Liquid AI d1-ultra vs Liquid AI d1：同じエンドポイント、同じ質問、2倍の価格 — これがクロスオーバーだ

最も短く正直な答えはこれです：Liquid AI d1-ultraは入力トークン100万あたり$0.042、Liquid AI d1は入力トークン100万あたり$0.02で、どちらも同じURLから同じ3種類の質問タイプで呼び出され、間違えることのコストが呼び出し単価の倍増よりも高くつく場合に使うべきなのは高価な方です。判断はこれだけで、両モデルに構造上の違いが他に何もないため、異例なほどすっきりしています。両者は10日違いでリリースされました——d1は2026年10月5日、Liquid AI初の意思決定モデルとして、d1-ultraは10月15日、このファミリーで最も高性能なモデルとして——そしてどちらも同じことをするために作られています。テキスト、画像、あるいはその両方からなる状態と、1つ以上の型付き質問を受け取り、単一のフォワードパスから確率を返す。生成される出力トークンはゼロで、ストリーミングするものもありません。この種の比較は、失敗モードが表面化する場でもあります。このクラスのモデルの背後にある、文書化されたAIインシデントやエージェントの失敗は、the OrcaRouter AI Incident Archiveに集められており、各エントリにはそれぞれの出典、深刻度、信頼度グレード、係争中フラグが付いています。

このペアが脚注ではなく一本の記事に値するのは、両者が代替品であり、中間段のあるはしごではないからだ。小規模モデルと大規模生成モデルのように、難しいケースでは d1 を実行して d1-ultra にフォールバックする、ということはしない。どちらも同じリクエストボディ内の同じモデル文字列の背後で制御されているからだ。切り替えには JSON ペイロードの1語分のコストしかかからない。したがって問題は、そのアップグレードが技術的に利用可能かどうかではなく、100万入力トークンあたり追加の$0.022が、あなたの特定のワークロードが体感できる何かをもたらすかどうかであり、それは Liquid AI が公表した数値で答えられる。

実際に何が異なるのか、1回のパスで

開示されている相違点は、価格差が示唆するほど多くはなく、欠けているものは、存在しているものと同じくらい重要である。

• 価格 — d1-ultra は入力トークン100万個あたり $0.042、d1 は $0.02。どちらも入力のみの課金で出力料金はなく、どちらも画像をテキストとして32×32ピクセルのパッチあたり1.5トークンとしてカウントします。

• バックボーン — d1-ultra は「一連のLiquid固有の大規模なカスタマイズが施された、より大きなオープンウェイトモデル」を基盤に構築されたと説明されている。d1の発表では、これがこのファミリーの第1世代向けに構築されたとだけ述べられており、バックボーンについても名前は挙げられていない。

• 対応言語 — Liquid AIのd1-ultraのローンチ投稿では44言語と明記されている。d1については、比較可能な数値は公表されていない。

• インデックス順位 — d1-ultraは、Artificial Analysis Decision Indexで少なくとも8ポイント差で首位に立つと主張されている。d1は、インデックススコアではなく、GPT-6.1 SolおよびClaude Opus 5.5との6件の実アプリケーション比較とともに発表された。

• パラメータ数 — どちらについても開示されていない。d1-ultra のコンテキストウィンドウもベンダーによって明示されておらず、サードパーティのゲートウェイカタログに 32,768 トークンとして記載されているだけであり、これは仕様ではなく未確認として扱う。

• レイテンシ — d1 は、テキスト判定で 200～300 ms と公表されていました。d1-ultra には、公表されたレイテンシ値が一切ありません。

最後のその一対の空白こそが注目すべき点だ。より新しく、より高価なモデルのほうが、スペック表はより空欄が多い。サイズ、コンテキスト長、速度のいずれも非公開のモデルに対して、ベンダー自身が報告したキャリブレーションの主張とインデックス数値だけを根拠に、2.1倍の料金を支払うよう求められているのだ。

Liquid AIが実際に主張していること

d1-ultraの投稿をよく読むと、売り込みの中心は精度ではない。精度だけでは意思決定モデルには不十分だ、という点にある。なぜなら、意思決定モデルは確率も出力し、そのほとんどが過信されているからだ。0.97と言いながら実際の確率は0.72である分類器は、トップ1精度が優れていても、閾値ベースのパイプラインを台無しにする。その閾値を超えて実行するあらゆる自動アクションが、誤った前提で行われているからだ。投稿によれば、d1-ultraはその確率がより適切に較正されるよう、特別に訓練された。そしてリリースでは、112件のユニークな評価全体で、同じ価格でより優れた較正を備え、すべてのタスクでJev 1.14を上回ると報告されている。

これは「より賢い」とは本当に異なる販売上の主張であり、どちらのリリースの中でも、外部の人間が検証するのが最も難しい唯一の主張でもある。発表内容のどこにも、導入を決める前に自分のデータでキャリブレーションを確認できるものはない。あなたのパイプラインが argmax を取り、確率を無視しているなら、キャリブレーションの売り込みはあなたには当てはまらず、d1-ultra の主張はインデックス差に帰着する。あなたのパイプラインが確率にしきい値を設けている場合——0.9 を超えたら自動承認、下回ったらエスカレーション——キャリブレーションこそが唯一重要な数値であり、それはラベル付きサンプルから自分で算出しなければならない数値だ。

倍増が元を取れるとき

料金差がノイズではなくなる規模で計算してみよう。モデレーションゲートが投稿ごとに noul の質問を1つ尋ねるとして、月50万件の投稿、1件あたり約400入力トークンなら、月2億入力トークンになる。

• d1 では月額 $4.00。d1-ultra では月額 $8.40。この4ドルの差は予算項目ではない。それを決めるために費やしたエンジニア1時間分のコストよりも小さいのだ。

• 画像入力にも同じゲートを適用すると、トークン数はすぐに跳ね上がる。というのも、1024×1024の画像1枚で1,536入力トークンになり、どの質問でもそのテキストと画像すべてが毎回課金対象になるからだ。同じ写真について5回質問すれば、その写真の分を5回支払うことになる。これは、どのモデルを選ぶにせよ避ける価値のある設計上の誤りだ。

• 月間200億入力トークンという規模——試験運用ではなく大規模な分類器——では、d1のコストは約400ドル、d1-ultraは約840ドルです。絶対的な価格差は今や現実のものとなっており、数千万枚の画像に相当する処理を行うワークロードであっても、その差は依然として1,000ドル未満です。

この算術が導き出す結論は、人々が期待するものではない。圧倒的多数の意思決定ワークロードにとって、d1-ultra と d1 の価格差は決定要因になるには小さすぎる。つまり、判断は完全に回答の品質に基づいて下されるべきだ。興味深い例外は逆方向にある。もしあなたの処理量が本当に膨大で、タスクが簡単なら——短いテキストに対する二値ゲートで、画像なし——これら二つの間で比較検討すべきではない。なぜなら、オープンウェイトの d1-3B がその仕事を呼び出しあたりゼロでこなすからだ。このペアの価格は十分に近く、本当の問いはそれらの下にあるものだ。

意思決定モデルが誤った手段となるのはどのような場合か

両モデルは同じ4つの用途向けに文書化されている。分類とルーティング、スコアリングと評価、二値ゲート、マルチモーダル検査だ。ベンダー自身のドキュメントは、何向けではないかについても同様に明確だ — 自由形式の生成、マルチターンチャット、要約、オープンエンドな推論、コードの記述。ストリーミングする出力トークンは存在しないため、散文が返ってくることを期待するアプリケーションは、より悪い回答ではなくエラーを受け取ることになる。これは明言する価値がある。生成呼び出しの安価な代替として決定モデルに手を伸ばしたくなる誘惑こそ、パイプラインがそれを誤用するに至るまさにその道だからだ。

旧モデルについて公表されている証拠は、少なくとも具体的だ。2026年10月5日にテストされた6つの実アプリケーション全体で、d1はそのうち4つでGPT-6.1 Solと同等かそれを上回り、コストは19～200分の1で、すべてのタスクでより速く回答したと報告された。その6つのうち1つは、4つの生産ラインからの部品——プリント基板、キャンドル、カシューナッツ、チューインガム——をVisAデータセット上で目視検査した実行で、モデルはタスク固有の訓練なしに、良品と欠陥品を85～97パーセントの精度で選別した。別のものは、コンテキスト圧縮パスでトークンの52パーセントを削除した。これらは方法論が明記されたベンダー実施の評価であり、依然としてベンダー実施だ。アプリケーションごと、モデルごとに1回の実行、キャッシュ割引なしの定価、そしてコードと圧縮に関する質問のいくつかは、d1のパイプラインがすでに確定した後に作成された。これらは、このカテゴリが機能する証拠として読むべきであり、自分のタスクにそのまま移せるスコアボードとして読むべきではない。

アップグレードの決定は、原則として

d1から始めよう。より優れたモデルだからではない——その指標の主張はそうではない——が、100万入力トークンあたり$0.02で出力課金なしなら、数十万回の呼び出しでも数セントしかかからない。そして、ある意思決定モデルが自分のパイプラインに適しているかを見極める最速の方法は、実際のトラフィックの前に置いて、返ってくる確率分布を見ることだ。ラベルだけでなく、確率もログに残そう。それらが極端な値の周辺にきつく密集していて、しきい値が安定しているなら、キャリブレーションを無料で得ているのであり、それ以上に金を払う理由はない。

そのログに、特定の名指しできる失敗が現れたときに d1-ultra へ移行する。難しい知識の問い、視覚的に曖昧な主張、モデルが 0.6 を返し、それが本心である場合。移行は同じエンドポイント上でのモデル文字列の変更なので、選択的に行える — 失敗が現れたルートでは d1-ultra、それ以外はすべて d1。これがこの比較の正直な形だ。二者択一ではない。ルートごとの設定であり、価格は十分に近いので、ピンポイントで対応する余裕がある。

実務上、計画しておく価値のある注意点が1つあります。意思決定が生成ステップ——返信、要約、ツール呼び出し——に供給される場合、維持すべきベンダー関係は1つではなく2つになります。OrcaRouterはその後半部分を一本化します：200以上の生成モデルにまたがる単一のOpenAI互換キーを、プロバイダー定価のまま0%のマークアップで提供し、そのため上流での価格変更は次回の契約更新時ではなくその日のうちに請求に反映されます。また、プロバイダー間の自動フェイルオーバーが同じエンドポイントの背後で機能します。境界を正確に述べると、当社はLiquid AIの意思決定モデルをホストしていないため、d1やd1-ultraの呼び出しは依然としてLiquid AI自身のAPIに送られます。当社が担うのは、意思決定より下流のすべてです。

d1-ultraを大規模に導入する前に注意すべきこと

2つの数値が、どちらも現時点で欠けている。1つ目はレイテンシーだ。d1の200～300ミリ秒という数値は、d1-ultraについて何も教えてくれないし、より新しいモデルは何も公表していない。したがってレイテンシーに敏感なルートは、一括移行するのではなくカナリア展開すべきである。2つ目は独立したキャリブレーション測定だ。112評価の比較と8ポイントの指数差はLiquid AI自身の報告によるもので、その指数の数値は、われわれ自身が読み込める表からではなく、ベンダーの発表とそれを報じた報道を通じて本記事に届いたものだ。どちらかのモデルについて公開データで信頼性曲線を誰かが再現すれば、2.1倍の割増は、判断の域を出て購入判断の材料になる。

それまでは、精査に耐えうる立場は保守的なものになる。d1 は、能力があり、安価で、ベンダー自身が実証済みとする意思決定モデルであり、その価格なら実験はほぼ無料でできる。d1-ultra は、もっともらしい改善で、具体的で検証できそうな響きの主張が添えられている一方、その裏付けとなる仕様書は異常に薄い。失敗をまだ手にしていない段階で2つ目に倍額を払うのは、まだ観測していない問題に対する保険を買うことに等しい——この規模では、それは誤りというより丸め誤差だ。ただし、その丸め誤差をアーキテクチャにまでしてはならない。