan di mana biayanya sebenarnya tersembunyi

d1-omni tidak memiliki harga per panggilan sama sekali. Ini adalah model 587M parameter — 381M trunk bersama dan decision head, encoder visi SigLIP2 94M yang diwarisi dari Liquid AI LFM2.5-VL-450M, dan encoder audio 112M — diterbitkan di bawah ketentuan LFM 1.0 milik Liquid, dengan build GGUF menyusul pada 6 Oktober dan build MLX pada 12 Oktober. Biayanya adalah apa pun perangkat keras yang sudah Anda miliki, ditambah bagian yang tidak dicantumkan siapa pun dalam perbandingan: pekerjaan untuk menjaganya tetap tersedia.

Apa yang sama dan tidak sama antara kedua opsi, dalam dimensi yang menentukan penerapan:

• Bobot — dipublikasikan untuk d1-omni di bawah LFM 1.0; tidak dipublikasikan untuk Liquid AI D1 Ultra. Liquid hanya mendeskripsikan produk unggulannya sebagai "berbasis pada model open-weight yang lebih besar dengan serangkaian kustomisasi berat khusus Liquid". Basisnya terbuka; model yang Anda panggil tidak.

• Parameter — 587M dan dirinci sepenuhnya untuk d1-omni; tidak diungkapkan untuk d1-ultra. Anda tidak dapat menentukan ukuran perangkat keras untuk model unggulan karena Liquid belum menerbitkan ukurannya. Anda dapat menentukan ukuran perangkat keras untuk model 600M secara tepat: 850MB pada tag campuran Q8_0 Ollama, 1,2GB untuk tag BF16.

• Harga — tidak ada harga per panggilan pada d1-omni; $0.042 per juta token input pada d1-ultra, dengan gambar sebesar 1.5 token per patch 32×32 dan setiap pertanyaan ditagih ulang dengan state penuh.

• Modalitas — d1-omni menerima teks plus gambar atau teks plus audio hingga 30 detik, tetapi tidak pernah keduanya dalam satu permintaan. d1-ultra dijelaskan sebagai multimodal tanpa rincian modalitas yang dipublikasikan; yang didokumentasikan oleh Liquid adalah jenis pertanyaan dan aturan token gambar.

• Konteks — 16.384 token untuk d1-omni di seluruh posisi teks, gambar, dan audio secara bersamaan, dipotong menjadi 896 token teks status dan pertanyaan setiap kali gambar dilampirkan, "sesuai pelatihan". Belum ada angka konteks yang dipublikasikan untuk d1-ultra.

• Latensi — tidak ada angka inferensi yang dipublikasikan untuk d1-omni, karena Liquid menyatakan tidak melaporkannya untuk checkpoint yang disebutnya sebagai rilis riset awal yang sedang dalam pengembangan aktif; d1-ultra disajikan secara end-to-end tanpa angka latensi terpisah yang dipublikasikan juga.

• Kalibrasi — model unggulan dilatih secara eksplisit untuk itu.Alasan yang dinyatakan Liquid adalah bahwa sebagian besar model pengambilan keputusan terlalu percaya diri, sehingga d1-ultra disetel untuk menghasilkan probabilitas yang lebih andal. d1-omni membawa label kalibrasitersendiri, tetapi 600M adalah checkpoint eksperimental dan belum ada pihak ketiga yang mengukur kalibrasi kedua model tersebut.

Kedua skor itu bukan satu tolok ukur.

Godaan untuk menuliskan 15.95 di samping model unggulan lalu mengurangkannya. Jangan lakukan itu. Angka 15.95 milik d1-omni berasal dari split publik Decision Index v0.2.1, sebuah papan tempat Liquid AI menilai entrinya sendiri dengan penilai resmi alih-alih mengirimkannya — sub-skor Knowledge 8.3, Language 12.9, Retrieval 35.0, Tools 15.1, Arts 6.8, dibandingkan 48.57 milik d1-3B dalam keluarga yang sama. Klaim Liquid untuk d1-ultra adalah finis di posisi pertama pada Artificial Analysis Decision Index dengan selisih setidaknya delapan poin, yang merupakan papan berbeda dengan versi berbeda, diterbitkan sebelum model unggulan itu ada. Kedua angka itu mengukur hal yang berbeda dengan penggaris yang berbeda, dan pembacaan yang jujur atas pasangan itu hanyalah bahwa selisihnya besar — bukan bahwa selisihnya 40-an poin.

Angka yang bertahan dalam perbandingan justru angka yang tidak diterbitkan siapa pun: 600M sama sekali tidak punya angka inferensi, jadi Anda tidak bisa menyatakan biaya per keputusannya di perangkat keras Anda sendiri tanpa mengukurnya sendiri. Pengukuran itulah, bukan papan peringkat, yang menentukan pilihan memiliki sendiri versus menyewa.

Tiga beban kerja, tiga jawaban berbeda

• Satu batch setiap malam berisi 25.000 pemeriksaan gambar — sekitar $3,65 sekali proses di Liquid AI D1 Ultra, dan pada d1-omni, unduhan 1,2GB ditambah GPU apa pun yang Anda gunakan untuknya. Pada volume ini, meteran bukanlah faktor penentu; faktor penentunya adalah apakah Anda menginginkan akurasi yang diklaim oleh model unggulan, dan apakah tiga dolar per malam lebih layak daripada memelihara server model.

• Gerbang keras di mana probabilitas menjadi keputusan — persetujuan, putusan moderasi, perdagangan yang terpicu pada ambang batas. Di sini kalibrasi adalah produknya, dan d1-ultra adalah satu-satunya dari kedua model yang menurut Liquid dilatih khusus untuk itu. Probabilitas salah yang percaya diri pada 0,6 lebih buruk daripada tidak ada probabilitas sama sekali, dan belum ada pihak ketiga yang memeriksa kedua model untuk itu. Jika ambang batas penting, Anda ingin klaim kalibrasi vendor direproduksi sebelum Anda memercayainya di batas.

• Pengklasifikasi bervolume tinggi dengan taruhan rendah di perangkat — merutekan perintah suara, memilah kotak masuk, menandai listing untuk ditinjau manusia. Tidak ada bagian dari beban kerja ini yang menginginkan model frontier yang dihosting. 600M mengembalikan jawaban bertipe dari satu forward pass dalam 850MB, dan itulah alasan utama keberadaannya; anggaran gambar 896 token pun memadai untuk satu kalimat status dan satu foto.

Di mana batas routing sebenarnya berada

Tidak satu pun dari model tersebut ada dalam katalog kami, dan ada baiknya kita berterus terang soal itu alih-alih menyiratkan sebaliknya: setiap panggilan Liquid AI d1-omni-600M dan setiap panggilan Liquid AI d1-ultra ditujukan ke perangkat keras Anda sendiri atau ke API milik vendor dan platform pihak ketiga, bukan melalui kami. Yang dicakup OrcaRouter adalah separuh bagian pipeline yang tidak dapat dilakukan sendiri oleh model keputusan. Model keputusan 587M mengembalikan label atau probabilitas lalu berhenti; masih ada sesuatu yang harus menulis balasan, merangkum kasus, atau bertindak berdasarkan skor.Satu API untuk 200+ model, dengan harga daftar setiap penyedia diteruskan tanpa diubah dan DSL perutean tersedia ketika permintaan yang telah ditriase perlu disebar ke lebih dari satu model, merupakan klaim yang lebih rendah hati daripada "kami menghosting model keputusan", dan itulah klaim yang benar.

Apa yang bisa mengubah jawabannya

Perbandingan saat ini ditentukan oleh dua hal yang tidak tersedia. Liquid AI D1 Ultra tidak memiliki jumlah parameter yang dipublikasikan, sehingga biaya per token-nya tidak dapat ditimbang terhadap ukuran pekerjaan yang dilakukannya, dan tidak ada angka latensi, sehingga jalur interaktif tidak dapat dirancang berdasarkan itu tanpa pengukuran. Dan d1-omni tidak memiliki angka inferensi yang dipublikasikan atas pilihan vendor itu sendiri, sehingga perhitungan milik sendiri versus sewa memiliki satu sisi yang hanya dapat diisi oleh benchmark perangkat keras Anda sendiri.

Jika salah satu dari itu terwujud, bentuk keputusannya berubah. Hasil kalibrasi independen pada d1-ultra akan menentukan beban kerja gerbang, yang harganya sudah satu orde magnitudo lebih murah daripada dugaan sebagian besar orang. Angka latensi dari Liquid untuk 600M akan memungkinkan seseorang menempatkannya dalam jalur interaktif dengan percaya diri alih-alih mengujinya terlebih dahulu. Sampai saat itu, pembacaan yang aman bersifat sempit dan tidak menarik: model unggulan harganya cukup dekat dengan gratis sehingga anggaran saja tidak akan mendorong Anda untuk menjalankan apa pun sendiri, dan keunggulan nyata 600M adalah setelah Anda memiliki filenya, tidak ada yang bisa mengubah angka, ketentuan, atau endpoint di bawah Anda.

Kegagalan AI yang terdokumentasi dan insiden agen di balik rilis seperti ini dikumpulkan dalam the OrcaRouter AI Incident Archive, tempat setiap entri membawa sumbernya sendiri, tingkat keparahan, peringkat keyakinan, dan penanda sengketa.