
Liquid AI d1.2、音声入力とボックス出力に対応——そして安価なモデルこそが興味深い
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100万トークンあたり · 180 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100万トークンあたり · 223 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100万トークンあたり · 89 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100万トークンあたり · 98 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100万トークンあたり · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100万トークンあたり · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100万トークンあたり · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100万トークンあたり · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100万トークンあたり · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100万トークンあたり · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447知能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100万トークンあたり · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929知能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100万トークンあたり · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733知能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100万トークンあたり · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740知能
Liquid AI d1.2 と Liquid AI d1.2-ultra は2026年11月16日にベンダーのAPIで提供開始され、見出しの数字は高価格な方のものだ。d1.2-ultra は Artificial Analysis Decision Index v2.1 で75を記録し、同ボードがランク付けする25の意思決定モデルの中で首位となった。より重要な変化はリーダーボードではなくリクエストボディにある。両モデルは現在、前世代には表現できなかった回答を返す——値とその読み取り元の文字、位置情報付きのスパンのリスト、バウンディングボックス、範囲付きのカウント、それぞれが独自の確率を持つ選択肢のセット——そして両モデルは、質問の対象としてでも、質問そのものとしてでも、音声を受け付ける。
これは精度向上とは種類の異なるリリースです。従来の判定モデルはラベルと確率を返すだけだったため、ラベルの根拠を必要とするパイプラインは、それを得るために2つ目のモデルを後付けする必要がありました。d1.2は根拠を添えて、1回のフォワードパスで、100万入力トークンあたり0.02ドルで応答します。d1.2-ultraも同じことを0.042ドルで行います。どちらも出力トークンを生成しないため、ストリーミングできるものは依然としてありません。これらは呼び出すと構造化オブジェクトが返ってくるモデルです。
両方とも{{1}}本日、Liquid 自身の API で稼働しており、ベンダーが確認する限りそれ以外の場所では稼働していません{{/1}}。以下の内容はすべて、{{2}}Liquid が報告している数値と Artificial Analysis が測定した数値{{/2}}を分けて示しています。なぜなら、今回のリリースでは両者は同じ数値の集合ではなく、その違いが重要だからです。
実際に出荷されたもの、項目ごとに
5つの新しい回答タイプは追加的なものです。エンドポイントは変更されておらず、元の3つの質問タイプも変更されておらず、昨日と同じJSONを送信するクライアントは同じ形のレスポンスを受け取ります。
• 値を読み取る — 請求書の支払期日金額を尋ねると、その数値と、それが読み取られた元の文字列を取得できます。フィールドが存在しない場合は「not found」という文字列が返ります。これは最も多くグルーコードを削減する機能です。というのも、通常の回避策はページを再読み取りするための2回目の生成呼び出しだからです。
• ある種類のスパンをすべて見つける — ノート内のすべての名前、電話番号、メールアドレスを、それぞれのテキスト内位置とともに。これは墨消しのプリミティブであり、このファミリーがそれを提供するのは今回が初めてだ。
• 画像内の対象を特定する — スキャンした書式の署名を囲む1つのボックス、またはあるオブジェクトのすべての出現箇所を囲むボックスとその個数。「見つかりません」も回答として用意されており、これは見た目以上に重要です。常にボックスを返さなければならない物体検出器は、存在しないボックスをでっち上げてしまうからです。
• 範囲付きで数を見積もる — 写真には12人、妥当なところ10〜14人。範囲こそが出力の誠実な部分であり、多くのチームなら本来自分たちで調整しなければならない部分でもある。
• 該当するすべての選択肢を選ぶ — 単一の勝者ではなく、請求と配送のそれぞれに独自の確率を持たせる。多ラベル分類は以前、ラベルごとに同じ質問を1回ずつ行い、そのたびに状態のコストを支払うことで擬似的に実現されていました。
音声は両方向から届く。録音そのものが対象になることもある——どの言語が話されているか、背景にサイレンがあるかどうか——し、質問が入力されるのではなく話されることもある。Liquidは、ESC-50とFLEURSにわたるホールドアウト録音において95%から97%の精度を報告しており、1問あたり3~6個の選択肢があり、スペイン語とポルトガル語のようによく似た紛らわしい混同も含まれている。
請求に関する変更が1つ付随していて、見落としやすいものです。1回のリクエストでは、そのテキストと画像が一度だけ課金され、追加の各質問はそれ自体のテキスト分だけが加算されるようになりました。前世代では、すべての質問が添付画像を含むプロンプト全体を再課金していたため、1枚の写真に対して10問の質問をすると、その写真の分を10回支払うことになりました。
盤面、そして第一位が何の中で第一位なのか

Artificial Analysisは新しい2モデルをいずれもDecision Index v2.1でスコア化しており、その数値はベンダーによる報告ではありません。評価ボードが同じ6つの評価で、現在の定価を用いて自ら実行したものです。d1.2-ultraは74.85で、25の意思決定モデル中1位、最も近い意思決定モデル競合であるDrex Max v1.1の72.62を2.2ポイント上回っています。d1.2は68.69で25中9位、クラス中央値66を上回っています。
持ち歩く価値のある但し書きは、「first」には適用範囲があるということだ。同じボードは、同じ測定器で2つの汎用言語モデルも採点しており、どちらもd1.2-ultraを完全に上回っている。Claude Haiku 5.5(Max)が76.49、GPT-6 Luna(Max)が75.67だ。どちらも意思決定モデルではなく、比較のコストは甚大で、100万タスクあたり$6,218と$1,548に対して$133だが、「Decision Indexで1位」から「decision」という語を抜かした「1位」は、ボードが示している内容ではない。
ボードが独立に裏付けるのは、キャリブレーションの話だ。この指数の決定スコアは、選ばれた回答に付与された確率のブライアスコアを差し引くため、正解でも過度に自信過剰なモデルは罰せられる。d1.2-ultraのブライアスコアは0.150、d1.2は0.164、そして置き換えられるモデルd1-ultraは0.176だ。安価な新モデルは総合スコアが1.9ポイント低いにもかかわらず、旧フラッグシップよりもキャリブレーションが優れている。これは、他者がハーネスを実行したときに初めて現れる種類の乖離だ。
時間とコストは全体像を完成させ、互いに相反する方向に働きます。d1.2はタスクあたり150 msで動作し、ボード上で8番目に速く、中央値206 msをわずかに下回ります。d1.2-ultraは218 msで動作し、中央値より遅く15位です。100万タスクあたりのコストでは、ボードはd1.2を$63で25件中3番目に安いとし、d1.2-ultraを$133で、中央値$137に対して11位としています。
新しいタスクの番号と、それを作成した人

5つの新しい回答タイプはいずれも、まだ公開ベンチマークではカバーされていません。そのため、それらに関するすべての精度数値は、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Liquid自身の社内テストセットに由来します。これはベンダーが自ら選んだデータで自社モデルを評価したものであり、まさにそのとおりに読むべきものです。
• レシートから値を読み取ること、{{1}}CORD{{/1}}および{{2}}SROIE{{/2}}で — {{3}}d1.2-ultra{{/3}}では98%、{{4}}d1.2{{/4}}では96%。読み取りは、対象を見つけた場合、または対象が存在しないと正しく判定した場合に正しいと見なされるため、見つからないケースもスコアの一部となり、無条件でパスするわけではない。
• 個人データのスパン(Nemotron PII 上)— ultra では適合率94%、再現率93%、d1.2 では92%と88%。再現率の5ポイント差は、5つのタスクのいずれにおいても2モデル間で最大の開きであり、これは秘匿化にとって重要な差です。秘匿化では、スパンを見逃すことが罰金につながる失敗だからです。
• RefCOCOファミリーにおける物体位置特定 — 両方とも94%。まったく差はありません。
• COCO での 1 以内カウント — ultra は 93%、d1.2 は 92%。
• COCO で存在するすべてのオブジェクトを検出する項目では、ultra が 87%、d1.2 が 90% となり、安価なモデルが勝つ唯一の行です。
つまり、プレミアム版は値の読み取りとスパン想起では明確な向上が得られますが、空間タスクではほとんど何も得られません。用途がボックスなら、まず試すべきは$0.02のモデルです。
オーディオ、そして追いついていない仕様書
音声は、発表と独立系の記録の間の隔たりが最も大きい主張である。Liquidの投稿は、音声入力を両モデルの目玉機能として説明している。一方、Artificial Analysisの両モデル向け技術仕様は依然として入力モダリティをテキストと画像としており、同インデックスには音声評価がない。したがって、ボード上でこの主張を検証するものは何もない。これは矛盾ではない——ボードが単にそこまで到達していないだけだ——が、音声機能が現時点では第三者による検証を伴わないベンダーの主張にとどまることを意味している。
同じ注意は、5つの新しい回答タイプにも当てはまります。この指標はそれらのどれも測定していません。モデルはランキングで1位でも、実際にそれでやりたいことについては測定されていないことがあります。
ベンダーのキャリブレーションテーブルは、別の理由で読む価値がある。5モデルすべてが回答した13のベンチマークと22,505問にわたって、Liquidはキャリブレーション誤差をd1.2-ultraで0.8ポイント、d1.2で1.2、Jev 1.14で2.7、PerplexityのDecider v1.3で3.7、そしてGPT-6 LunaのDecisionsエンドポイントで7.2としている。これらはベンダーが選んだ質問セットに対するベンダー実施の数値である。取締役会のブライアスコアも同じ2モデルについて同じ方向を示しており、今週得られるものとしては最も「第二の意見」に近いものだ。
コストの文をボードと照合しています

Liquidは、異例なほど反証可能な主張をしている。d1.2より安い価格でd1.2より高いスコアを出すモデルはなく、どんな価格でもd1.2-ultraより高いスコアを出すモデルはない。その両方とも、以前と同じ適用範囲の注意書き付きで、ボード上でも成立する。
• 後半は意思決定モデルの中ではほぼ自明に成り立つ——25モデルのボード上で、他に74.85を超えるスコアを出すものは皆無だ。汎用言語モデル2つを含める場合にのみこれは成り立たなくなり、しかもそれらは100万タスクあたり12~47倍のコストがかかる。
• 前半は意思決定ボード上でも成り立つ。d1.2の68.69を上回るスコアの意思決定モデルはすべて、100万タスクあたりのコストがより高い。最も近い安価な挑戦者はPerplexityのDecider v1.3で、スコアは70.41、価格は$68。これは100万タスクあたり5ドルでインデックス2ポイント未満であり、ボードが反例に最も近づくケースだが、それでもLiquidの命題の正しい側にある。
• コスト数値はArtificial Analysis独自のもので、現在の定価に基づいて算出され、インデックスの重みで平均化されています。これらはタスクあたりのモデル化されたコストであり、請求書ではありません。また、プロバイダーが価格を変更すると変動します。
その最後の点こそが、ルーティング層が自らを宣伝するのではなく、その存在価値を発揮する場面だ。今回のリリースはLiquidの課金ルールを変更し、旧フラッグシップに対する低価格モデルの実効価格を半減させ、しかもそれを2日前に行った。当社側では、プロバイダーの定価は0%の上乗せでそのまま反映されるため、ベンダーの値下げは次回の契約更新時ではなく当日にここへ反映される。本記事の$0.02と$0.042はベンダーの数値であり、上乗せして言い換えたものではない。
すでに意思決定モデルを運用しているなら、今週やるべきこと
この記事のどこにも提供開始の告知はない。新しい2モデルはどちらもLiquidのAPI上にあり、どちらも当社のカタログにはまだ掲載されていない。当社のモデルに触れる理由は、このリリースが意思決定モデルのリリースであり、当社が実際に提供している意思決定モデルがJev 1.14だからだ。これはボード上で、あるコンポーネントにおいてd1.2-ultraを上回る唯一の行であり、EvalSafe-O*NET-AAが91.14対89.53、同じsystemoneのリクエスト形状で、入力100万トークンあたり$0.042となる。5つの新しい回答タイプについてどう結論づけるにせよ、セキュリティと職場のセグメントには今日ベンチマークできる既存の選択肢がある。
Liquidが約束するサードパーティ製プラットフォームが実際に登場する前に意味のある動きは、シャドー実行だ。パイプラインがすでに認識している状態をd1.2の両モデルに送り、top-1ラベルではなく確率を比較し、特にモデルが0.8と回答して誤っているケースを調べる。その裾こそ前世代が最も弱かった領域であり、今回のリリースが修正したと主張している点のうち、インデックスでは部分的にしか確認できない唯一のものだ。
自動フェイルオーバーは、2日前に登場したモデルを本番経路に賭けずに試すためのもう半分です。一部のトラフィックをd1.2-ultraにルーティングし、既存モデルをその背後に維持して、あるベンダーで不調が起きても、パイプラインを停止させるのではなく回答率が下がるだけで済むようにします。75が本物かどうかを見極めるには、誰か他の人のベンチマークを待つより安上がりな方法です。
未解決の問いは、これらのモデルが出荷されたかどうかではない——価格とエンドポイントを伴って実際に出荷された——ではなく、5つの新しい回答タイプがLiquid自身のホールドアウト分割の外でも通用するかどうかだ。誰もそれらのいずれについても独立した数値を公表しておらず、誰かが公表するまでは、誠実な見方は、このリリースが完全にベンダー自身の証拠に基づいて、真に有用な出力契約を追加するものだというものになる。
