
d1.2 vs Liquid AI D1 Ultra: 가격은 절반, 점수는 2점 뒤지지만, 반복하는 작업에서는 더 뛰어나다
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 184 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당 · 223 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 87 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 96 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당 · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
Liquid AI d1.2는 입력 토큰 100만 개당 $0.02입니다. 2026년 11월 16일까지 제품군의 플래그십이었던 Liquid AI D1 Ultra의 비용은 $0.042입니다. Artificial Analysis Decision Index v2.1에서는 더 오래되고 더 비싼 모델이 여전히 앞서며 — 70.58 대 68.69 — 이 지수를 구성하는 여섯 가지 평가 중 다섯 가지에서도 앞섭니다. 따라서 대표적인 비교만 보면 플래그십이 여전히 더 나은 모델이라고 말해 주지만, 그 대표적인 비교는 이 두 행에서 얻을 수 있는 가장 쓸모없는 정보입니다.
실제로 이 둘을 구분하는 것은 등급이 아니라 형태입니다. D1 Ultra는 어려운 단일 판단, 예컨대 회로 기판의 결함이나 사진과 대조해 확인하는 손해 청구를 위한 모델입니다. d1.2는 동일한 상태에 대해 여러 가지를 질문받는 용도로, 두 배 빠른 속도로, 보드에 표기된 컨텍스트 윈도가 D1 Ultra의 33k에 비해 66k이며, D1 Ultra에는 없는 다섯 가지 답변 유형을 갖춘 모델입니다. $0.022 차이는 실재합니다. 그 차이가 마이그레이션을 결정하는 차이인지는 요청 패턴에 관한 질문이며, 이는 공개된 표의 행들로 답할 수 있습니다.
중요한 단위로 본 가격 격차
토큰당으로 보면 두 배는 사소해 보인다. 작업당으로 보면 같은 비율이 아니다. 두 모델이 같은 질문에 답하기 위해 소비하는 토큰 수가 같지 않기 때문이다. Artificial Analysis는 현재 정가 기준으로 백만 작업당 비용을 모델링하며, 보드 자체 수치는 d1.2의 경우 $63, D1 Ultra의 경우 $133으로 — 토큰 계산을 거쳐도 유지되는 2.1× 격차다.
• 입력 토큰 100만 개당 가격 — d1.2는 $0.02, D1 Ultra는 $0.042.
• 백만 건의 태스크당 모델링된 비용 — $63 대 $133, 둘 다 현재 정가 기준이며, 둘 다 Liquid가 아닌 보드에서 산출한 수치입니다.
• Decision Index v2.1 — 68.69(25개 중 9위) 대 70.58(25개 중 6위).
• 작업당 소요 시간 — 150 ms vs 301 ms. 새 저가 모델은 두 배 더 빠릅니다.
• 컨텍스트 창 — Artificial Analysis에 명시된 대로 66k 토큰 대 33k이며, Liquid 자체의 출시 게시물에는 두 모델 모두 창 크기가 언급되지 않습니다.
• 입력 방식 — 보드에 따르면 둘 다 텍스트와 이미지입니다. 벤더에 따르면 d1.2는 오디오를 추가하지만, 보드의 사양서는 아직 이를 반영하지 못했습니다.
• 브라이어 점수는 낮을수록 좋습니다 — 0.164 대 0.176. 더 저렴한 모델이 더 잘 보정된 모델입니다.
마지막 줄을 두 번 읽어 보라. 캘리브레이션은 확률 임계값을 쓸 수 있게 해 주는 속성이며, 절반 가격의 모델이 그 속성에서 이긴다. 플래그십이 여전히 지키는 우위는 무언가를 아는 것에 관한 것이지, 자신이 얼마나 확신하는지를 아는 것에 관한 것이 아니다.
D1 Ultra가 여전히 제값을 하는 분야

여섯 가지 구성 요소 중 다섯 가지가 더 오래된 모델에 유리하며, 그 안의 패턴은 이를 바탕으로 계획을 세울 수 있을 만큼 충분히 일관적입니다.
• AA-Paperclip, 문서 의사결정 — D1 Ultra의 경우 64.69로 d1.2의 62.60을 앞섰으며, 문서의 51.3%가 완전히 정확해 44.3%를 상회했습니다. 전체 문서 전항목 통과는 더 엄격한 기준입니다. 15개 필드가 있는 인보이스에서 14개를 맞혀도 미달로 간주됩니다.
• EvalSafe-O*NET-AA, 직장 내 판단 — 88.15 대 86.55, 정확도 82.9% 대 79.7%. 해당 구성 요소에서 1.6점 차이는 재실행 시의 노이즈 플로어에 가까운 수준입니다.
• AA-Omniscience-Decision v1.1, 지식 — 64.39 대 60.94, 정확도 28.0% 대 30.0%, 비환각률 88.6% 대 66.6%. 정확도 행과 기권 행이 서로 불일치하며, 점수를 지배하는 쪽은 기권 행입니다: D1 Ultra는 훨씬 더 자주 기권하고 그에 대해 보상을 받습니다.
• HLE-MultiChoice v1.1, 어려운 질문 — 47.39 대 44.69. 원시 정확도에서는 격차가 반대 방향으로 더 벌어지며, 6.09% 대 5.30%이고, 이는 전체 분야가 10퍼센트 미만인 벤치마크에서 잡음에 불과합니다.
• AA-Symmetry, 어구 변경에 대한 불변성 — 구성 요소 점수에서 78.66 대 76.52이지만, d1.2가 전체 세트를 더 많이 통과합니다, 50.0% 대 45.8%. 플래그십은 부분 점수에서 이기고 더 엄격한 측정 기준에서는 지므로, 이 행은 어느 쪽으로도 확실한 승리가 아닙니다.
워크로드가 "문서 하나, 어려운 질문 하나, 그 답은 이를 바탕으로 행동할 사람에게 전달된다"라면, 그 행들은 바로 구형 플래그십이 여전히 올바른 선택인 경우를 정확히 설명하며, 그 정도 볼륨에서의 가격 차이는 반올림 오차에 불과합니다.
d1.2가 가깝지 않은 경우
한 구성 요소는 반대 방향으로 움직이는데, 그 이동 폭이 상당히 큽니다.
• When2Call, 도구 및 함수 결정 — d1.2의 경우 96.09로 D1 Ultra의 93.83을 앞서며, 정확도는 95.5%로 93.0%를 앞섭니다. 이는 에이전트가 올바른 인수로 올바른 함수를 호출하는지 결정하는 구성 요소이며, 에이전트 스택에서 새 모델을 뒷받침하는 가장 강력한 단일 근거입니다.
그다음에는 인덱스가 측정하지 않는 모든 것이 있습니다. 다섯 가지 새로운 답변 유형 — 값과 그 값이 읽힌 문자, 위치가 있는 스팬, 박스, 범위가 있는 개수, 옵션별 확률이 있는 다중 선택 — 은 d1.2에만 존재하며, 인덱스는 이들 중 어느 것도 점수화하지 않습니다. 이들의 정확도 수치는 공개 데이터셋의 홀드아웃 분할로 구축한 내부 테스트 세트에서 측정한 Liquid 자체 수치이며, 아래에 나오는 모든 곳에서 그렇게 표시되어 있습니다.
공급업체 수치 기준으로 보면 두 신형 모델은 서로 비슷하며, D1 Ultra 행은 아예 없습니다. 출시 당시 해당 작업 유형이 존재하지 않았기 때문입니다. 영수증에서 값을 읽는 작업에서는 d1.2-ultra와 d1.2가 각각 98%, 96%이고, 개인 데이터 스팬에서는 94%/93% 대 92%/88%, 객체 위치에서는 둘 다 94%, 존재하는 모든 객체를 골라내는 작업에서는 87% 대 90%입니다. 이 비교에서 중요한 사실은 백분율이 아니라, 더 오래된 모델이 이런 답을 표현할 수 없다는 점입니다. 따라서 이런 답이 필요한 파이프라인은 두 모델 중에서 고르는 것이 아닙니다. 하나의 모델과 우회 방안 중에서 고르는 것입니다.
두 지수 포인트보다 더 가치가 있는 청구 규칙

D1 Ultra는 첨부된 모든 이미지를 포함해 모든 질문을 각각의 프롬프트로 청구합니다. 사진 한 장에 대해 열 개의 질문을 하면 그 사진에는 열 번 요금이 부과됩니다. Liquid가 명시한 32×32픽셀 패치당 1.5토큰 기준으로 1024×1024 이미지는 1,536토큰이므로, 열 개의 질문에는 텍스트 한 단어도 포함되기 전에 15,360개의 이미지 토큰이 따릅니다. d1.2는 한 요청의 텍스트와 그림에 대해 한 번만 청구하며, 추가 질문마다 해당 질문의 텍스트만 추가됩니다.
구체적인 요청에 적용해 보자: 2,000토큰 문서, 1024×1024 이미지 한 장, 약 30토큰짜리 질문 10개. 기존 규칙에서는 해당 요청이 약 35,700토큰을 차지하지만, 새 규칙에서는 약 3,840토큰이다. 각 모델의 자체 가격 기준으로는 D1 Ultra에서 약 $0.0015인 반면 d1.2에서는 약 $0.00008이다 — 가격 격차와 청구 격차는 상쇄되기보다는 겹쳐서 커진다. 월 250,000건의 요청에서는 차이가 약 $375 대 $20이다.
이것은 Liquid 자체의 청구 설명에 대한 산술일 뿐, 실측된 인보이스가 아니며, 상태별로 질문을 하나씩 하면 그 비율은 1×로 붕괴한다. 그 단일 질문이 결정의 전부다: 같은 문서에 대해 질문을 더 많이 할수록, 그 비교는 인덱스 포인트와는 점점 더 무관해진다.
클라이언트에서 무엇이 변경되나요?
엔드포인트는 동일합니다 — api.liquid.ai/decisions/v1/systemone — 그리고 모델 문자열이 곧 마이그레이션입니다. 기존 세 가지 질문 유형은 형태를 그대로 유지하며, 응답은 여전히 각 옵션에 대한 확률을 포함하고 출력 토큰이 없는 구조화된 JSON이므로 파싱 방식에는 아무 변화가 없습니다. 얻는 것은 추가적인 것이며 이미 작동하는 어떤 것도 깨뜨리지 않습니다.
문제는 기술적이라기보다 운영상의 문제입니다. D1 Ultra는 지원 중단되지 않았고, 두 모델 모두 입력 토큰에 대해서만 과금되며, Liquid는 동일한 콘솔에서 두 모델을 모두 판매합니다. 이전해야 할 강제 요인이 없으므로 마이그레이션은 저절로 일어나지 않을 것이며, 출시 날짜가 아니라 측정 가능한 워크로드를 기준으로 일정을 잡아야 합니다.
어느 쪽에도 확정하지 않고 둘 다를 운영하기
운영 부분에 앞서 접근 방식에 관해 한마디하자면, d1.2와 D1 Ultra는 모두 Liquid 자체 API에서 제공되며, 둘 다 우리 카탈로그에는 없습니다. 이는 가용성 주장이 아니라 비교입니다. 우리 카탈로그가 애초에 관련이 있는 이유는 Jev 1.14입니다. 이 모델은 EvalSafe-O*NET-AA에서 91.14를 기록하는데, d1.2는 86.55에 그치고, 동일한 systemone 요청 형태를 취하며, 입력 토큰 100만 개당 $0.042를 청구합니다. 마이그레이션 결정이 잃을 수 없는 단 하나의 구성 요소로 귀결된다면, 그 구성 요소를 시험할 기준은 바로 이 모델입니다.
합리적인 분할은 헤드라인 대신 수정된 구성도를 따릅니다. 다중 질문 상태, 이미지가 포함된 항목, 에이전트가 d1.2로 라우팅하는 항목은 모두 d1.2로 보내세요. 바로 그곳에서 컨텍스트 창과 속도, When2Call 이점이 모두 같은 방향을 가리킵니다. 확실한 답이 있는 단일 문서의 까다로운 판단과 지식 질문은 자체 샘플이 반대할 때까지 D1 Ultra에 두세요. 질문 유형별로 작성하고 세 개의 서비스에 하드코딩하는 대신 두 개의 경로, 각각 하나의 조건 — 그것이 바로 라우팅 DSL의 용도이며, 공급자 목록 가격이 0% 마크업으로 전달되기 때문에, Liquid 가격 중 어느 하나가 변경되면 다음 갱신 때가 아니라 변경이 발생한 당일 라우팅에 반영됩니다. 자동 장애 조치는 이어서 마이그레이션 도중 두 모델 중 하나가 잠시 문제를 겪는 경우를 처리합니다.

이 규모에서 섀도우 런은 거의 비용이 들지 않습니다. 실제 상태 몇 천 개를 두 모델에 모두 통과시키고, 레이블이 아니라 확률을 비교하며, D1 Ultra가 0.85라고 말했다가 틀린 사례를 d1.2의 동일한 사례와 대조해 세어 보십시오. 이사회는 새 모델이 전반적으로 더 잘 보정되었다고 하지만, 귀사의 데이터에서 더 잘 보정되었는지를 알려 주는 것은 오직 귀사의 샘플뿐이며, 마이그레이션이 판단해야 할 숫자는 바로 그 숫자입니다.
