d1-omni vs Liquid AI D1 Ultra: 850MB 파일 대 $0.042 계량기, 그리고 그 계산은 예상과 다르다

직감적으로는d1-omni 옆에 Liquid AI D1 Ultra를 놓으면, 이 둘이 한 범위의 양극단을 차지하고 선택은 야망의 문제라고 여기게 됩니다. 한쪽은 587M 파라미터의 공개 가중치입니다 — 이번 주 Ollama 라이브러리에 등장한 태그에서 디스크상 850MB이며, 2026년 10월 5일 이후 Hugging Face에서 약 13,900회 다운로드된 체크포인트입니다. 다른 쪽은 2026년 10월 15일 발표된 Liquid AI의 주력 의사결정 모델로, 매개변수 수는 공개되지 않았고 가중치도 게시되지 않았으며, 어떤 벤치마크보다 중요한 공개된 단 하나의 숫자가 있습니다: 입력 토큰 100만 개당 $0.042입니다. 프런티어급 의사결정을 임대하는 것과 작은 모델을 소유하는 것은 예산 문제처럼 들립니다. 실제 워크로드에 비용 계량기를 돌려 보면 대개 더 이상 예산 문제가 아니게 됩니다 — 작은 모델의 장점은 저렴하다는 데 있지 않고, 당신의 것이라는 데 있습니다.

그 구분은 정확히 짚고 넘어갈 가치가 있습니다. 비교 대상인 두 가지는 같은 선반에 놓인 두 모델이 아니기 때문입니다. Liquid AI D1 Ultra는 호출하는 엔드포인트입니다. d1-omni는 직접 실행하는 파일입니다. 둘 다 동일한 세 가지 질문 형태—확률이 딸린 예/아니오, 레이블별 확률이 있는 레이블, 또는 척도상의 위치—에 답하며, 출력 토큰을 하나도 생성하지 않고 단일 순방향 패스로 그 답을 반환합니다. 그 이후의 모든 것, 즉 답변에 드는 비용과 답변이 드리프트할 때 누가 책임지는지는 둘 중 무엇을 선택했는지에 달려 있습니다.

렌트 측면: Liquid AI가 실제로 청구하는 방식대로 책정된 가격

Liquid AI D1 Ultra는 입력에 대해서만 백만 입력 토큰당 $0.042를 청구하며, 완성(completion)이 없기 때문에 완성 요금은 없습니다. 이것이 요금표의 전부이며, 흥미로운 부분은 그 아래에 있는 이미지 규칙입니다. 이미지는 패치 단위로 텍스트 요율이 적용됩니다. 즉 32×32픽셀 패치당 1.5토큰이며, 따라서 1024×1024 이미지는 1,536토큰이 됩니다. 또한 모든 질문은 각자의 프롬프트로 청구되어, 상태와 첨부된 모든 이미지의 자체 사본을 함께 포함합니다. 같은 사진에 대해 네 가지 질문을 하면 그 사진에 대해 네 번 비용을 지불하게 됩니다.

비전 판단이 자연스럽게 어울리는 워크로드를 숫자로 따져 보자. 매일 밤 25,000개의 상품 리스팅을 훑는 작업이 있다고 하자. 각 리스팅에는 1024×1024 사진 한 장과 약 200토큰의 리스팅 텍스트가 있고, 두 가지 유형의 질문을 던진다. 하나는 이미지가 카테고리와 일치하는지에 대한 예/아니오 질문이고, 다른 하나는 이미지 품질에 대한 점수 질문이다. 각 프롬프트는 이미지 토큰 1,536개에 텍스트 토큰 200개를 더한 1,736토큰을 담고, 질문이 두 개이므로 리스팅당 3,472토큰이다. 이는 해당 패스에 8,680만 입력 토큰, 즉 대략 $3.65에 해당한다. 매일 밤 실행하는 작업을 한 달 내내 돌리면 비용은 수백 달러대 초반이 된다.

프런티어 옵션이 비싼 쪽이라고 가정한 사람이라면 누구에게나 그것은 정말 불편한 결과입니다. 가격 모델이 그 이유입니다: 의사결정 모델은 토큰을 전혀 출력하지 않으므로 비용 곡선에는 폭증할 출력 항이 없고, 질문당 재청구는 청구서에서 발견하게 되는 변수가 아니라 미리 계획할 수 있는 고정 배수입니다.

자기 편, 그리고 그 비용이 실제로 숨어 있는 곳

d1-omni에는 호출당 가격이 전혀 없습니다. 이 모델은 587M 매개변수 모델로, 381M의 공유 트렁크와 결정 헤드, Liquid AI LFM2.5-VL-450M에서 물려받은 94M SigLIP2 비전 인코더, 112M 오디오 인코더로 구성되어 있으며, Liquid의 LFM 1.0 약관에 따라 공개되었고 GGUF 빌드는 10월 6일, MLX 빌드는 10월 12일에 이어집니다. 비용은 이미 보유한 하드웨어에 더해, 비교에서 아무도 다루지 않는 부분인 그것을 계속 유지하는 작업입니다.

배포를 결정하는 차원에서 두 옵션이 공유하는 것과 공유하지 않는 것:

• 가중치 — d1-omni의 경우 LFM 1.0에 따라 공개되었으며, Liquid AI D1 Ultra의 경우 공개되지 않았습니다. Liquid는 자사의 플래그십 모델을 두고 "일련의 Liquid 전용 대규모 커스터마이징이 적용된 더 큰 오픈 가중치 모델을 기반으로 한다"라고만 설명합니다. 기반 모델은 오픈되어 있지만, 여러분이 호출하는 모델은 그렇지 않습니다.

• 매개변수 — 587M이며 d1-omni의 경우 모든 항목이 공개되어 있고, d1-ultra의 경우 비공개입니다. Liquid가 규모를 공개하지 않았기 때문에 플래그십 모델의 하드웨어 규모는 산정할 수 없습니다. 600M 모델은 정확히 산정할 수 있습니다: Ollama의 혼합 Q8_0 태그 기준 850MB, BF16 태그 기준 1.2GB입니다.

• 가격 — d1-omni에는 호출당 가격이 없고, d1-ultra에서는 입력 토큰 100만 개당 $0.042, 이미지는 32×32 패치당 1.5 토큰으로 계산되며 모든 질문은 전체 상태와 함께 다시 청구됩니다.

• 모달리티 — d1-omni는 텍스트와 이미지, 또는 텍스트와 최대 30초의 오디오를 함께 입력받지만, 한 요청에서 둘 다를 사용할 수는 없습니다. d1-ultra는 공개된 모달리티 구성 없이 멀티모달이라고 설명되며, Liquid가 문서화한 것은 질문 유형과 이미지 토큰 규칙입니다.

• 컨텍스트 — d1-omni의 경우 텍스트, 이미지, 오디오 위치를 합쳐 16,384 토큰, 이미지가 첨부될 때마다 상태 및 질문 텍스트는 896 토큰으로 줄어들며, 이는 "학습된 대로"입니다. d1-ultra에 대해서는 컨텍스트 수치가 공개된 바 없습니다.

• 지연 시간 — d1-omni에 대해 공개된 추론 수치는 없습니다. Liquid는 활발히 개발 중인 얼리 리서치 릴리스라고 부르는 체크포인트에 대해서는 이를 보고하지 않는다고 밝혔으며, d1-ultra는 별도의 지연 시간 수치가 공개되지 않은 채 엔드투엔드로 제공됩니다.

• 캘리브레이션 — 플래그십은 이를 위해 명시적으로 학습되었습니다.Liquid가 밝힌 근거는 대부분의 의사결정 모델이 과신한다는 것이며, 따라서 d1-ultra는 더 신뢰할 수 있는 확률을 산출하도록 조정되었습니다. d1-omni는 캘리브레이션 태그를 자체적으로 가지고 있지만, 600M은 실험적 체크포인트이며 제3자가 어느 모델의 캘리브레이션도 측정한 적이 없습니다.

두 점수는 하나의 척도가 아니다

플래그십 옆에 15.95를 적고 빼고 싶은 유혹이 든다. 그러지 마라. d1-omni의 15.95는 Decision Index v0.2.1의 공개 split에서 나온 것으로, Liquid AI가 제출하는 대신 공식 scorer로 자사 항목을 채점한 보드이며, 하위 점수는 Knowledge 8.3, Language 12.9, Retrieval 35.0, Tools 15.1, Arts 6.8이고 같은 패밀리 내 d1-3B의 48.57과 대비된다. Liquid가 d1-ultra에 대해 주장하는 것은 Artificial Analysis Decision Index에서 최소 8점 차로 1위를 차지했다는 것인데, 이는 다른 버전의 다른 보드이며 플래그십이 존재하기 전에 발표된 것이다. 두 숫자는 서로 다른 자로 서로 다른 것을 측정하며, 이 둘에 대한 정직한 해석은 격차가 크다는 것뿐이지 40점대라는 것은 아니다.

비교를 견뎌내는 수치는 아무도 공개하지 않는 바로 그 수치다. 600M에는 추론 수치가 전혀 없으므로, 직접 측정하지 않고서는 자기 하드웨어에서 결정당 비용을 말할 수 없다. 리더보드가 아니라 그 측정이 자체 보유 대 임대를 결정하는 판단을 가능하게 한다.

세 가지 워크로드, 세 가지 다른 해답

• 매일 밤 25,000건의 이미지 검사를 배치로 처리 — Liquid AI D1 Ultra에서는 1회 실행에 약 $3.65이고, d1-omni에서는 1.2GB 다운로드에 더해 연결하는 GPU가 무엇이든 그 비용이 듭니다. 이 규모에서는 요금 미터가 결정 요인이 아닙니다. 결정 요인은 플래그십이 내세우는 정확도를 원하는지, 그리고 하룻밤 3달러가 모델 서버를 유지하는 것보다 더 가치 있는지입니다.

• 확률이 곧 결정이 되는 엄격한 게이트 — 승인, 조정 판정, 임계값에서 발동되는 거래. 여기서는 캘리브레이션이 제품이며, d1-ultra는 Liquid가 이를 위해 특별히 훈련했다고 말하는 두 모델 중 유일한 모델입니다. 0.6에서의 자신감 있는 잘못된 확률은 확률이 전혀 없는 것보다 나쁘며, 아직 어떤 제3자도 두 모델 모두에 대해 이를 검증하지 않았습니다. 임계값이 중요하다면, 경계에서 신뢰하기 전에 공급업체의 캘리브레이션 주장이 재현되기를 원할 것입니다.

• 기기에서 실행되는 대량·저위험 분류기 — 음성 명령 라우팅, 받은편지함 분류, 게시물을 사람 검토 대상으로 표시하는 일. 이 작업 부하에는 호스팅된 프런티어 모델이 전혀 어울리지 않습니다. 600M은 850MB에서 단일 순전파로 정형화된 답변을 반환하며, 그것이 존재하는 이유 전부이고, 896토큰 이미지 예산은 상태 문장 하나와 사진 한 장에 충분합니다.

라우팅 경계가 실제로 어디에 위치하는지

두 모델 모두 우리 카탈로그에 없으며, 그렇지 않은 것처럼 암시하기보다는 솔직히 말하는 편이 낫습니다: 모든 Liquid AI d1-omni-600M 호출과 모든 Liquid AI d1-ultra 호출은 우리를 거치지 않고 귀하의 자체 하드웨어나 벤더 자체 API 및 타사 플랫폼으로 향합니다. OrcaRouter가 담당하는 것은 의사결정 모델이 스스로 할 수 없는 파이프라인의 나머지 절반입니다. 587M 의사결정 모델은 레이블이나 확률을 반환하고 멈추며, 응답을 작성하거나 사례를 요약하거나 점수에 따라 행동하는 일은 여전히 다른 무언가가 해야 합니다. 200개 이상의 모델을 위한 하나의 API와 함께, 각 제공업체의 정가가 그대로 전달되고 트리아지된 요청이 둘 이상의 모델로 팬아웃해야 할 때 라우팅 DSL을 사용할 수 있다는 점은 "우리가 의사결정 모델을 호스팅한다"보다 더 조용한 주장이며, 그것이 사실입니다.

답을 바꾸는 것은 무엇인가?

현재 이 비교는 두 가지 부재로 인해 판가름 난다. Liquid AI D1 Ultra는 공개된 파라미터 수가 없어 토큰당 비용을 그것이 수행하는 작업 규모와 견주어 따져볼 수 없고, 지연 수치도 없어 측정 없이는 이를 바탕으로 대화형 경로를 설계할 수 없다. 그리고 d1-omni는 벤더가 스스로 선택한 대로 공개된 추론 수치가 없어, 자체 보유 대 임대 계산은 자체 하드웨어 벤치마크만이 채울 수 있는 한쪽 면을 갖는다.

둘 중 하나라도 마무리되면 결정의 모양이 달라진다. d1-ultra에 대한 독립적인 캘리브레이션 결과가 게이트 워크로드를 확정해 줄 것이며, 여기서 가격은 이미 대부분이 짐작하는 것보다 10배나 싸다. Liquid에서 600M에 대한 지연 시간 수치를 주면, 누군가가 먼저 테스트해 보는 대신 자신 있게 이를 인터랙티브 경로에 배치할 수 있을 것이다. 그때까지 안전한 해석은 좁고 화려하지 않다. 플래그십은 무료에 가까울 만큼 책정되어 있어 예산만으로는 직접 무언가를 실행하도록 당신을 밀어붙이지 않을 것이고, 600M의 진짜 장점은 일단 파일을 확보하면 아무도 숫자, 조건, 엔드포인트를 마음대로 바꿀 수 없다는 것이다.

이번과 같은 릴리스의 배경이 되는, 문서화된 AI 실패 및 에이전트 사건들은 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급 및 이의 제기 플래그가 포함되어 있습니다.