
d1.2 vs Liquid AI D1: 동일한 $0.02, 6개 구성 요소에서 승리, 그리고 퇴보한 두 개의 정확도 행
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 187 tok/s
- openaiNEWOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 100만 토큰당 · 80 tok/s
- openaiNEWOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 100만 토큰당 · 155 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당 · 196 tok/s
- AlibabaNEWQwen: Qwen4 Max2026-11-16$1.50 / $4.50 100만 토큰당 · 85 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 705 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 139 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 84 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 69 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 100만 토큰당 · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 230 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 101 tok/s
Liquid AI d1.2와 Liquid AI D1은 같은 엔드포인트에서 동일한 정가 — 입력 토큰 100만 개당 $0.02, 입력에만 과금되며 출력 토큰 과금 없음 — 로 제공되며, 동일한 세 가지 질문 유형에 답합니다. 두 모델은 두 세대 차이가 납니다. D1은 이 제품군의 첫 번째 의사결정 모델로, Artificial Analysis가 2026년 9월에 출시된 것으로 기재하고 있으며, d1.2는 2026년 11월 16일에 등장했고 그 사이에 d1.1이 있었습니다. 비교에서 보통 중요하게 여기는 모든 요소 — 가격, 계약, 클라이언트 코드, 배포 형태 — 가 동일합니다. 남는 것은 모델이며, 모델에서는 결과가 한쪽으로 크게 기울지만 깔끔하지는 않습니다. d1.2는 Decision Index v2.1의 여섯 가지 평가를 모두 이기고 전체적으로 7.9점 앞서는 반면, D1은 그 아래에 있는 원시 정확도 항목 중 두 개에서는 여전히 이깁니다.
그 두 행이 이것을 대충 훑지 않고 읽을 가치가 있는 이유입니다. 둘 다 지식 축에 있으며, 둘 다 d1.2를 다른 모든 면에서 더 낫게 만드는 변경의 직접적인 비용입니다 — d1.2는 훨씬 더 자주 거부합니다. 이 비교는 하위 행들을 확인했을 때 "엄격히 더 나은" 업그레이드가 어떤 모습인지 보여주는 템플릿입니다: 큰 복합 이득, 진정한 행동 개선, 그리고 새 모델이 무언가를 포기하는 작고 예측 가능한 지점입니다.
나란히 있는 두 줄

두 모델 모두 동일한 보드의 동일한 버전에서 Artificial Analysis의 점수를 받았으므로, 벤더 수치를 독립적인 수치와 비교할 때 흔히 발생하는 위험이 제거됩니다. 여기 나오는 어떤 수치도 Liquid에서 나온 것이 아닙니다.
• Decision Index v2.1 — d1.2는 68.69(25개 중 9위), D1은 60.78(25개 중 21위). 이제 11개 모델이 둘 사이에 자리하고 있으며, 격차가 충분히 커서 그럴듯한 재실행으로도 좁힐 수 없습니다.
• 입력 토큰 100만 개당 가격 — 둘 다 $0.02. 두 세대에 걸쳐 변동 없음.
• 백만 개 작업당 모델링된 비용 — 둘 다 $63이며, 이는 동일한 토큰 가격과 작업당 유사한 토큰 수에서 예상할 수 있는 값입니다. 어느 쪽도 더 저렴하지 않으며, 보드에서는 둘 다 3위로 순위를 매깁니다.
• 작업당 시간 — 150ms 대 151ms. 사실상 동일하며, 둘 다 206ms인 클래스 중앙값보다 빠릅니다.
• 컨텍스트 윈도 — 게시판에 명시된 대로 둘 다 66k 토큰입니다. Liquid 자체 게시물에는 두 모델 모두에 대한 윈도가 언급되어 있지 않으므로, 이는 벤더 사양이 아니라 제3자의 해석입니다.
• 브라이어 점수는 낮을수록 좋습니다 — 0.164 대 0.196. 선택한 답에 부여된 확률이 0.032만큼 개선되었으며, 비용은 들지 않습니다.
마지막 행은 곱씹어 볼 만한 내용이다. d1.2는 단지 더 자주 맞는 것이 아니라, 자신의 답에 붙이는 신뢰도가 진실에 더 가깝다. 이는 임계값 파이프라인을 작동하게 만드는 바로 그 속성이다. 그리고 그것은 공짜로 따라온다.
6개의 구성 요소와 각 간격의 크기

합성 수치는 매우 불균등한 변화들을 감추고 있으며, 그중 두 가지는 사실상 정확성에 관한 것이 아니다.
• AA-Paperclip, 문서 판정 — d1.2의 경우 62.60 대 54.92, 문서의 44.3%가 완전히 정확함 대 25.7%. 그 전 항목 통과 행은 이 쌍에 대한 이번 릴리스에서 가장 큰 단일 개선입니다. 15개 필드 인보이스에서 14개를 맞혀도 두 모델 모두에서는 실패로 집계되며, d1.2는 문서의 4분의 1을 거의 절반으로 끌어올립니다.
• When2Call, 도구 결정 — 96.09 대 81.59, 정확도 95.5% 대 77.9%. 이것은 모델의 활용 용도를 바꾸는 항목입니다. 77.9%의 D1은 사람을 뒤에 두어야 하는 분류기이고, 95.5%의 d1.2는 라우팅을 맡길 수 있는 분류기입니다.
• AA-대칭성, 불변성 — 76.52 대 58.67, 전체 통과율 50.0% 대 32.5%. 질문을 바꿔 쓰고, 선택지를 재배열하고, 예/아니요를 부정해도: 이전 모델의 답은 바뀌었지만, 새 모델의 답은 대부분 바뀌지 않았다.
• EvalSafe-O*NET-AA, 업무 판단 — 86.55 대 84.21, 정확도 79.7% 대 76.3%. 순위표에서 가장 작은 격차이며, 그 자체로 마이그레이션할 이유는 아닙니다.
• AA-Omniscience-Decision v1.1, 지식 — 58.31 대비 60.94. 거의 3점 차이며, 그 아래 하위 행들이 흥미로운 부분입니다.
• HLE-MultiChoice v1.1, 어려운 질문 — 44.69 대 39.80, 정확도는 5.30% 대 11.79%. 새 모델은 어려운 질문을 더 적게 맞히고도 여전히 5점 더 높은 점수를 받는데, 이는 지수가 선택만이 아니라 확률을 점수화하기 때문이다.
기권에 관한 이야기가 진짜 업그레이드다
환각이 아닌 행들을 함께 살펴보세요. 그 행들은 정확성이 아니라 성격 자체가 달라진 모델을 설명하고 있기 때문입니다.
• AA-Omniscience-Decision 비환각 — d1.2 66.6%, D1 3.3%. D1은 이러한 질문의 39.8%를 정확히 답했고 거의 거절하지 않았습니다; d1.2는 30.0%를 정확히 답하며 훨씬 더 많이 거절합니다.
• HLE-MultiChoice 비환각 — 5.6% 대비 53.9%, D1의 원시 정확도가 두 배 더 높은 벤치마크에서.
• AA-Symmetry all-pass — 50.0% 대 32.5%, 이는 거부가 아니라 일관성을 통해 드러난 동일한 변화입니다.
D1은 이 제품군의 첫 모델이었고, 그에 걸맞게 동작합니다. 답할 수 없는 질문을 받으면 답을 만들어 냅니다. 3.3%의 비환각률은 정답이 응답을 보류하는 것이었던 지식 질문 100개 중 약 97개에서 그렇게 하지 않았다는 뜻입니다. 파이프라인이 저신뢰 사례를 사람 검토자에게 보낸다면, 그 게이트가 작동할지를 결정하는 것이 바로 이 속성입니다. “모르겠습니다”라고 결코 말하지 않는 모델은 임계값을 설정할 대상이 없으며, 그 모델의 0.9 확률은 d1.2의 0.9 확률보다 의미가 적습니다.
주의점은 대칭적이며 명시할 가치가 있습니다: d1.2는 어려운 질문을 더 적게 맞힙니다. 당신의 작업이 확정적인 답이 있고 유보 경로가 없는 지식 질문이라면 — 이 주장이 정책과 일치하는가, 이 코드가 명세와 일치하는가 — 당신은 정확성을 정직성과 맞바꾸는 것이며, 그 거래가 무료가 아닐 수 있습니다.
새 모델이 이전 모델은 답할 수 없는 무엇에 답할 수 있는가
d1.2는 다섯 가지 답변 유형과 오디오 입력을 추가합니다. D1에는 그중 어느 것도 없으며, 응답 계약에 스팬 위치나 바운딩 박스를 위한 필드가 없기 때문에 아무리 프롬프트를 많이 해도 그 격차는 좁혀지지 않습니다.
• 값과 그 값이 읽혀 나온 문자들, 또는 "찾을 수 없음" — 필드마다 두 번째 생성 패스를 제거하는 추출 프리미티브.
• 위치와 함께 각 유형의 모든 스팬 — 이름, 전화번호, 이메일 주소 — 을 요약 프롬프트가 아닌 리댁션 기본 요소로.
• 하나의 객체 주위에 상자를 표시하거나 모든 인스턴스 주위에 상자와 개수를 표시합니다.
• 범위가 함께 제시된 추정치.
• 하나의 승자가 아니라, 각기 확률을 지닌 모든 적용 가능한 옵션.
오디오는 양방향으로 작동합니다. 녹음이 대상이 될 수도 있고, 질문이 될 수도 있습니다. 이 모든 것에 대한 정확도 수치는 Liquid의 것으로, 공개 데이터셋의 홀드아웃 분할로 구축한 내부 테스트 세트에서 나온 것입니다. 새로운 작업을 다루는 공개 벤치마크가 없기 때문입니다 — d1.2-ultra와 d1.2의 경우 영수증에서 값을 읽는 데 98%와 96%, 개인 데이터 스팬에서는 94%/93% 대 92%/88%, 객체 위치에서는 둘 다 94%입니다. 이것들은 벤더가 자체 평가한 것으로 보십시오. 보드에는 이 중 어느 것에 대한 행도 없습니다.
청구 세부 사항 하나가 함께 따라붙습니다. D1에서는 각 질문이 첨부된 모든 이미지를 포함한 자체 프롬프트로 청구되었지만, d1.2에서는 요청이 텍스트와 그림에 대해 한 번만 청구되고 추가 질문마다 자체 텍스트만 추가됩니다. 하나의 1024×1024 사진 — 이미지 1,536토큰 — 에 대해 열 개의 질문을 하면, 예전 규칙은 약 15,360 이미지 토큰을 청구하고, 새 규칙은 1,536을 청구합니다. 동일한 $0.02에서 다중 질문 패턴은 d1.2에서 몇 배 더 저렴하며, 절감은 요율이 아니라 청구 규칙에 있습니다.
문자열을 변경하면 무엇이 깨지나요?

예상보다 적은 변화이며, 예외는 걱정하기보다 테스트해 볼 가치가 있습니다. 엔드포인트는 api.liquid.ai/decisions/v1/systemone로 유지되고, 모델 문자열은 d1.2가 되며, 세 가지 원래 질문 유형은 요청 및 응답 형태를 그대로 유지합니다. 값, 선택, 점수를 보내는 클라이언트는 동일한 JSON을 돌려받습니다.
프로덕션 경로를 전환하기 전에 자체 샘플과 대조해 확인할 세 가지:
• "찾을 수 없음" 파싱. 새로운 응답 유형은 명시적인 부재를 반환할 수 있으며, null이 아닌 값을 가정한 파서는 이 경우 깨집니다. 이는 기능이지만 엄격한 스키마에서는 호환성을 깨뜨리는 변경입니다.
• 임계값 설정. 이제 확률의 의미가 달라졌습니다. d1.2에서의 0.8은 D1에서의 0.8보다 더 신뢰할 수 있는 0.8이므로, 이전 모델의 과신에 맞춰 조정된 임계값은 교체 후 더 드물게 발동할 것입니다. 그대로 이어받지 말고 다시 조정하세요.
• 지식 슬라이스. 업무량의 일부가 문서 읽기보다 사실 판단이라면, 그 슬라이스는 별도로 측정하세요. 이는 새 모델의 더 높은 기권율이 커버리지를 떨어뜨릴 수 있는 유일한 지점이며, 보드의 정확도 행들이 이를 분명히 보여줍니다.
누가 마이그레이션해야 하며, 누가 먼저 측정해야 할까요?
워크로드가 추출, 라우팅, 도구 선택 또는 일관성에 민감한 분류라면 복잡한 절차 없이 마이그레이션하세요. 공개된 모든 행은 d1.2에 유리하고, 가격은 변하지 않으며, 불변성 및 도구 호출 격차는 재실행으로 뒤집히기 어려울 만큼 큽니다.
먼저 워크로드가 대량의 지식 판단인지, 아니면 파이프라인에 수동으로 조정된 확률 임계값이 있는지 측정하세요. 둘 중 어느 것도 D1에 머무를 이유는 아니지만, 둘 다 수천 개의 실제 상태를 두 모델 모두에 통과시켜 레이블이 아니라 확률을 비교해야 하는 이유입니다.
접근성부터 보죠. 마이그레이션 질문은 보통 조달 질문으로 번지니까요. D1과 d1.2는 둘 다 Liquid의 API에 있고, 둘 다 우리 카탈로그에는 없으며, 여기서 가용성을 주장하는 내용은 없습니다. 이 테스트에 들어갈 우리 카탈로그의 모델은 Jev 1.14인데, 이 모델은 EvalSafe-O*NET-AA를 91.14까지 끌어올리는 반면 d1.2는 86.55에서 멈추고, 동일한 systemone 형태를 말하며, 백만 입력 토큰당 $0.042를 청구합니다. 세 모델을 모두 같은 상태에 올리면 라우팅 DSL이 그 분할을 한 번에 써냅니다. 서비스가 아니라 질문 유형을 기준으로요. 제공자 정가를 0% 마크업으로 그대로 적용하므로, 견적에서 보는 $0.02가 실제로 지불하는 $0.02입니다. 자동 페일오버가 바로 이틀 전에 출시된 모델이 라이브 워크로드 전체가 아니라 그중 한 레인만 맡을 수 있게 해주는 것입니다.
그게 비교의 전부입니다. 같은 가격, 같은 계약, 같은 엔드포인트, 둘 사이에는 한 세대의 작업이 있고, 구형 모델이 여전히 보유한 두 개의 정확도 행을 상대로 여섯 개의 종합 우위가 있습니다 — 그 두 행은 모두 지식 축에 있으며, 여기서는 d1.2의 기권이 비용을 초래합니다. 워크로드가 추출, 라우팅 또는 분류라면, 관심 있는 모든 행이 올바른 방향으로 움직였습니다. 검토자 없이 사실 판단을 하는 경우라면, 먼저 섀도 비교를 실행하고 자체 상태에 대한 숫자가 결정하게 하십시오.
