
Liquid AI d1.2, 오디오 입력과 박스 출력을 갖추고 출시 — 그리고 저렴한 모델이 더 흥미롭다
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 180 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 · 89 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 98 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 79 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 · 118 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 · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 114 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 d1.2와 Liquid AI d1.2-ultra는 2026년 11월 16일 공급업체 API에 출시되었으며, 헤드라인 숫자는 비싼 쪽의 몫입니다. d1.2-ultra는 Artificial Analysis Decision Index v2.1에서 75점을 기록해, 해당 보드가 순위를 매기는 25개 결정 모델 중 1위를 차지했습니다. 더 중요한 변화는 리더보드가 아니라 요청 본문에 있습니다. 두 모델 모두 이제 이전 세대가 표현하지 못했던 답변을 반환합니다. 즉 값과 그 값이 읽혀 나온 문자들, 위치가 포함된 범위 목록, 경계 상자, 주변 범위가 있는 개수, 각기 자체 확률을 지닌 옵션 집합을 반환합니다. 또한 두 모델 모두 오디오를 받아들이며, 이는 질문 대상으로서든 질문 자체로서든 가능합니다.
이는 정확도 향상과는 다른 종류의 릴리스입니다. 결정 모델은 예전에 레이블과 확률을 반환했는데, 이는 레이블 뒤의 증거가 필요한 모든 파이프라인이 그것을 찾기 위해 두 번째 모델을 추가로 붙여야 했음을 의미했습니다. d1.2는 증거를 첨부하여 단일 순방향 패스로 백만 입력 토큰당 $0.02에 답변합니다. d1.2-ultra는 $0.042에 동일한 작업을 수행합니다. 둘 다 출력 토큰을 생성하지 않으므로 스트리밍할 것이 여전히 없습니다: 이것들은 호출하면 구조화된 객체를 반환하는 모델입니다.
둘 다 오늘 Liquid 자체 API에서 라이브 상태이며, 벤더가 확인해 주는 다른 곳은 어디에도 없습니다. 아래의 모든 내용은 Liquid가 보고한 것과 Artificial Analysis가 측정한 것을 구분합니다. 이번 릴리스에서는 두 수치가 동일한 집합이 아니며 그 차이가 중요하기 때문입니다.
실제로 출시된 것, 항목별로
다섯 가지 새로운 답변 유형은 추가 방식으로 도입됩니다. 엔드포인트는 변경되지 않았고, 기존 세 가지 질문 유형도 그대로이며, 어제와 동일한 JSON을 보내는 클라이언트는 동일한 형태의 응답을 받습니다.
• 값 읽기 — 청구서에서 지불해야 할 금액이 얼마인지 물어보고 숫자와 그 숫자를 읽어 온 문자를 함께 받거나, 해당 필드가 없을 때는 "not found" 문자열을 받습니다. 이것은 글루 코드를 가장 많이 제거해 주는 기능인데, 일반적인 우회 방법이 페이지를 다시 읽기 위한 두 번째 생성 호출이기 때문입니다.
• 한 종류의 모든 범위 찾기 — 노트에 있는 모든 이름, 전화번호, 이메일 주소를 각각 텍스트 내 위치와 함께 찾습니다. 이것은 가림 처리(redaction) 기본 요소이며, 이 제품군이 그러한 기능을 제공한 것은 이번이 처음입니다.
• 그림에서 사물 찾기 — 스캔한 양식의 서명 둘레에 상자 하나를 그리거나, 사물이 나타나는 모든 곳에 상자를 그리고 개수를 세는 것. "찾을 수 없음"도 가능한 답인데, 이는 들리는 것보다 더 중요합니다. 항상 상자를 반환해야 하는 객체 탐지기는 없는 상자를 만들어내기 때문입니다.
• 범위와 함께 숫자를 추정하세요 — 사진 속에는 열두 명이 있으며, 그럴듯한 범위는 10~14명입니다. 범위는 출력에서 정직한 부분이고, 대부분의 팀이 그렇지 않았다면 스스로 보정해야 했을 부분입니다.
• 해당되는 모든 옵션을 선택하세요 — 단일 승자가 아니라 청구와 배송 각각에 고유한 확률이 부여됩니다. 다중 레이블 분류는 이전에는 레이블마다 동일한 질문을 한 번씩 던지고 매번 상태 비용을 지불하는 방식으로 흉내 냈습니다.
오디오는 양방향으로 들어옵니다. 녹음 자체가 질문 대상일 수 있습니다 — 어떤 언어가 말해지고 있는지, 배경에 사이렌이 있는지 — 또는 질문을 입력하는 대신 말로 할 수 있습니다. Liquid는 질문당 3~6개의 선택지와 스페인어 대 포르투갈어처럼 혼동하기 쉬운 조합이 섞인 상황에서 ESC-50과 FLEURS 전반의 홀드아웃 녹음에 대해 95~97%의 정확도를 보고합니다.
과금 변경 하나가 함께 적용되는데 놓치기 쉽습니다. 이제 한 요청은 텍스트와 이미지에 대해 한 번만 과금되며, 추가 질문마다 해당 질문의 텍스트만 추가로 과금됩니다. 이전 세대에서는 모든 질문이 첨부된 모든 이미지를 포함한 전체 프롬프트에 대해 다시 과금되었기 때문에, 사진 한 장에 대해 열 번 질문하면 그 사진 비용을 열 번 지불하게 되었습니다.
보드, 그리고 1위가 무엇 중에서 1위인지

Artificial Analysis는 두 신규 모델을 모두 Decision Index v2.1로 채점했으며, 수치는 벤더가 보고한 것이 아니다. 평가단이 동일한 여섯 가지 평가를 현재 정가로 직접 실행했다. d1.2-ultra는 74.85를 기록해 25개 의사결정 모델 중 1위이며, 가장 가까운 의사결정 모델 경쟁자인 Drex Max v1.1(72.62)보다 2.2점 앞선다. d1.2는 68.69로 25개 중 9위이며, 해당 클래스 중앙값 66을 웃돈다.
기억해 둘 만한 단서는 "1위"에는 범위가 한정되어 있다는 점이다. 같은 보드는 동일한 도구로 두 범용 언어 모델도 평가하며, 둘 다 d1.2-ultra를 완전히 앞선다: Claude Haiku 5.5 (Max)는 76.49, GPT-6 Luna (Max)는 75.67이다. 둘 다 의사결정 모델이 아니고, 비교 비용도 심각하다 — 백만 과제당 $6,218과 $1,548 대 $133 — 하지만 "Decision Index 1위"에서 decision이라는 단어를 빼면 그것은 보드가 보여주는 바가 아니다.
보드가 독립적으로 뒷받침하는 것은 바로 보정(calibration)에 관한 이야기입니다. 이 지수의 결정 점수는 선택된 답에 부여된 확률의 Brier 점수를 빼므로, 정답이지만 지나치게 확신하는 모델은 불이익을 받습니다. d1.2-ultra의 Brier는 0.150, d1.2는 0.164, 그리고 이들이 대체하는 모델인 d1-ultra는 0.176입니다. 더 저렴한 새 모델은 전체 점수가 1.9점 더 낮음에도 불구하고 이전 플래그십보다 보정이 더 잘 되어 있는데, 이는 다른 누군가가 하네스를 실행할 때만 드러나는 종류의 불일치입니다.
시간과 비용은 전체 그림을 완성하지만 서로 반대 방향으로 작용합니다. d1.2는 작업당 150ms로 실행되어 순위표에서 8번째로 빠르며 중앙값 206ms를 약간 밑돕니다. d1.2-ultra는 218ms로 실행되어 중앙값보다 느리고 15위입니다. 백만 작업당 비용에서 순위표는 d1.2를 $63로 책정해 25개 중 세 번째로 저렴하게 하고, d1.2-ultra는 $133로 중앙값 $137에 대해 11위입니다.
새 작업 번호와 이를 생성한 사람

아직 어떤 공개 벤치마크도 다섯 가지 새로운 답변 유형 중 어느 것도 다루지 않으므로, 이들에 대한 모든 정확도 수치는 공개 데이터셋의 홀드아웃 분할로 구축된 Liquid 자체 내부 테스트 세트에서 나옵니다. 이는 벤더가 자사 모델을 자사가 선택한 데이터로 평가한 것이며, 정확히 그렇게 읽어야 합니다.
• 영수증에서 값 판독, {{1}}CORD{{/1}} 및 {{2}}SROIE{{/2}} 기준 — d1.2-ultra의 경우 98%, d1.2의 경우 96%. 판독은 목표를 찾아내거나 목표가 없음을 올바르게 밝힐 때 정답으로 집계되며, 따라서 미발견 사례도 공짜 통과가 아니라 점수의 일부가 됩니다.
• Nemotron PII에서 개인 데이터 스팬은 ultra의 경우 정밀도 94%, 재현율 93%, d1.2의 경우 92%, 88%입니다. 5포인트의 재현율 격차는 다섯 작업 중 두 모델 간의 가장 큰 차이이며, 이는 마스킹에서 중요한 격차입니다. 여기서 놓친 스팬은 벌금으로 이어지는 실패이기 때문입니다.
• 객체 위치, RefCOCO 계열에서 — 둘 다 94%. 전혀 차이가 없습니다.
• 1 이내 카운팅, COCO 기준 — ultra 93%, d1.2 92%.
• COCO에서 존재하는 모든 객체를 집어내기 — ultra는 87%, d1.2는 90%로, 저렴한 모델이 이기는 유일한 항목입니다.
그래서 프리미엄 모델은 값 읽기와 스팬 회상에서는 확실한 이점을 주지만, 공간 작업에서는 거의 아무런 이점이 없습니다. 사용 사례가 박스라면 $0.02 모델을 먼저 테스트해 보세요.
오디오, 그리고 아직 이를 따라잡지 못한 사양서
오디오는 발표 내용과 독립적인 기록 사이의 격차가 가장 큰 주장입니다. Liquid의 게시물은 오디오 입력을 두 모델 모두의 대표 기능으로 설명하지만, Artificial Analysis의 두 모델 기술 사양에는 여전히 입력 양식이 텍스트와 이미지로만 표시되어 있고 해당 인덱스에는 오디오 평가가 없으므로, 보드에서 이 주장을 검증하는 항목은 아무것도 없습니다. 이는 모순은 아닙니다. 보드가 아직 거기까지 이르지 못했을 뿐입니다. 다만 이는 현재 오디오 기능이 제3자의 검증 없이 공급업체의 진술에 불과하다는 뜻입니다.
다섯 가지 새로운 답변 유형에도 같은 주의가 적용됩니다. 이 지수는 그중 어느 것도 측정하지 않습니다. 어떤 모델이 순위표에서 1위를 차지하더라도, 실제로 그 모델로 하고자 하는 일에 대해서는 측정되지 않은 상태일 수 있습니다.
벤더의 보정 표는 다른 이유로 읽을 가치가 있다. 13개 벤치마크와 다섯 모델 모두가 답한 22,505개 질문에 걸쳐 Liquid는 보정 오차를 d1.2-ultra의 경우 0.8점, d1.2의 경우 1.2점, Jev 1.14의 경우 2.7점, Perplexity의 Decider v1.3의 경우 3.7점, GPT-6 Luna의 Decisions 엔드포인트의 경우 7.2점으로 제시한다. 이는 벤더가 선택한 질문 세트에서 벤더가 실행한 수치다. 보드의 Brier 점수는 동일한 두 모델에서 같은 방향을 가리키며, 이는 이번 주에 구할 수 있는 가장 가까운 제2의 의견이다.
비용 문장을 보드와 대조해 확인 중

Liquid는 매우 반증하기 쉬운 주장을 합니다. 더 적은 비용으로 d1.2보다 높은 점수를 받는 모델은 없고, 어떤 가격에서도 d1.2-ultra보다 높은 점수를 받는 모델은 없습니다. 두 주장 모두 이전과 같은 범위 설정상의 주의 사항과 함께 보드에서 살아남습니다.
• 두 번째 절반은 의사결정 모델들 사이에서는 거의 자명하게 성립합니다 — 25개 모델 보드에서 다른 어떤 모델도 74.85를 넘는 점수를 전혀 받지 못합니다. 이는 두 범용 언어 모델이 인정되는 경우에만 실패하며, 그 둘은 백만 작업당 비용이 12배에서 47배 더 듭니다.
• 전반부는 의사결정 보드에서 그대로 성립한다. d1.2의 68.69를 넘는 점수를 기록한 모든 의사결정 모델은 백만 작업당 비용이 더 높다. 가장 가까운 저가 도전자는 Perplexity의 Decider v1.3으로, 70.41점에 68달러다. 이는 백만 작업당 5달러를 더 내고 지수 2점 미만을 얻는 셈으로, 보드가 반례에 가장 근접한 지점이면서도 여전히 Liquid의 문장이 옳은 쪽에 있다.
• 비용 수치는 Artificial Analysis가 자체적으로 산출한 것으로, 현재 정가를 기준으로 계산되며 지수 가중치로 평균화한 값입니다. 이는 작업당 모델링된 비용일 뿐 실제 청구서가 아니며, 제공업체가 가격을 변경하면 수치도 달라집니다.
그 마지막 요점은 라우팅 계층이 스스로를 광고하기보다 존재 가치를 입증하는 지점이다. 이번 릴리스는 Liquid의 청구 규칙을 바꾸고, 저렴한 모델의 실효 가격을 기존 플래그십 대비 절반으로 낮췄으며, 그렇게 한 것이 이틀 전이었다. 우리 쪽에서는 공급자 목록 가격이 0% 마크업으로 그대로 전달되므로, 공급업체의 인하는 다음 계약 갱신 때가 아니라 같은 날 여기에 반영된다 — 이 글의 $0.02와 $0.042는 공급업체의 숫자이지, 이를 마크업해 다시 쓴 값이 아니다.
이미 의사결정 모델을 운영하고 있다면 이번 주에 할 일
이 글의 어떤 내용도 이용 가능 공지가 아닙니다: 두 신규 모델 모두 Liquid의 API에 있으며, 둘 다 아직 우리 카탈로그에는 들어오지 않았습니다. 우리 모델을 굳이 언급하는 이유는 이번 릴리스가 의사결정 모델 릴리스이고, 우리가 실제로 제공하는 의사결정 모델이 Jev 1.14이기 때문입니다 — 리더보드에서 컴포넌트 하나에서 d1.2-ultra를 앞서는 유일한 행으로, EvalSafe-O*NET-AA에서 91.14 대 89.53이며, 동일한 systemone 요청 형태에서 백만 입력 토큰당 $0.042입니다. 다섯 가지 새 응답 유형에 대해 어떤 결론을 내리든, 보안 및 업무 환경 부문에는 오늘 바로 벤치마크할 수 있는 기존 모델이 있습니다.
Liquid가 약속한 서드파티 플랫폼이 실제로 등장하기 전에 합리적인 조치는 섀도 런입니다. 파이프라인이 이미 보는 상태를 두 d1.2 모델 모두에 보내고, top-1 레이블이 아니라 확률을 비교하며, 특히 모델이 0.8이라고 답했는데 틀린 경우를 살펴보세요. 그 꼬리 부분이 이전 세대가 가장 취약했던 지점이며, 이번 릴리스가 수정했다고 주장하지만 인덱스가 부분적으로만 확인할 수 있는 바로 그 부분입니다.
자동 장애 조치는 이틀 전에 나온 모델을 프로덕션 경로를 걸지 않고 시험해 보는 방법의 나머지 절반입니다. 일부 트래픽을 d1.2-ultra로 라우팅하고 그 뒤에 기존 모델을 유지해 두면, 한 공급사에서 나쁜 오후가 발생해도 파이프라인이 중단되는 대신 응답률이 저하되는 정도로 그칩니다. 75가 실제인지 알아보는 데는 다른 사람의 벤치마크를 기다리는 것보다 이 방법이 더 저렴합니다.
열린 질문은 이 모델들이 출시되었는지가 아니라 — 출시되었고, 가격과 엔드포인트도 있다 — 다섯 가지 새로운 답변 유형이 Liquid 자체의 홀드아웃 분할 밖에서도 견디는지다. 아무도 그중 어떤 것에 대해서도 독립적인 수치를 공개하지 않았고, 누군가 그렇게 하기 전까지 정직한 입장은 이번 릴리스가 전적으로 벤더 자체의 증거에 기반해 진정으로 유용한 출력 계약을 추가한다는 것이다.
