生成されたタイトルカードは「半額で2倍速く」という見出しで、サブ見出しは「Liquid AI d1.2 対 Liquid AI D1 Ultra」。左右に並んだ2枚の大きな角丸カードのうち、左は「d1.2」という見出しで、入力100万トークンあたり「$0.02」、タスクあたり「150 ms」と表示されている。右は「D1 Ultra」という見出しで、入力100万トークンあたり「$0.042」、タスクあたり「301 ms」と表示されている。下のキャプションには「旧フラッグシップは依然として6つのコンポーネントのうち5つで勝利」とあり、3つの枠線付きチップには「コンテキスト 66k 対 33k」「Brier 0.164 対 0.176」「Artificial Analysis による測定」と書かれている。OrcaRouterのマークが右下に合成されている。
Guides & Insights

d1.2 vs Liquid AI D1 Ultra:価格は半分、2ポイント差、そして繰り返しの作業ではより優れる

著者

Gideon Frost

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

Liquid AI d1.2のコストは、入力トークン100万個あたり0.02ドルです。2026年11月16日までこのファミリーのフラッグシップだったモデル、Liquid AI D1 Ultraは0.042ドルです。Artificial Analysis Decision Index v2.1では、より古く高価なモデルの方が依然として先行しており、70.58対68.69となっています。また、この指数を構成する6つの評価のうち5つで先行しています。つまり、見出しの比較ではフラッグシップの方が優れたモデルであり続けていると示されますが、その見出しの比較こそ、この2行から得られる最も役に立たないものです。

実際に両者を分けているのは、順位ではなく形です。D1 Ultra は、難易度の高い単発の判断——基板上の欠陥や、写真と照合して確認する損害請求——向けのモデルです。d1.2 は、同じ状態について複数の事柄を尋ねられるためのモデルで、速度は2倍、コンテキストウィンドウはボードの記載で D1 Ultra の33kに対して66k、さらに D1 Ultra にはない5種類の回答タイプを備えています。$0.022 の差は実在しますが、それが移行を決める差かどうかは、あなたのリクエストパターンに関する問いであり、それは公開されている行から答えられます。

本当に重要な単位で見る価格差

トークン単位では、2倍など些細なことに聞こえる。タスク単位では、同じ比率にはならない。同じ質問に答えるために2つのモデルが消費するトークン数は同じではないからだ。Artificial Analysisは現在の定価で100万タスクあたりのコストをモデル化しており、ボード自身の数値はd1.2が$63、D1 Ultraが$133だ——トークンの計算を経ても残る2.1×の差である。

• 100万入力トークンあたりの価格 — d1.2 は $0.02、D1 Ultra は $0.042。

• 100万タスクあたりのモデル化コスト — 63ドル対133ドル、いずれも現在の定価ベースで、Liquid からではなくボードからの数値です。

• Decision Index v2.1 — 68.69(25件中9位)対 70.58(25件中6位)。

• タスクあたりの所要時間 — 150 ms 対 301 ms。新しい低コストモデルは2倍高速です。

• コンテキストウィンドウ — Artificial Analysisの記載では66kトークン対33k。Liquid自身のローンチ投稿には、どちらのモデルにもウィンドウの記載はない。

• 入力モダリティ — 基板によれば、双方ともテキストと画像。d1.2 はベンダーによれば音声を追加するが、基板の仕様書はそれに追いついていない。

• ブライアスコアは低いほど良好 — 0.164 対 0.176。安価なモデルの方がキャリブレーション精度が高い。

最後の行を2回読んでください。キャリブレーションとは確率閾値を使い物にする性質であり、それを制するのは半額のモデルです。フラッグシップが依然として保持している利点は、物事を知っていることに関するものであり、どれほど確信があるかを知っていることに関するものではありません。

D1 Ultraが依然としてその価格に見合う場面

A generated two-column scoreboard titled ‘d1.2 vs D1 Ultra - the scoreboard’. The d1.2 column lists Decision Index 69, AA-Paperclip 62.6, When2Call 96.1, AA-Omniscience 60.9, context window 66k and time per task 150 ms. The D1 Ultra column lists Decision Index 71, AA-Paperclip 64.7, When2Call 93.8, AA-Omniscience 64.4, context window 33k and time per task 301 ms. The footer reads ‘Both rows per Artificial Analysis Decision Index v2.1; context windows as listed by the board, not stated by the vendor.’ The OrcaRouter mark is composited bottom right.

6つのコンポーネントのうち5つは旧モデルを支持しており、そこに見られるパターンは計画を立てるのに十分なほど一貫している。

• AA-Paperclip、文書判定 — D1 Ultraは64.69、d1.2は62.60、文書全体が完全に正しい割合は51.3%対44.3%。文書全体のオールパスはより厳しい指標です。15項目の請求書で14項目が正しくても、ミスとして数えられます。

• EvalSafe-O*NET-AA、職場での判断 — 88.15 対 86.55、精度 82.9% 対 79.7%。このコンポーネントにおける 1.6 ポイントの差は、再実行時のノイズフロアに近い。

• AA-Omniscience-Decision v1.1、knowledge — 64.39 対 60.94、accuracy 28.0% 対 30.0%、非ハルシネーション率 88.6% 対 66.6%。accuracy 行と abstention 行は一致せず、スコアを支配しているのは abstention 行の方です。D1 Ultra ははるかに頻繁に回答を辞退し、そのことで報酬を得ています。

• HLE-MultiChoice v1.1、難問 — 47.39 対 44.69。生の正解率では差は逆方向に広がり、6.09% 対 5.30% であり、全体が10%未満のベンチマークではそれはノイズだ。

• AA-Symmetry、言い換えに対する不変性 — コンポーネントスコアでは78.66対76.52だが、d1.2はセット全体をより多く通過し、50.0%対45.8%。フラッグシップは部分点で勝ち、より厳しい指標では負けるため、この行はどちらにしても明確な勝利ではない。

ワークロードが「1つの文書、1つの難しい問い、その答えはそれを受けて行動する人間の元へ届く」というものであるなら、そうした行はまさに、旧フラッグシップがいまだに正しい選択となるケースを正確に示しており、その処理量での価格差は誤差の範囲にすぎません。

d1.2 が近くない場合

一方の成分は逆方向に動き、しかも大きく動きます。

• When2Call、ツールと関数の判断 — d1.2は96.09、D1 Ultraは93.83、精度は95.5%対93.0%。これは、エージェントが正しい引数で正しい関数を呼び出すかどうかを決めるコンポーネントであり、エージェント型スタックにおいて新しいモデルを支持する最も強力な単一の根拠です。

次に、インデックスが測定しないあらゆるものがあります。5つの新しい回答タイプ — 読み取り元の文字を伴う値、位置付きのスパン、ボックス、範囲付きのカウント、選択肢ごとの確率を伴う複数選択 — はd1.2にのみ存在し、インデックスはそれらを一切採点しません。それらの精度数値はLiquid独自のもので、公開データセットのホールドアウト分割から構築された内部テストセットに基づいており、以下でどこに現れる場合もそのようにラベル付けされています。

ベンダーの公表数値では、2つの新モデルは互いに僅差で、D1 Ultra の行はまったくありません。出荷時点でこれらのタスク種別が存在しなかったためです。d1.2-ultra と d1.2 では、レシートから値を読み取るタスクで 98% と 96%、個人データスパンでは 94%/93% 対 92%/88%、オブジェクト位置では両方とも 94%、存在するすべてのオブジェクトを選び出すタスクでは 87% 対 90% です。この比較で重要な事実は割合ではなく、古いモデルはこれらの回答を表現できないということです。したがって、それらを必要とするパイプラインは2つのモデルから選んでいるのではありません。1つのモデルと回避策から選んでいるのです。

2つのインデックスポイントよりも価値がある課金ルール

A headless-browser screenshot of the Artificial Analysis d1-ultra model page, captured 18 November 2026 in English, dated October 2026. The summary panel reads that d1-ultra is among the leading models on the Decision Index and reasonably priced, and notably slow: a Decision Index score of 71 against a median of 66, 301 ms per task against a median of 206 ms, $0.042 per 1M input tokens, and about $133 per 1M tasks against a median of $137. The rank badge reads #6/25 on the Decision Index and #11/25 on cost, and the technical specification lists text and image input with a 33k-token context window.

D1 Ultraは、すべての質問を、添付された各画像を含め、それぞれ独立したプロンプトとして課金します。1枚の写真について10問質問すると、その写真は10回課金されます。Liquidの公表値である32×32ピクセルパッチあたり1.5トークンでは、1024×1024画像は1,536トークンなので、10問ではテキストが1語含まれる前に15,360画像トークンを伴います。d1.2は、1つのリクエストのテキストと画像を1回だけ課金し、追加の各質問はそれ自体のテキストのみを加算します。

具体的なリクエストで計算してみましょう。2,000トークンの文書、1024×1024の画像1枚、約30トークンの質問10件です。旧ルールでは、このリクエストは約35,700トークンを消費します。新ルールでは約3,840トークンです。各モデル自身の価格では、D1 Ultraで約$0.0015、d1.2で約$0.00008になります。価格差と課金差は相殺されるのではなく、複合的に効いてきます。月250,000リクエストでは、その差は約$375対$20になります。

これはLiquid自身の請求明細に基づく算術であり、実測された請求書ではありません。そして、状態ごとに質問を1つだけするなら、その比率は1×にまで縮みます。そのたった1つの問いが判断のすべてです。同じ文書について質問を増やすほど、その比較はインデックスポイントとはほとんど関係なくなります。

クライアント側では何が変わりますか

エンドポイントは同じです — api.liquid.ai/decisions/v1/systemone — で、移行対象はモデル文字列です。元の3つの質問タイプはその形式を維持し、レスポンスは引き続き各選択肢の確率を含む構造化JSONで、出力トークンはありません。そのため、パース処理に変更はありません。得られるものは追加的なものであり、既に動作しているものを壊すことはありません。

注意点は技術的というより運用上のものだ。D1 Ultra は非推奨ではなく、両モデルとも入力トークンのみで課金され、Liquid は同じコンソールから両方を販売している。移行を強制する仕組みがないため、移行は自然には起こらず、ローンチ日ではなく測定可能なワークロードを基準にスケジュールすべきだ。

どちらにもコミットせずに両方を実行する

運用面の話の前に、アクセスについて一言:d1.2 と D1 Ultra はどちらも Liquid 自身の API から提供されており、どちらも当社のカタログには載っていません。これは比較であり、提供可否を主張するものではありません。当社のカタログが関係するのは、Jev 1.14が EvalSafe-O*NET-AA で 91.14 を記録し、d1.2 が 86.55 にとどまる一方で、同じ systemone リクエスト形式を受け付け、入力トークン100万個あたり $0.042 で課金するからです。移行の判断が、失うわけにいかない1つのコンポーネントにかかっているなら、そのコンポーネントと比較して試すべきモデルは、これです。

理にかなう分割は、見出しではなく修正されたコンポーネント像に従います。複数質問の状態、画像を含むもの、エージェントがd1.2へ回すものは送ってください — そこではコンテキストウィンドウ、速度、When2Callのリードがすべて同じ方向を指します。単一の難しい文書判定と、明確な答えがある知識質問は、自分のサンプルが反対を示すまでD1 Ultraに残してください。2つのルートをそれぞれ1条件で、3つのサービスにハードコードするのではなく質問タイプ別に書く——それがルーティングDSLの役割であり、プロバイダーのリスト価格が0%のマークアップでそのまま通過するため、どちらかのLiquid価格の変更は次回の更新時ではなく発生した当日にルーティングから見えます。自動フェイルオーバーは、2つのモデルの一方が移行中に不調になった場合をカバーします。

A headless-browser screenshot of the OrcaRouter model page for typesafe/jev-1.14, captured 18 November 2026 in English, showing the /v1/decisions/v1/systemone endpoint family, Zero Data Retention availability, a $0.04 list price per million input tokens, and measured latencies of 182 ms and 372 ms.

この規模ならシャドーランはほぼ無コストです。実際の状態を数千件、両方のモデルに通し、ラベルではなく確率を比較し、D1 Ultra が 0.85 と言って誤ったケースを、d1.2 での同じケースと突き合わせて数えるだけです。取締役会は新しいモデルの方が全体的にキャリブレーションが良いと言っていますが、あなたのデータ上でより良くキャリブレーションされているかどうかを示すのはあなたのサンプルだけであり、移行はその数値を判断の拠り所にすべきです。