d1-omni 対 Liquid AI D1 Ultra：850MBのファイルと0.042ドルのメーター、そしてその計算は予想外だ

最初に抱く直感は、d1-omni を Liquid AI D1 Ultra の隣に置くと、両者はある範囲の両端に位置し、選択は野心の問題だというものです。一方は587Mパラメータのオープンウェイト——今週Ollamaのライブラリに登場したタグではディスク上850MBで、2026年10月5日以降Hugging Faceから約13,900回ダウンロードされているチェックポイントです。もう一方はLiquid AIのフラッグシップ意思決定モデルで、2026年10月15日に発表され、パラメータ数は非公開、ウェイトも公開されておらず、公表されている数値は1つだけで、それはあらゆるベンチマークより重要です。入力トークン100万個あたり0.042ドルです。フロンティアの意思決定をレンタルするか、小さなものを所有するかは、予算の問題のように聞こえます。実際のワークロードでメーターを回すと、たいていは予算の問題ではなくなります——小さなモデルの利点は安いことではなく、自分のものであることです。

その区別は正確に押さえておく価値がある。なぜなら、比較している二つのものは同じ棚に並ぶ二つのモデルではないからだ。Liquid AI D1 Ultra は呼び出すエンドポイントだ。d1-omni は実行するファイルだ。どちらも同じ三種類の問いの形——確率付きのはい/いいえ、ラベルごとの確率付きのラベル、または尺度上の位置——に答え、どちらも出力トークンを一切生成せずに1回のフォワードパスでその答えを返す。その後のすべて、つまり答えにかかるコストや、それらがドリフトしたときに誰が責任を負うかは、二つのうちどちらを選んだかによって決まる。

レンタル側を、Liquid AI が実際に請求する方法に基づいて価格設定したもの

Liquid AI D1 Ultra は入力に対してのみ課金され、100万入力トークンあたり $0.042 です。補完が存在しないため、補完に対する課金はありません。料金表はこれだけですが、興味深いのはその下にある画像に関するルールです。画像はテキストと同じ料金でパッチ単位で課金されます。32×32ピクセルのパッチあたり1.5トークンで、これにより1024×1024の画像は1,536トークンになります。そして、すべての質問はそれぞれ独立したプロンプトとして課金され、状態と添付画像すべてのコピーをそれぞれ保持します。同じ写真について4つの質問をすれば、その写真の料金を4回支払うことになります。

視覚判断が自然に適合するワークロードに数字を当てはめてみましょう。毎晩25,000件の商品リスティングを処理し、各リスティングに1024×1024の写真1枚と約200トークンのリスティングテキストがあり、2つの型付き質問（画像がカテゴリに一致するかどうかのYes/No質問1つ、画質に関するスコア質問1つ）を尋ねるとします。各プロンプトは1,536の画像トークンと200のテキストトークンを運ぶので1,736トークン、質問が2つあるのでリスティングあたり3,472トークンです。これは1回のパスで8,680万入力トークン、およそ$3.65です。毎晩のジョブを1か月続けても、数百ドルの低い側に収まります。

フロンティアの選択肢が高価なものだと思い込んでいた人にとって、これは本当に居心地の悪い結果だ。理由は料金モデルにある。意思決定モデルはトークンを一切出力しないため、コスト曲線には急騰する出力項がなく、質問ごとの再課金は請求書を見て初めて判明する変動要因ではなく、事前に計画できる固定の乗数なのだ。

自分側のこと、そしてそのコストが実際に隠れている場所

d1-omniには呼び出しごとの料金が一切ありません。これは587Mパラメータのモデルで、381Mの共有トランクと判断ヘッド、Liquid AIのLFM2.5-VL-450Mから継承した94MのSigLIP2視覚エンコーダ、112Mの音声エンコーダを備え、LiquidのLFM 1.0条件で公開されています。GGUFビルドは10月6日、MLXビルドは10月12日に続きます。そのコストは、すでに手持ちのハードウェアにかかる費用に加え、誰も比較に含めない部分、つまりそれをそこに維持し続ける作業です。

デプロイを左右する観点において、2つの選択肢が共有する点と共有しない点：

• 重み — d1-omni については LFM 1.0 の下で公開されていますが、Liquid AI D1 Ultra については公開されていません。 Liquid は自社のフラッグシップについて、「より大規模なオープンウェイトモデルを基に、Liquid 固有の大幅なカスタマイズを多数施したもの」とだけ説明しています。基盤はオープンですが、あなたが呼び出すモデルはオープンではありません。

• パラメータ — 587M。d1-omniについては全項目が開示されていますが、d1-ultraについては非公開です。Liquidがサイズを公開していないため、フラッグシップモデルに合わせてハードウェアを選定することはできません。600Mであれば正確に選定できます。Ollamaの混在Q8_0タグでは850MB、BF16タグでは1.2GBです。

• 料金 — d1-omniでは呼び出しごとの料金なし、d1-ultraでは入力トークン100万あたり$0.042、画像は32×32パッチあたり1.5トークン、そして各質問は完全な状態とともに再度課金されます。

• モダリティ — d1-omni はテキストと画像、またはテキストと最大30秒の音声を入力として受け付けますが、1回のリクエストで両方を受け付けることはありません。 d1-ultra はマルチモーダルと説明されていますが、公開されたモダリティの内訳はありません。Liquid が文書化しているのは、質問タイプと画像トークンの規則です。

• コンテキスト — d1-omni ではテキスト、画像、音声の位置を合わせて 16,384 トークン。画像が添付されるたびに、状態と質問のテキストは 896 トークンに切り詰められ、「訓練時どおり」となる。d1-ultra についてはコンテキストの数値が公表されていない。

• レイテンシ — d1-omni の推論数値は未公開。Liquid は、活発に開発中の早期研究リリースと称するチェックポイントについては報告していないと明言しているためです。また d1-ultra はエンドツーエンドで提供されていますが、レイテンシの数値は別途公開されていません。

• キャリブレーション — フラッグシップは明示的にそのために訓練されている。 Liquid が掲げる根拠は、ほとんどの意思決定モデルは過信しがちであるため、d1-ultra はより信頼できる確率を出すように調整されたというものだ。d1-omni には独自のキャリブレーションタグがあるが、600M は実験的なチェックポイントであり、サードパーティがどちらのモデルのキャリブレーションも測定したことはない。

2つのスコアは同じ尺度ではありません

旗艦モデルの横に15.95と書いて引き算したくなるが、それはやめるべきだ。d1-omniの15.95は、Decision Index v0.2.1の公開スプリットに由来する。Liquid AIが自社エントリーを提出するのではなく公式スコアラーで採点したボードであり、サブスコアはKnowledge 8.3、Language 12.9、Retrieval 35.0、Tools 15.1、Arts 6.8で、同じファミリー内のd1-3Bの48.57と対比される。Liquidによるd1-ultraの主張は、Artificial Analysis Decision Indexで少なくとも8ポイント差で1位というものだが、それは別のボードでバージョンも異なり、旗艦モデルが存在する前に公開されたものだ。この2つの数値は異なる物差しで別のものを測っており、このペアを正直に読めば、差が大きいということだけで、40何ポイントもあるということではない。

比較に耐える数値は、誰も公表していないものだ。600Mには推論の数値が一切ないため、自分で測定しなければ、自社ハードウェア上での意思決定あたりのコストを示すことはできない。自前かレンタルかの判断を下すのは、リーダーボードではなく、その測定なのだ。

3つのワークロードに、3つの異なる答え

• 毎晩25,000件の画像チェックをバッチ処理 — Liquid AI D1 Ultraなら1回あたり約3.65ドル、d1-omniなら1.2GBのダウンロードに加えて、指定したGPUのコストがかかります。この規模では、料金は決め手になりません。決め手となるのは、フラッグシップモデルがうたう精度を求めるかどうか、そして毎晩3ドルを払う価値がモデルサーバーの維持よりも高いかどうかです。

• 確率そのものが意思決定となる厳格なゲート — 承認、モデレーションの裁定、しきい値で発動する取引など。ここではキャリブレーションが製品そのものであり、Liquid によれば、この2つのうち d1-ultra だけがそのために特別に訓練されたという。0.6 という自信のある誤った確率は、確率がまったくないより悪い。そして、どちらのモデルについても、それを第三者がまだ検証していない。しきい値が重要なら、境界で信頼する前に、ベンダーのキャリブレーション主張を再現して確認したいはずだ。

• デバイス上の高スループット・低リスク分類器 — 音声コマンドのルーティング、受信箱のトリアージ、出品を人によるレビューのためにフラグ付けする。このワークロードには、ホスト型フロンティアモデルを求める要素は何もない。600Mは850MBで単一のフォワードパスから型付きの回答を返す。それが存在する理由そのものであり、896トークンの画像予算は、状態を表す一文と写真1枚には十分だ。

ルーティング境界が実際にどこに位置するか

どちらのモデルも当社のカタログには含まれていません。それを暗にほのめかすのではなく、はっきりと言っておくべきでしょう。Liquid AI d1-omni-600M の呼び出しも Liquid AI d1-ultra の呼び出しも、当社経由ではなく、お客様自身のハードウェア、またはベンダー自身の API やサードパーティのプラットフォームに送られます。OrcaRouter が担うのは、意思決定モデル自身にはできないパイプラインの残り半分です。587M の意思決定モデルはラベルか確率を返して終わりです。しかし、返信を書く、案件を要約する、スコアに基づいて行動する——そのどれかを何かが担わなければなりません。200以上のモデルに対応する1つのAPIで、各プロバイダーの定価をそのまま反映し、トリアージされたリクエストを複数のモデルに展開する必要があるときにはルーティングDSLも利用できる、というのは、「当社が意思決定モデルをホストしています」という主張よりも地味な話ですが、本当のことです。

何が答えを変えるだろうか

この比較は現在、二つの欠落によって左右されている。Liquid AI D1 Ultraはパラメータ数が公開されていないため、トークンあたりのコストを、それが担う処理の規模と照らして推論することができない。レイテンシの数値もないため、測定なしにそれを前提としたインタラクティブな経路を設計することもできない。そしてd1-omniは、ベンダー自身の判断により推論数値が公開されていないため、自前運用かレンタルかの計算には、自社ハードウェアでのベンチマークでしか埋められない片側が残る。

そのどちらかが決着すれば、意思決定の構図は変わる。d1-ultra に関する独立したキャリブレーション結果が出れば、ゲートの作業負荷の見通しは固まる。そこでは価格が、ほとんどの人が推測するよりすでに一桁安い。Liquid から 600M のレイテンシ値が出れば、まず試すのではなく、自信を持ってインタラクティブ経路に置けるようになる。それまでは、安全な読み方は狭くて地味だ。フラッグシップは無料に近い価格なので、予算だけが理由で自前で何かを動かそうとはならない。そして 600M の本当の強みは、一度ファイルを手にすれば、数値も条件もエンドポイントも、誰にもあなたの知らないうちに変えられないことにある。

このようなリリースの背景にある、文書化されたAI障害やエージェントのインシデントは、OrcaRouter AI Incident Archiveに収集されており、各エントリには独自の情報源、重大度、信頼度グレード、異議申し立てフラグが付いています。