Liquid AI d1-ultra: il nuovo leader del Decision Index, addestrato a dubitare di sé stesso

Liquid AI d1-ultra è stato rilasciato il 15 ottobre 2026, e la cosa più interessante è un numero che nessuno cita: nell'Artificial Analysis Decision Index, il modello che sostituisce ha ottenuto 2 nella metrica di non allucinazione. Liquid AI d1 era, nella stessa classifica, il modello decisionale più accurato in assoluto nel rispondere a domande di conoscenza — e il peggiore della sua categoria nel riconoscere le domande a cui non poteva rispondere. Liquid AI d1-ultra è la risposta del fornitore a questo, e viene annunciato con la rivendicazione del primo posto: che è in testa al Decision Index con almeno otto punti di vantaggio su ogni altro modello decisionale, compreso quello attualmente in cima a quella classifica, Jev 1.13. Questa rivendicazione è di Liquid, non di Artificial Analysis, e la classifica a cui si riferisce è stata pubblicata prima che questo modello esistesse. Entrambi i fatti sono cruciali, e questo articolo li mantiene legati ai numeri a cui appartengono. Ogni interruzione e rollback dei provider che abbiamo monitorato è registrato nell'Orca AI Incident Archive, che contiene l'intero set di record insieme alle voci adiacenti di questo incidente.

Ciò che il modello è, meccanicamente, è la stessa scommessa che Liquid porta avanti da tutto l'anno. Gli si fornisce uno stato — un payload JSON, un ticket di assistenza, uno screenshot di una dashboard — e un insieme di domande con nome, e legge le risposte dalla propria distribuzione in un singolo forward pass. Nessun campionamento, nessun parsing, nessuna generazione che va fuori controllo. Il contatore di utilizzo del fornitore riporta output_tokens: 0, esattamente come fa per il resto della linea d1.

Ciò che Liquid dice di aver costruito e ciò rispetto a cui lo ha testato

Ogni numero in questa sezione è di Liquid stesso, riportato nel post di lancio, non riprodotto da nessun altro al momento in cui scriviamo. Il modello è descritto come un modello decisionale multimodale costruito su una base open-weight più grande con quella che il post chiama pesante personalizzazione specifica di Liquid, ottimizzata specificamente verso decisioni ad alta intensità di conoscenza — una frase che si legge come un riferimento diretto al problema di calibrazione di seguito. Presenta gli stessi tre tipi di domanda del resto della famiglia. noul è binario: dagli un'affermazione e restituisce P(sì) tra 0 e 1. Choice sceglie un'etichetta e restituisce una distribuzione più una confidenza. Score colloca lo stato su una scala ordinata con probabilità per livello. Tutti e tre restituiscono risultati strutturati e nessuno di essi costa token di output.

Le prove di Liquid consistono in una serie di 112 valutazioni uniche rispetto al suo precedente d1 e a Jev 1.14, la versione più recente di Jev. L'azienda afferma che d1-ultra supera Jev 1.14 in tutti i compiti ed è meglio calibrato allo stesso prezzo. Si tratta di un'affermazione più forte e più specifica di "è in testa alla classifica", ed è anche quella più difficile da verificare, perché la calibrazione è la proprietà che non si può ricavare da un singolo punteggio. Si noti inoltre che Jev 1.14 è un comparatore denominato dal fornitore: non compare da nessuna parte nel nostro catalogo e non siamo riusciti a individuare una riga pubblica del Decision Index per esso.

La superficie API è una singola chiamata non in streaming a POST https://api.liquid.ai/decisions/v1/systemone con "model": "d1-ultra". Non esiste una finestra di contesto pubblicata da nessuna parte nel materiale di lancio, il che è una vera lacuna più che un errore di arrotondamento: per un modello il cui intero compito è ricevere stato, la dimensione dello stato che gli è consentito ricevere è vicina alla specifica principale. Poiché non genera mai token, il costo di output è strutturalmente zero e lo streaming non si applica.

L'indice in questione precede il modello

Artificial Analysis ha pubblicato il Decision Index v1.0 il 13 ottobre 2026 — due giorni prima che d1-ultra esistesse. La classifica si basa su quattro valutazioni ponderate al 25% ciascuna: AA-Omniscience-Decision, un insieme privato di 500 domande valutate per metà sull'accuratezza e per metà sulla non-allucinazione; HLE-MultiChoice, 513 domande a scelta multipla testuali tratte da Humanity's Last Exam; When2Call, una valutazione NVIDIA sul tool calling; e WildGuardTest, il set di classificazione della sicurezza di Ai2.

L'articolo che lo ha introdotto non menziona d1-ultra da nessuna parte, il che non sorprende, ed è per questo che la cifra "otto punti di vantaggio" dovrebbe essere letta come un'affermazione del fornitore anziché come una classifica. Nella classifica pubblicata, Jev 1.13 guida il campo dei modelli decisionali a 58, con GLiDE e M​icrosoft-Decision-1 a pari merito a 54. Due modelli linguistici sono collocati al di sopra di tutti loro: C​laude H​aiku 5.5 (Low) a 61 e GPT-6 Luna (Low) a 55. Fai il calcolo sulla dichiarazione di Liquid e si attesta a 66 o più — al di sopra del miglior modello linguistico della classifica. Può benissimo essere ciò che fa il modello. È anche esattamente il tipo di affermazione che richiede che una terza parte la riproduca prima che chiunque pianifichi su di essa.

Perché la calibrazione, nello specifico, è tutto.

Il fallimento a cui d1-ultra mira è quello che Artificial Analysis ha citato nello stesso articolo. I modelli decisionali, come categoria, sono risultati generalmente troppo sicuri di sé: la probabilità che un modello dichiara per una risposta supera abitualmente quanto spesso quella risposta si rivela corretta. Questo conta più qui di quanto non conterebbe per un chatbot, perché l'intero output di un modello decisionale è una probabilità. Un modello linguistico sicuro di sé ma sbagliato produce un paragrafo che puoi esaminare. Un modello decisionale sicuro di sé ma sbagliato produce un numero su cui una pipeline è progettata per agire.

La dispersione all'interno della classe è ampia, e d1 si trovava all'estremità sfavorevole:

• Precisione decisionale AA-Omniscience — Liquid AI d1 è stato il miglior modello decisionale a 41, con Jev 1.13 a 35. I modelli linguistici nella stessa valutazione hanno ottenuto 52 e 66.

• Tasso di non allucinazione — Liquid AI d1 ha ottenuto 2. Jev 1.13 ha ottenuto 35, Mercury Decide 32, e M​icrosoft-Decision-1 è stato il migliore con 40. Nessun altro modello decisionale nella classifica ha mancato di raggiungere 17.

• Il divario tra quelle due righe è tutto il punto. d1 sapeva di più e ammetteva di meno. Un modello addestrato a colmare quel divario — l'unica dimensione in cui la precedente proposta di Liquid era ultima anziché prima — farebbe progredire la classe anche senza toccare l'accuratezza grezza.

• HLE-MultiChoice — Jev 1.13 era in testa a 21, ogni altro modello decisionale a 15 o meno. Questa è la valutazione in cui il settore ha il maggior margine di miglioramento, e quella su cui la sessione di 112 valutazioni di Liquid non riporta dati.

• When2Call e WildGuardTest — Celeris-1 Decision e GLiDE a pari merito a 84 sul tool-calling, con Jev 1.13 quarto a 81; GLiDE ha guidato la sicurezza a 95, con Decider v1.1 27B e Jev 1.13 insieme a 94.

Quanto costa davvero un milione di decisioni

Il prezzo è la parte del lancio che non richiede precisazioni. Liquid AI d1-ultra viene fatturato a $0,042 per milione di token di input e nulla per l'output, perché non c'è alcun output. Quel prezzo è identico a quello di d1 e identico a quello che addebitiamo per Jev 1.13, il che rende i due modelli direttamente confrontabili sul costo e su nient'altro.

L'aritmetica è abbastanza semplice da fare su un tovagliolo. Uno stato di circa mille token — un payload JSON moderatamente dettagliato, o una pagina di testo — costa $0,042 eseguirlo un milione di volte. I dati di Artificial Analysis sul costo per milione di attività per questa classe si collocano tra $17 e $199, con Jev 1.13 a $42, M​icrosoft-Decision-1 a $31 e Decider v1.1 27B a $17; il tempo mediano per attività nell'intera classe va da 0,06 secondi a mezzo secondo. Una decisione da mille token a $42 per milione di attività si colloca nel mezzo di quella fascia, che è la cosa utile da sapere: il prezzo non è niente di eccezionale per la categoria, e la domanda interessante non è il costo per token ma il costo per decisione corretta.

C'è un dettaglio di fatturazione che coglierà alla sprovvista le persone, e vale la pena leggerlo due volte. Le immagini vengono fatturate come testo di input a 1.5 token per patch di 32×32 pixel, il che rende un'immagine 1024×1024 pari a 1,536 token — e ogni domanda viene fatturata come prompt a sé stante, incluse tutte le immagini allegate. Fai dieci domande separate sulla stessa fotografia e l'immagine viene fatturata dieci volte, quindi quelle dieci domande comportano 15,360 token immagine prima ancora di una singola parola di testo. Raggruppare le domande in un'unica chiamata non ne ammortizza il costo. Se il tuo carico di lavoro è visivo, il numero che governa la tua fattura è domande moltiplicate per token immagine, non documenti moltiplicati per token immagine.

Dove puoi chiamarlo

Liquid AI d1-ultra è ora disponibile sull'API di Liquid stessa, tramite la console Liquid, e nel d1 Playground per chiunque voglia provarlo senza scrivere un client. Il fornitore ha dichiarato che arriveranno altre piattaforme; il riepilogo onesto oggi è l'API del fornitore stesso, con diverse piattaforme di terze parti in arrivo. C'è un esempio di codice nel post di lancio che funzionerà così com'è.

Nota di routing, e non è un pitch: Liquid AI d1-ultra non è nel nostro catalogo, e questo articolo non è una dichiarazione di disponibilità al riguardo. Ciò che è nel nostro catalogo è Jev 1.13 — il modello che attualmente guida il Decision Index — allo stesso prezzo di $0,042 per milione di token di input e allo stesso costo di completamento pari a zero, con una finestra di contesto di 64K, servito attraverso l'identica systemone struttura di endpoint: testo in ingresso, JSON strutturato in uscita, non-streaming. È un caso fortuito utile per chiunque valuti questo lancio, perché significa che lo sfidante e il modello in carica possono essere eseguiti fianco a fianco senza un secondo contratto. d1-ultra si ottiene direttamente da Liquid; quello in carica è già nel nostro catalogo. Entrambi stanno dietro un'unica API per oltre 200 modelli, dove i prezzi di listino vengono passati con markup pari allo 0% e dove il failover automatico significa che un nuovo modello può gestire una fetta di un carico di lavoro reale senza che gli venga affidato tutto quanto.

Quest'ultima parte è la raccomandazione pratica più che un product placement. Un modello che ha un giorno di vita, il cui benchmark di punta non è stato riprodotto in modo indipendente e la cui finestra di contesto non è pubblicata non è qualcosa verso cui instradare il traffico di produzione il primo giorno. È qualcosa da eseguire in shadow run rispetto al modello già presente nello slot. Fai passare gli stessi stati attraverso entrambi, confronta le distribuzioni anziché le etichette, e osserva in particolare il caso in cui d1-ultra dice 0,8 e si rivela sbagliato — perché è il caso su cui verte interamente il lancio, ed è l'unico numero che Liquid non ha pubblicato.

Cosa lo risolverebbe

Tre cose, in ordine decrescente di quanto cambierebbero la decisione.

Il primo è una riga del Decision Index. Finché Artificial Analysis non farà passare d1-ultra attraverso la propria pipeline, il margine di otto punti su Jev 1.13 è un dato del fornitore, e il miglioramento di calibrazione su Jev 1.14 è un dato del fornitore senza alcun riscontro pubblico. La classifica viene aggiornata regolarmente, e un modello decisionale che superasse davvero 66 sarebbe il risultato più interessante della categoria quest'anno, perché collocherebbe un modello non generativo al di sopra di ogni modello linguistico nello stesso indice.

Il secondo è la scheda tecnica mancante. La finestra di contesto, la latenza a una determinata dimensione del batch e la possibilità che le domande condividano un'immagine senza riaddebitarla: sono questi tre numeri a decidere se un carico di lavoro è fattibile, molto prima che lo facciano i punteggi dei benchmark. La generazione precedente di Liquid eseguiva decisioni testuali in 200-300 millisecondi, il che è un utile punto di riferimento ma non una misurazione di questo modello.

Il terzo è la calibrazione fuori dal laboratorio. Le 112 valutazioni di Liquid sono la selezione di compiti del fornitore stesso. L'eccesso di fiducia è una proprietà che si manifesta nella coda — la rara domanda difficile, lo stato ambiguo, l'input proveniente da una distribuzione che il modello non ha mai visto. È qui che d1 ha ottenuto 2, ed è l'unico punto in cui un miglioramento reale sarebbe visibile.

Fino ad allora la posizione onesta è quella noiosa: il prezzo è reale e pubblico, l'endpoint funziona, il difetto peggiore della categoria è identificato correttamente, e la correzione è dichiarata anziché dimostrata. Se lavori su decisioni strutturate, vale un pomeriggio. Non vale una migrazione.