Una card di titolo generata intitolata "Un upgrade che costa lo stesso", con il sottotitolo "Liquid AI d1.2-ultra sostituisce Liquid AI d1-ultra". Due barre orizzontali sono impilate: la barra superiore, più corta, è etichettata d1-ultra con il valore 70.58 alla sua estremità destra, la barra inferiore, più lunga, è etichettata d1.2-ultra con 74.85 alla sua estremità destra. Tre chip contornate a destra riportano "contesto 66k, in aumento da 33k", "218 ms per attività, in calo da 301 ms" e "stessi $0,042 per 1M token di input". Il marchio OrcaRouter è composto in basso a destra.
Guides & Insights

d1.2-ultra vs Liquid AI D1 Ultra: stesso prezzo, il doppio del contesto e un aspetto in cui è peggiorato

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Liquid AI d1.2-ultra costa esattamente quanto Liquid AI D1 Ultra: $0,042 per milione di token di input, nessun costo per i token di output, lo stesso endpoint, gli stessi tre tipi di domanda che già invii. È arrivato il 16 novembre 2026, un mese dopo il modello che sostituisce, ed è migliore sul composito — 74,85 contro 70,58 nell’Artificial Analysis Decision Index v2.1, primo su 24 contro sesto. Quindi l’aggiornamento è gratuito e ovvio, e dovresti farlo. Ciò che rende la decisione meritevole di un articolo anziché di un changelog di una riga è che quattro delle sedici metriche componenti pubblicate sono peggiorate, e due di esse sono quelle che una pipeline guidata da soglie avverte maggiormente.

Il pattern è specifico. Il nuovo modello è molto migliore nella lettura dei documenti, molto migliore con le parafrasi e leggermente peggiore nel conoscere le cose e nel rifiutarsi di rispondere. Se la tua pipeline usa Liquid AI D1 Ultra come motore di estrazione, il successore è un vantaggio netto. Se lo usa come gatekeeper che dovrebbe dire «Non lo so» quando il caso è ambiguo, il successore è una decisione a due modelli, non una sostituzione.

Entrambi i modelli su un unico strumento

A generated two-column scoreboard titled ‘d1.2-ultra vs d1-ultra - the scoreboard’. The d1.2-ultra column reads Decision Index 75, AA-Paperclip 75.8 at 67.7% all-pass, AA-Symmetry 86.3, AA-Omniscience accuracy 23.6%, context window 66k and price $0.042 per 1M input. The d1-ultra column reads Decision Index 71, AA-Paperclip 64.7 at 51.3% all-pass, AA-Symmetry 78.7, AA-Omniscience accuracy 28.0%, context window 33k and price $0.042 per 1M input. The footer reads ‘All figures per Artificial Analysis Decision Index v2.1; context windows as listed by Artificial Analysis, not stated by the vendor.’

Questo confronto è insolitamente pulito perché entrambe le righe sono state prodotte dalla stessa organizzazione sulla stessa versione della stessa classifica, cosa che non vale per la maggior parte delle decisioni di aggiornamento. Artificial Analysis ha eseguito d1-ultra e d1.2-ultra su Decision Index v2.1, quindi nulla qui dipende dal confronto tra un numero del fornitore e uno indipendente, né da una revisione dell'indice che ha spostato i paletti tra le due versioni. Il titolo scelto dal fornitore per il nuovo modello — primo posto, due punti di vantaggio — corrisponde alla classifica che cita.

• Prezzo — $0.042 per milione di token di input per entrambi. Identico e invariato dopo l’aggiornamento.

• Indice decisionale v2.1 — d1.2-ultra 74,85 (#1 di 24) vs d1-ultra 70,58 (#6).

• Finestra di contesto — 66k token contro 33k, secondo le specifiche tecniche della scheda. I post di lancio di Liquid non indicano alcuna finestra per nessuno dei due modelli.

• Tempo per attività — 218 ms vs 301 ms. L'aggiornamento è anche un terzo più veloce.

• Costo per milione di attività — 133 $ per entrambi, che è quanto ci si aspetterebbe con un prezzo per token identico e un numero simile di token per attività.

• Brier score — 0,150 vs 0,176, dove un valore più basso è migliore. Questo è il singolo numero che indica più direttamente «meglio calibrato».

La regola di fatturazione è cambiata e vale più dei punti dell'indice.

Con {{1}}d1-ultra{{/1}}, ogni domanda veniva fatturata come un prompt a sé stante, compresa ogni immagine allegata. Fai dieci domande su una fotografia e hai pagato la fotografia dieci volte, il che per un'immagine {{2}}1024×1024{{/2}} significa {{3}}1.536 token{{/3}} moltiplicati per dieci prima che venga conteggiato qualsiasi testo. Con {{4}}d1.2-ultra{{/4}} la richiesta fattura testo e immagini una sola volta, e ogni domanda aggiuntiva aggiunge solo il proprio testo.

Esaminiamolo su una richiesta realistica: un documento da 2.000 token, un'immagine 1024×1024, dieci domande da circa 30 token ciascuna. La vecchia regola addebita circa 35.700 token; la nuova ne addebita circa 3.840. A un identico $0,042 per milione, ciò equivale a $0,0015 contro $0,00016 per richiesta — poco più di nove volte meno costoso per lo stesso lavoro, allo stesso prezzo pubblicato, dallo stesso fornitore, senza alcun titolo di annuncio allegato. A 100.000 richieste al mese, circa $150 diventano circa $16.

Entrambi i valori sono calcoli aritmetici basati sulle descrizioni di fatturazione dei fornitori stessi, non su misurazioni di una fattura reale, e il rapporto dipende interamente da quante domande si fanno per stato. Fai una domanda per documento e i due modelli costano lo stesso. Fanne dieci, e l'upgrade "gratuito" è la maggiore variazione di costo della release.

Cosa fa davvero meglio il nuovo modello

A headless-browser screenshot of the Artificial Analysis model page for d1-ultra, captured 17 November 2026 in English, showing the Liquid AI vendor label, the heading ‘d1-ultra: Release, Decision Index Score, Performance & Price’, a Decision Index score of 71, a 33k-token context window, a time-per-task figure of 301 ms, and a summary describing the model as reasonably priced but notably slow.

Quattro componenti sono saliti, e due di loro sono saliti di molto.

• AA-Paperclip, 30% dell'indice — 75,81 contro 64,69 sul punteggio decisionale, e 67,7% contro 51,3% di documenti completamente corretti. Undici punti di tasso di documenti interamente corretti sulla componente che pesa di più spiegano l'intero guadagno composito di dodici punti. Questo è il numero da guardare se estrai campi da fatture, ricevute o curriculum, perché un documento che manca una delle quindici risposte conta come un errore in ogni caso.

• AA-Symmetry, 15% — 86,34 contro 78,66, con la consistenza all-pass salita dal 45,8% al 56,7%. Riformula la domanda, sposta le opzioni, nega un sì/no e il nuovo modello mantiene la sua risposta molto più spesso.

• When2Call, 10% — 96,49 contro 93,83. Il tool calling era già il punto di forza della famiglia; questo è un incremento più contenuto su un componente che era vicino al suo limite massimo.

• EvalSafe-O*NET-AA, 15% — 89,53 contro 88,15. Un punto e mezzo nel giudizio sui documenti di lavoro, che è vicino al rumore e non va spacciato come un miglioramento.

• AA-Omniscience-Decision v1.1, 15% — 60,80 contro 64,39 sul punteggio decisionale. Quattro punti in meno sulla componente che è metà conoscenza e metà onestà.

• HLE-MultiChoice v1.1, 15% — 46,36 contro 47,39. In calo di un punto sulla componente in cui l'intero campo è debole.

Le due regressioni, in termini semplici

Il calo di onniscienza non è un artefatto di scoring; compare nelle righe sottostanti di accuratezza e astensione, e queste sono in disaccordo tra loro in un modo che vale la pena capire prima di migrare.

• Accuratezza di AA-Omniscience-Decision — d1-ultra ha risposto correttamente al 28,0% delle domande, d1.2-ultra al 23,6%. Il predecessore sapeva di più.

• AA-Omniscience-Decision non-allucinazione — d1-ultra 88,6%, d1.2-ultra 83,8%. Anche il predecessore era migliore nel non inventare una risposta. Entrambe le righe si sono mosse nella stessa direzione, il che significa che si tratta di un vero cambiamento di capacità piuttosto che di un cambiamento nella cautela con cui il modello impiega le proprie astensioni.

• Accuratezza HLE-MultiChoice — 6,09% contro 2,36%, con il nuovo modello ultimo dei 24 per accuratezza grezza. Il suo tasso di non-allucinazione sullo stesso set è aumentato, dal 56,9% al 76,1%, quindi il calo di accuratezza è in parte ottenuto con un maggiore astensionismo. Ma non del tutto: la coppia di omniscienza sopra mostra il modello che risponde meno E azzecca meno.

La conseguenza per una pipeline è più limitata di quanto sembri. Se si applica una soglia sulla probabilità e si inviano i casi a bassa confidenza a un umano, un modello che si astiene di più ti sta facendo un favore, e il dato dell'83,8% di non allucinazione è comunque il sesto su 24. Se usi il modello come filtro automatico su domande che richiedono di conoscere un fatto — questa affermazione è coerente con la policy, questo codice corrisponde alla specifica — il predecessore più economico è misurabilmente migliore e non c'è motivo di non continuare a usarlo per quella porzione.

Cosa devi cambiare nel tuo client

Quasi nulla, ed è proprio per questo che conviene farlo ora anziché tra un trimestre. L'endpoint è lo stesso, api.liquid.ai/decisions/v1/systemone, chiamato con "model": "d1.2-ultra"; i tre tipi di domanda sono invariati; le risposte sono ancora JSON strutturato con una probabilità per opzione e nessun token di output. La migrazione consiste in una modifica di stringa e in un nuovo deploy.

Ciò che è nuovo è additivo, e vale la pena conoscerlo perché elimina espedienti anziché aggiungere funzionalità. Cinque tipi di risposta si aggiungono a quelli esistenti: leggere un valore dalla pagina e restituire i caratteri da cui è stato letto, oppure "non trovato"; restituire ogni intervallo di un certo tipo con le posizioni, il che copre l'anonimizzazione dei PII senza un secondo modello; restituire un riquadro attorno a un oggetto o a ogni istanza più un conteggio; restituire una stima con un intervallo; e restituire ogni opzione applicabile con la relativa probabilità. L'input audio funziona in entrambe le direzioni: la registrazione può essere il soggetto, oppure può essere la domanda, pronunciata anziché digitata.

Le dichiarazioni di accuratezza per quei cinque compiti sono di Liquid stessa, su set di test interni costruiti da split held-out di dataset pubblici, perché nessun benchmark pubblico li copre ancora. Secondo i numeri del fornitore i due modelli sono vicini: 98% contro 96% nel leggere un valore da una ricevuta, 94%/93% contro 92%/88% sugli span PII, 94% ciascuno sulla localizzazione degli oggetti, e sugli ultimi due compiti il modello più vecchio non è quello più debole su ogni riga — il nuovo modello vince nel conteggio entro uno con 93% a 92% e perde nell’individuare ogni oggetto presente con 87% a 90%.

Eseguire quello vecchio e quello nuovo fianco a fianco

Mantenere entrambi è la migrazione onesta, ed è poco costoso: sono stringhe di modello diverse sullo stesso endpoint ed entrambi sono oggi sull'API di Liquid stessa, allo stesso prezzo, con chiavi da console.liquid.ai. Nessuno dei due è nel nostro catalogo, e questo articolo non è un'affermazione di disponibilità per nessuno dei due.

Qui un livello di routing diventa utile perché la suddivisione tra i due modelli è una decisione per singola domanda, non per servizio. Il successore è quello a cui inviare documenti, immagini e qualsiasi cosa su cui applicherai una soglia; il predecessore è quello a cui inviare valutazioni ricche di fatti, dove le sue righe di accuratezza e astensione sono ancora migliori. Componi tutto questo come due route dietro un'unica API — il DSL di routing ti consente di suddividere per tipo di domanda o per dimensione dello stato, anziché per confini di servizio codificati a mano — e i due modelli smettono di competere per lo stesso slot. Nulla, dalla nostra parte, cambia il $0.042 che costa ciascun modello: i prezzi di listino dei provider vengono trasferiti con 0% di ricarico, quindi una variazione di prezzo di Liquid è attiva qui lo stesso giorno anziché al ciclo di fatturazione successivo. E quando l'API di un fornitore ha un pomeriggio storto, il failover automatico è ciò che mantiene in vita la route dei documenti invece di trasformare un provider in un singolo punto di failure per l'intera pipeline.

L'aggiornamento, una riga ciascuno

Scegli d1.2-ultra per i documenti, per le immagini, per gli stati ambigui e per qualsiasi cosa su cui imposti una soglia: è migliore di undici punti sulla componente documenti, di otto sulla simmetria, è un terzo più veloce, raddoppia la finestra di contesto e, se fai più di una domanda per stato, riduce la spesa di un ordine di grandezza.

Tieni d1-ultra per il gating ad alto contenuto fattuale, dove le righe relative all'accuratezza omnisciente e alla non-allucinazione sono entrambe ancora più alte, e dove l'accuratezza HLE è quasi tre volte quella del successore, per quanto entrambi i valori siano piccoli.

Salta del tutto la migrazione solo se i tuoi stati non contengono immagini, una domanda ciascuno e nessuna soglia — il caso in cui i due modelli costano lo stesso e quello nuovo è semplicemente migliore in ogni valutazione che usi. In quel caso l'unico motivo per aspettare sono le diciannove ore necessarie per scoprire che nulla si è rotto.

A headless-browser screenshot of the OrcaRouter model page for typesafe/jev-1.14, captured 17 November 2026 in English, showing the /v1/systemone endpoint, Zero Data Retention availability, an input and output list price of $0.04, and measured latencies of 182 ms and 372 ms.