Una card del titolo generata con intestazione ‘Audio in ingresso, box in uscita, prove allegate’, sottotitolo ‘Liquid AI d1.2 e d1.2-ultra - rilasciati il 16 novembre 2026’. Tre card arrotondate riportano ‘75’ sopra ‘#1 di 25 modelli decisionali’, ‘$0,02’ sopra ‘per 1M token di input’ e ‘5’ sopra ‘nuovi tipi di risposta’; tre chip delineati sotto riportano ‘leggere un valore’, ‘localizzare un oggetto’ e ‘ogni opzione applicabile’. Il marchio OrcaRouter è composto in basso a destra.
Guides & Insights

Liquid AI d1.2 arriva con audio in ingresso e box in uscita — e il modello economico è quello interessante

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 e Liquid AI d1.2-ultra sono stati resi disponibili sull'API del fornitore il 16 novembre 2026, e il numero di richiamo spetta al più costoso: d1.2-ultra totalizza 75 sull'Artificial Analysis Decision Index v2.1, primo tra i 25 modelli decisionali classificati dalla board. Il cambiamento più rilevante è nel corpo della richiesta, non nella classifica. Entrambi i modelli ora restituiscono risposte che la generazione precedente non era in grado di esprimere — un valore insieme ai caratteri da cui è stato letto, un elenco di span con le relative posizioni, un bounding box, un conteggio con un intervallo attorno ad esso, un insieme di opzioni ciascuna con la propria probabilità — ed entrambi accettano audio, sia come oggetto della domanda sia come domanda stessa.

Questo è un tipo diverso di rilascio rispetto a un incremento di precisione. Un modello decisionale restituiva un'etichetta e una probabilità, il che significava che qualsiasi pipeline avesse bisogno delle prove alla base dell'etichetta doveva aggiungere un secondo modello per trovarle. d1.2 risponde con le prove allegate, in un singolo forward pass, a $0,02 per milione di token di input. d1.2-ultra fa lo stesso a $0,042. Nessuno dei due genera token di output, quindi non c'è ancora nulla da trasmettere in streaming: sono modelli che chiami e da cui ottieni in risposta un oggetto strutturato.

Entrambi sono attivi oggi sull'API proprietaria di Liquid e in nessun altro luogo che il fornitore confermi. Tutto quanto segue distingue ciò che Liquid riporta da ciò che Artificial Analysis ha misurato, perché in questa release i due non sono lo stesso insieme di numeri e la differenza è importante.

Cosa è stato effettivamente spedito, voce per voce

I cinque nuovi tipi di risposta sono aggiuntivi. L'endpoint è invariato, i tre tipi di domanda originali sono invariati e un client che invia lo stesso JSON che ha inviato ieri ottiene la stessa struttura di risposta.

• Leggi un valore — chiedi quanto è dovuto su una fattura e ottieni il numero insieme ai caratteri da cui è stato letto, oppure la stringa "not found" quando il campo è assente. È quello che elimina più codice di raccordo, perché la soluzione alternativa abituale è una seconda chiamata generativa per rileggere la pagina.

• Trova ogni intervallo di un tipo — ogni nome, numero di telefono e indirizzo email in una nota, ciascuno con la sua posizione nel testo. Questa è una primitiva di redazione, ed è la prima volta che questa famiglia ne offre una.

• Individuare oggetti in un'immagine — un riquadro attorno alla firma su un modulo scansionato, oppure un riquadro attorno a ogni istanza di un oggetto più il conteggio. "Non trovato" è una risposta disponibile, il che conta più di quanto sembri: un rilevatore di oggetti che deve sempre restituire un riquadro ne inventerà uno.

• Stima un numero con un intervallo — dodici persone nella foto, plausibilmente da dieci a quattordici. L'intervallo è la parte onesta del risultato, ed è l'elemento che la maggior parte dei team dovrebbe altrimenti calibrare da sé.

• Scegli ogni opzione applicabile — fatturazione e consegna, ciascuna con la propria probabilità, anziché un unico vincitore. La classificazione multi-label veniva in precedenza simulata ponendo la stessa domanda una volta per etichetta e pagando ogni volta per lo stato.

L'audio arriva in entrambe le direzioni. La registrazione può essere l'oggetto — quale lingua viene parlata, se in sottofondo c'è una sirena — oppure la domanda può essere pronunciata invece che digitata. Liquid riporta un'accuratezza dal 95% al 97% su registrazioni tenute fuori dall'addestramento relative a ESC-50 e FLEURS, con da tre a sei opzioni per domanda e confusioni sottili come spagnolo e portoghese nel mix.

C'è anche una modifica alla fatturazione, facile da lasciarsi sfuggire. Ora una richiesta fattura il proprio testo e le proprie immagini una sola volta, e ogni domanda aggiuntiva aggiunge solo il proprio testo. Con la generazione precedente, ogni domanda rifatturava l'intero prompt, comprese tutte le immagini allegate, così dieci domande su una singola fotografia facevano pagare la fotografia dieci volte.

Il tabellone, e ciò tra cui il primo posto è primo.

A generated two-column scoreboard titled ‘d1.2 vs d1.2-ultra - the scoreboard’. The d1.2 column lists Decision Index 69, #9 of 25; AA-Paperclip 62.6, 44.3% all-pass; AA-Symmetry 76.5; When2Call 96.1; HLE accuracy 5.30%; cost per 1M tasks $63. The d1.2-ultra column lists Decision Index 75, #1 of 25; AA-Paperclip 75.8, 67.7% all-pass; AA-Symmetry 86.3; When2Call 96.5; HLE accuracy 2.36%; cost per 1M tasks $133. The footer reads ‘All scores per Artificial Analysis Decision Index v2.1; the five new answer types are vendor-reported and not on the board.’ The OrcaRouter mark is composited bottom right.

Artificial Analysis ha assegnato un punteggio a entrambi i nuovi modelli su Decision Index v2.1, e i numeri non sono dichiarati dal fornitore: la board ha eseguito i test in proprio, sulle stesse sei valutazioni, ai prezzi di listino attuali. d1.2-ultra si colloca a 74,85, primo su 25 modelli decisionali e con 2,2 punti di vantaggio sul suo rivale più vicino tra i modelli decisionali, Drex Max v1.1 a 72,62. d1.2 si colloca a 68,69, nono su 25, sopra la mediana della classe di 66.

La precisazione da tenere a mente è che «primo» è limitato a un ambito specifico. La stessa classifica valuta inoltre due modelli linguistici generali sullo stesso strumento, ed entrambi superano nettamente d1.2-ultra: Claude Haiku 5.5 (Max) a 76,49 e GPT-6 Luna (Max) a 75,67. Nessuno dei due è un modello decisionale, e il prezzo del confronto è salato — 6.218 $ e 1.548 $ per milione di compiti contro 133 $ — ma «numero uno nel Decision Index» senza la parola «decision» al suo interno non è ciò che mostra la classifica.

Ciò che la board conferma, in modo indipendente, è la questione della calibrazione. I punteggi decisionali su questo indice sottraggono il punteggio Brier della probabilità associata alla risposta scelta, quindi un modello che ha ragione ma è eccessivamente sicuro di sé viene penalizzato. d1.2-ultra ha un Brier di 0,150, d1.2 di 0,164 e il modello che sostituiscono, d1-ultra, di 0,176. Il nuovo modello più economico è meglio calibrato del vecchio modello di punta nonostante totalizzi 1,9 punti in meno nel complesso, ed è il tipo di scarto che emerge solo quando qualcun altro esegue l'harness.

Tempo e costo completano il quadro e tirano in direzioni opposte. d1.2 funziona a 150 ms per attività, ottavo più veloce della classifica e appena sotto la mediana di 206 ms. d1.2-ultra funziona a 218 ms, più lento della mediana e 15º. Sul costo per milione di attività, la classifica colloca d1.2 a $63, terzo più economico dei 25, e d1.2-ultra a $133, undicesimo rispetto a una mediana di $137.

I numeri dei nuovi compiti, e chi li ha prodotti

A headless-browser screenshot of Liquid AI's own release post, captured 18 November 2026 in English, headed ‘d1.2: State-of-the-Art Omnimodal Decision Models’ and dated Nov 16, 2026. The opening paragraph announces d1.2 and d1.2-ultra with audio input and five new tasks, states that d1.2-ultra ranks first among decision models on the Artificial Analysis Decision Index v2.1, and gives $0.02 per million input tokens for d1.2 against $0.042 for d1.2-ultra. A row of task tiles beneath reads ‘Read a value’, ‘Find every passage of a kind’ and ‘Locate things in a picture’.

Nessun benchmark pubblico copre ancora nessuno dei cinque nuovi tipi di risposta, quindi ogni dato di accuratezza che li riguarda proviene dai set di test interni di Liquid, costruiti a partire da split di hold-out di dataset pubblici. Si tratta della valutazione di un fornitore sul proprio modello, effettuata su dati da lui scelti, e vanno letti esattamente come tali.

• Lettura di un valore da uno scontrino, su CORD e SROIE — 98% per d1.2-ultra, 96% per d1.2. Una lettura è considerata corretta quando trova il valore target o dichiara correttamente che è assente, il che rende il caso di valore non trovato parte del punteggio anziché un via libera.

• Span di dati personali, su Nemotron PII: 94% di precisione e 93% di recall per ultra, 92% e 88% per d1.2. Il divario di recall di cinque punti è la separazione più ampia tra i due modelli su uno qualsiasi dei cinque task, ed è quello che conta ai fini dell'oscuramento, dove uno span mancato è l'errore che ti costa una multa.

• Localizzazione degli oggetti, sulla famiglia RefCOCO — 94% per entrambi. Nessuna separazione affatto.

• Conteggio entro uno, su COCO — 93% per ultra, 92% per d1.2.

• Rilevando ogni oggetto presente, su COCO — 87% per l'ultra contro 90% per d1.2, l'unica riga in cui vince il modello economico.

Quindi il premium offre un guadagno netto sulla lettura dei valori e sul recall degli span, e quasi nulla sulle attività spaziali. Se il tuo caso d'uso riguarda i box, il modello da $0.02 è quello da testare per primo.

Audio, e la scheda tecnica che non è ancora al passo

L'audio è l'affermazione con il divario più ampio tra l'annuncio e la documentazione indipendente. Il post di Liquid descrive l'input audio come una capacità di punta di entrambi i modelli; la specifica tecnica di Artificial Analysis per entrambi elenca ancora la modalità di input come testo e immagine, e l'indice non prevede valutazioni audio, quindi nulla nella board mette alla prova l'affermazione. Non è una contraddizione — la board semplicemente non è ancora arrivata a quel punto — ma significa che la capacità audio è attualmente un'affermazione del fornitore senza alcun controllo di terze parti a supportarla.

La stessa cautela vale per i cinque nuovi tipi di risposta: l'indice non ne misura nessuno. Un modello può essere primo in classifica e non misurato su ciò che in realtà vuoi farci.

La tabella di calibrazione del fornitore merita di essere letta per un motivo diverso. Su 13 benchmark e 22.505 domande a cui hanno risposto tutti e cinque i modelli, Liquid stima l'errore di calibrazione a 0,8 punti per d1.2-ultra, 1,2 per d1.2, 2,7 per Jev 1.14, 3,7 per Decider v1.3 di Perplexity e 7,2 per GPT-6 Luna sul suo endpoint Decisions. Sono numeri prodotti dal fornitore su un set di domande scelto dal fornitore. I punteggi Brier della board puntano nella stessa direzione sugli stessi due modelli, il che è la cosa più vicina a una seconda opinione disponibile questa settimana.

Verifica della frase di costo rispetto alla bacheca

A headless-browser screenshot of the Artificial Analysis d1.2 model page, captured 18 November 2026 in English. The summary panel reads ‘d1.2 is above average on the Decision Index and well priced’, gives a Decision Index score of 69 against a median of 66, 150 ms per task against a median of 206 ms, $0.02 per 1M input tokens, and about $63 per 1M tasks to run the index against a median of $137. The technical specification block lists text and image input and a 66k-token context window.

Liquid fa un'affermazione insolitamente falsificabile: nessun modello ottiene un punteggio superiore a d1.2 a un prezzo inferiore, e nessun modello ottiene un punteggio superiore a d1.2-ultra a qualsiasi prezzo. Entrambe le metà superano la verifica, con la stessa avvertenza sull'ambito di prima.

La seconda metà è quasi banalmente vera tra i modelli decisionali — nessun altro nella classifica dei 25 modelli supera affatto 74,85. È falsa solo se si ammettono i due modelli linguistici generali, e questi costano da 12 a 47 volte tanto per milione di attività.

• La prima metà regge sul tabellone decisionale: ogni modello decisionale che totalizza un punteggio superiore al 68,69 di d1.2 costa di più per milione di attività. Lo sfidante economico più vicino è Decider v1.3 di Perplexity a 70,41 e 68 $, che è a meno di due punti di indice per cinque dollari per milione di attività — il punto più vicino a un controesempio a cui arriva il tabellone, e ancora dalla parte giusta della frase di Liquid.

• Le cifre di costo sono di Artificial Analysis stessa, calcolate ai prezzi di listino attuali e mediate con i pesi dell'indice. Si tratta di un costo per attività modellato, non di una fattura, e cambiano se un fornitore modifica un prezzo.

È su quest'ultimo punto che un livello di routing si guadagna il suo posto invece di farsi pubblicità. Questa versione ha cambiato la regola di fatturazione di Liquid, ha dimezzato il prezzo effettivo del modello economico rispetto al vecchio flagship e lo ha fatto due giorni fa. Dal nostro lato, i prezzi di listino dei fornitori vengono trasferiti con un ricarico dello 0%, quindi un taglio del fornitore arriva qui lo stesso giorno anziché al prossimo rinnovo contrattuale — i $0,02 e $0,042 in questo articolo sono i numeri del fornitore, non una loro riformulazione maggiorata.

Cosa fare questa settimana, se gestisci già un modello decisionale

Niente in questo pezzo è un annuncio di disponibilità: entrambi i nuovi modelli sono sull'API di Liquid e nessuno dei due è ancora arrivato nel nostro catalogo. Il motivo per menzionare il nostro è che il rilascio è un rilascio di modelli decisionali, e il modello decisionale che serviamo è Jev 1.14 — l'unica riga della classifica che batte d1.2-ultra su una componente, EvalSafe-O*NET-AA a 91,14 contro 89,53, sulla stessa forma di richiesta systemone a $0,042 per milione di token di input. Qualunque cosa concludiate sui cinque nuovi tipi di risposta, il segmento sicurezza e ambiente di lavoro ha un incumbent con cui potete confrontarvi già oggi.

La mossa che ha senso prima che le piattaforme di terze parti promesse da Liquid compaiano davvero è una shadow run. Invia gli stati che la tua pipeline già vede a entrambi i modelli d1.2, confronta le probabilità anziché le etichette top-1 e guarda in particolare ai casi in cui il modello risponde 0.8 e sbaglia. Quella coda è il punto in cui la generazione precedente era più debole, ed è l'unica cosa che questa versione dichiara di aver corretto che l'indice può confermare solo in parte.

Il failover automatico è l'altra metà del provare un modello vecchio di due giorni senza scommettere un percorso di produzione su di esso: instrada una porzione di traffico verso d1.2-ultra, mantieni l'incumbent alle sue spalle e lascia che un pomeriggio negativo presso un fornitore riduca il tasso di risposta invece di far cadere la pipeline. È un modo più economico per scoprire se 75 è reale che aspettare il benchmark di qualcun altro.

La questione aperta non è se questi modelli siano stati rilasciati — lo sono stati, con prezzi e un endpoint — ma se i cinque nuovi tipi di risposta tengano al di fuori degli held-out split di Liquid stessa. Nessuno ha pubblicato un numero indipendente per nessuno di essi e, finché qualcuno non lo farà, la posizione onesta è che questo rilascio aggiunge un contratto di output davvero utile sulla base di prove interamente del fornitore stesso.