
Liquid AI d1.2-ultra, 의사결정 지수 75로 1위 — 그러나 6개 테스트 중 하나에서는 최하위
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 90 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 97 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNEWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 87 tok/s
- OrcaNEWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 133 tok/s
- OrcaNEWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 100만 토큰당 · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 92 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 · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 100만 토큰당 · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955지능
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855지능
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 100만 토큰당 · 219 tok/s
Liquid AI d1.2-ultra는 이 범주에서 이 모델을 만든 회사가 아닌 다른 주체로부터 1위를 받은 첫 모델이다. Artificial Analysis는 이 모델에 Decision Index v2.1에서 75점을 매겼고, 그 점수를 모델 자체의 보드 페이지에 표시했으며, 24개 의사결정 모델 중 1위로 선정했다. 이는 73점인 Nace.AI의 Drex Max v1.1보다 2.2점 앞선 것이다. 같은 릴리스의 더 작은 모델인 Liquid AI d1.2는 69점으로 9위에 올랐다. 두 모델 모두 2026년 11월 16일에 출시되었는데, 이는 리더보드상의 주장이 해당 모델을 이미 싣고 있는 독립적인 보드와 함께 제시된, 즉 모델보다 먼저 존재한 보드를 가리키는 벤더 수치가 아닌 첫 Liquid AI 출시 사례가 된다.
같은 보드는 또한 d1.2-ultra를 HLE-MultiChoice에서 해당 24개 모델 중 최하위로 평가하며, 원시 정확도는 2.36%입니다. 두 진술은 동시에 참이고, 같은 조직이 같은 날 같은 도구로 측정한 것이며, 그 둘 사이의 간격이 이번 릴리스에서 가장 유용한 것입니다.
왜 이 리더보드 주장은 다른 종류의 주장인가
10월에 Liquid AI는 해당 모델이 존재하기 이틀 전에 공개된 보드인 Decision Index v1.0을 기준으로 측정한 1위 주장과 함께 d1-ultra를 발표했다. 모델이 그 보드에 없었기 때문에 아무도 그것을 확인할 수 없었다. 여기서 일어난 일은 그렇지 않다. Artificial Analysis는 자체 하드웨어에서 자체 하네스를 통해 d1.2-ultra를 직접 실행했고, 그 결과는 여섯 개 구성 요소 점수와 보정 곡선이 첨부된 순위 행이다. Liquid가 "지수에서 가장 높고 이전 최고 의사결정 모델보다 2점 앞선다"고 말할 때, 그 지수와 이전 최고 모델은 둘 다 공개되어 있으며 둘 다 일치한다.
버전 2.1은 6개 평가의 가중 평균이며, 가중치는 고르게 분산되어 있지 않습니다. AA-Paperclip은 30%를 차지합니다. 1,500개의 비공개 문서, 즉 이력서, 영수증, 송장, 연구 논문 각각에 5개의 결정과 10개의 사실이 담겨 있으며, 15개의 답변이 모두 맞아야만 점수에 포함되는 하나의 문서로 채점됩니다. EvalSafe-O*NET-AA, AA-Omniscience-Decision v1.1, HLE-MultiChoice v1.1, AA-Symmetry v1.1은 각각 15%를 차지합니다. NVIDIA의 도구 호출 세트인 When2Call은 10%를 차지합니다. 각 질문은 50 × (1 + c − (p − c)²)로 채점되며, 여기서 c는 선택이 맞았는지 여부이고 p는 모델이 그 선택에 부여한 확률이며, 이는 50 × (1 + 정확도 − Brier 점수)로 집계됩니다. 확신에 찬 오류는 망설이는 오류보다 더 큰 대가를 치르며, 0.6이라고 말하고 맞힌 모델은 0.99라고 말하고 맞힌 모델보다 더 좋은 점수를 받습니다.
75가 어디서 나오는지

따로 떼어놓고 보면, 1위는 두 개의 평가가 떠받치고 세 번째 평가가 방어하는 셈이다. 나머지는 눈에 띄지 않거나 그보다 못한데, 누구든 종합 점수를 모델에 대한 설명으로 받아들이기 전에 알아 둘 만한 점이다.
• {{1}}AA-Paperclip, 인덱스의 30%{{/1}} — {{2}}d1.2-ultra는 결정 점수에서 75.81점을 기록했고 문서의 67.7%가 완전히 정확해, 24개 중 두 지표 모두 1위입니다{{/2}}. {{3}}Drex Max v1.1은 72.82점, 63.0%로 2위이고, SubQ Snap 1.2는 71.58점으로 3위입니다{{/3}}. {{4}}이 모델이 대체하는 Liquid AI d1-ultra는 64.69점과 51.3%였습니다{{/4}}.
• When2Call, 10% — d1.2-ultra가 96.49로 1위이며, 96.10의 SubQ Snap 1.2와 96.09의 d1.2보다 앞선다. 도구 호출은 이미 이 분야의 가장 강력한 강점이었으며, 여기서 상위 10개 사이의 격차는 1.5점이다.
• AA-Symmetry, 15% — 86.34로 2위이며, Mammoth 27B의 88.25에 뒤진다. 더 엄격한 all-pass 측정에서는 양상이 달라진다: Mammoth는 질문의 68.3%에서 패러프레이즈 전반에 걸쳐 동일한 답을 유지했고, Elephant 9B는 65.8%, d1.2-ultra는 56.7%였다. 점수에서의 2위가 일관성에서의 2위는 아니다.
• EvalSafe-O*NET-AA, 15% — 89.53으로 3위, Jev 1.14의 91.14에 뒤처짐. 이는 경쟁사 모델이 여전히 앞서는 유일한 구성 요소이며, 노이즈라고 하기에는 격차가 충분히 크지 않다.
• AA-Omniscience-Decision v1.1, 15% — 60.80은 중위권이며, d1-ultra가 기록한 64.39보다 낮습니다.
• HLE-MultiChoice v1.1, 15% — 결정 점수에서 46.36이지만 원시 정확도는 2.36%로, 24개 중 가장 낮습니다. 그 격차는 모순이 아닙니다. 거의 모든 것을 거부할 때 잘 보정된 모델이 보이는 모습입니다. 동일한 세트에서 비환각률은 76.1%로, 네 번 중 세 번은 추측하는 대신 모른다고 정확히 말한 것입니다.
여섯 개 모두의 밑에 있는 대표 지표인 AA의 별도 정확도 지수 점수에서는 d1.2-ultra가 61.6으로 1위를 차지하며, GLiDE v1.2(59.4)와 Drex Max v1.1(58.2)을 앞선다. Brier 점수 0.150은 24개 중 최고다. 이 모델은 보정만 잘해서 이기는 것이 아니라 문서와 보정을 함께 잘해서 이기고 있으며, 이는 이 지수가 보상하도록 설계된 조합이다.
반대 방향으로 흘러가는 악보
이번 릴리스에는 완전 석권으로 읽히는 버전이 있는데, HLE-MultiChoice 행이 바로 그것을 반박한다. Humanity's Last Exam 객관식에서 2와 3분의 1퍼센트의 원시 정확도는 반올림 오차가 아니며, 기권 옵션으로 설명되지도 않는다: 모델은 기권할 옵션이 있고, 그것을 선택하며, 그 기권은 지식이 아니라 정직성으로 채점된다. Decider v1.3은 같은 질문의 15.32%를 정확히 답한다. Drex Max v1.1은 8.25%를 답한다. 같은 릴리스의 저렴한 모델인 Liquid AI d1.2는 5.30%를 답한다.
마지막 비교가 이상한 대목이다. 지식 비중이 큰 평가에서 더 작고 저렴한 모델이 더 약한 모델은 아니다. d1.2는 AA-Omniscience-Decision 질문의 30.0%를 맞히며 d1.2-ultra의 23.6%를 앞서고, HLE에서는 5.30%로 2.36%를 앞선다. d1.2-ultra가 백만 토큰당 추가 2센트로 사는 것은 지식이 아니라 문서 처리, 대칭성, 보정 — 업무의 운영적 절반이다. 작업 부하가 스캔한 송장에서 추출하는 것이라면 그 맞바꿈은 분명히 옳다. 세상에 관한 어려운 질문에 답하는 것이라면 같은 제품군의 더 저렴한 모델이 측정 가능하게 더 나은 모델이며, 출시 글 어디에도 그런 말은 없다.
헤드라인에 없는 청구 변경 사항
Liquid의 글에서 가장 중대한 문장은 벤치마크가 아니라 청구 규칙이다. d1-ultra에서는 모든 질문이 첨부된 모든 이미지를 포함한 각각의 프롬프트로 청구되었으므로, 한 장의 사진에 대해 열 가지 질문을 하면 그 사진값을 열 번 지불한 셈이었다. d1.2와 d1.2-ultra에서는 요청이 텍스트와 그림을 한 번만 청구하고, 각 추가 질문은 자기 텍스트만 추가한다.
1,024×1,024 이미지 하나가 포함된 2,000토큰 문서를 생각해 보자. 이 이미지는 32×32픽셀 패치당 1.5토큰이라는 명시된 비율로 1,536토큰이 든다. 여기에 각각 약 30토큰인 짧은 질문 열 개가 더해진다. 기존 규칙에서는 그 요청이 약 35,700토큰을 차지한다. 새 규칙에서는 약 3,840토큰을 차지한다. 입력 토큰 100만 개당 $0.042로 계산하면 요청당 약 $0.0015 대 $0.00016이다. 즉 동일한 작업, 동일한 표시 가격에서 9배 조금 넘게 더 저렴하다. 한 달에 100,000건의 요청이라면 차이는 약 $150 대 $16이다. 두 수치 모두 측정값이 아니라 벤더 자체의 청구 설명에 기반한 계산이다.
두 번째로 달라진 사양은 컨텍스트 윈도우입니다. Artificial Analysis는 d1.2 모델 두 가지 모두에 66k 토큰을 기재하고 있으며, d1-ultra에는 33k를 기재합니다. Liquid의 게시물은 윈도우 크기를 전혀 명시하지 않으므로, 66k라는 수치는 벤더 사양이라기보다 보드의 해석이며, 여전히 이전 세대가 제공하던 것의 두 배입니다. 모델의 주된 역할 전체가 상태를 넘겨받는 것이라면, 이는 인덱스 점수 4점보다 더 큰 실질적 변화입니다.
다섯 가지 새로운 답변 유형과 오디오
이번 기능 추가는 재작업이 아니라 기존 구조에 더해지는 방식입니다. 동일한 엔드포인트, 동일한 요청 형태에 다섯 가지 새로운 응답 유형과 새로운 입력 모달리티가 더해집니다. 이제 질문은 페이지에서 읽어낸 값(숫자, 날짜, 이름)을 그 값을 읽어낸 문자와 함께 반환하도록 요청할 수 있으며, 값이 없으면 "찾을 수 없음"을 반환합니다. 주어진 종류의 모든 스팬을 위치와 함께 요청할 수 있으며, 이것이 PII 사례입니다. 하나의 객체를 둘러싼 박스 또는 모든 인스턴스를 둘러싼 박스와 개수를 요청할 수 있습니다. 범위가 함께 제공되는 추정치를 요청할 수 있습니다. 그리고 적용 가능한 모든 옵션을 각자의 확률과 함께 요청할 수 있습니다.
오디오는 또 다른 추가 기능으로, 양방향으로 작동합니다. 녹음이 질문의 대상이 될 수도 있고, 질문 자체가 될 수도 있습니다. Liquid에 따르면 홀드아웃 녹음에서 두 모델 모두 ESC-50의 어떤 소리를 듣는지 또는 FLEURS의 43개 언어 중 어떤 언어가 말해지는지에 대한 질문에 95%에서 97%까지 답하며, 각 질문에는 3~6개의 선택지가 있고 스페인어와 포르투갈어처럼 혼동하기 쉬운 언어도 섞여 있습니다.
다섯 가지 새 작업의 정확도 수치는 공개 데이터셋의 홀드아웃 분할로 만든 내부 테스트 세트에서 나온 것이며, 아직 이 작업들을 다루는 공개 벤치마크가 없기 때문에 공급업체가 이를 분명히 밝힌다. 이를 공급업체 자체 평가로 읽어야 한다: CORD와 SROIE에서 영수증의 값을 읽는 작업은 98%와 96%, Nemotron PII의 PII 스팬에서는 정밀도/재현율이 92%/88% 대비 94%/93%, RefCOCO 계열 전반의 객체 위치 지정에서는 두 지표 모두 94%, COCO 전반에서 오차 1 이내로 세기에서는 93%와 92%, 존재하는 모든 객체를 고르기에서는 87% 대 90% — 저렴한 모델이 앞서는 유일한 항목이다.
금전 청구 확인 중

Liquid의 가격 문구는 이례적으로 검증 가능하다. "d1.2보다 더 적은 비용으로 더 높은 점수를 내는 모델은 없고, 어떤 가격에서도 d1.2-ultra보다 높은 점수를 내는 모델은 없다." 두 부분 모두 리더보드와 대조해도 유효하다. 24개 모델 인덱스에서는 74.85를 넘는 모델이 전혀 없으므로 두 번째 부분은 자명하게 참이다. 첫 번째 부분의 경우, d1.2는 68.69점과 백만 개 작업당 63달러에 위치한다. 그보다 높은 점수를 내는 모든 모델은 비용이 더 많이 들며, 가장 가까운 저가 경쟁자는 70.41점과 68달러의 Decider v1.3이다. 이 주장은 성립하며, Liquid의 수치가 아닌 다른 쪽의 수치로도 성립한다는 점은 마땅히 더 흔해야 할 일보다 드문 일이다.
비용 수치 자체는 Artificial Analysis에서 나온 것으로, 이 기관은 각 평가를 현재 정가로 실행해 평균을 냅니다. d1.2-ultra는 백만 작업당 $133으로 24개 중 11위이며 동급 중앙값은 $135이고, d1.2는 $63으로 세 번째로 저렴합니다. 작업당 시간은 대형 모델이 218ms, 소형 모델이 150ms이며 동급 중앙값은 209ms입니다. 플래그십은 평균보다 약간 느리고, 저가 모델은 여유 있게 더 빠르며, 둘 다 같은 평가표에서 작업당 11초와 32초로 나타나는 생성 모델보다 약 10배 빠릅니다.
어디에서 호출할 수 있는지, 그리고 무엇을 대상으로 실행할지
두 모델 모두 현재 Liquid 자체 API인 api.liquid.ai/decisions/v1/systemone에서 다음과 같이 호출됩니다: d1.2-ultra 및 d1.2이며, Liquid 콘솔의 키를 사용하고 두 모델 모두 Liquid 플레이그라운드에 있습니다. Liquid의 게시물에 따르면 추가 타사 플랫폼이 출시될 예정입니다. 이 글을 쓰는 시점에서 존재하는 경로는 벤더 자체 API입니다. 어느 모델도 우리 카탈로그에 없으며, 이 기사는 어느 모델의 가용성에 대한 주장이 아닙니다.
저희 카탈로그에 올라와 있는 것은 Jev 1.14입니다. 이 모델은 d1.2-ultra가 앞서지 못하는 한 구성 요소인 EvalSafe-O*NET-AA에서 91.14 대 89.53으로 앞서며, 동일한 systemone 엔드포인트 형태로 제공됩니다. 텍스트를 입력하면 구조화된 JSON이 출력되고, 입력 토큰 100만 개당 $0.042입니다. 이 우연은 유용합니다. 이번 릴리스를 평가하는 팀은 두 번째 계약이나 두 번째 클라이언트 라이브러리 없이 새 모델과 기존 모델을 동일한 상태에 올려볼 수 있습니다. 왜냐하면 200개 이상의 모델을 위한 하나의 API가 이미 두 가지 형태를 모두 지원하기 때문입니다. 정가는 0% 마크업으로 그대로 전달되므로, Liquid가 $0.042를 변경하면 여기 숫자도 그 뒤가 아니라 그와 함께 움직이며, 자동 페일오버 덕분에 출시된 지 하루 된 모델도 전체 작업을 맡기지 않고 실제 워크로드의 일부를 처리할 수 있습니다.

데이터에서 나오는 권고는 가격 페이지가 아니라 섀도 실행입니다. d1.2-ultra는 문서에서 1위, 캘리브레이션에서 1위로, 추출 파이프라인에는 정말 강한 조합이며, 어려운 지식 질문에서는 최하위로, 이는 각주가 아니라 실질적인 한계입니다. 파이프라인이 실제로 보는 상태들을 보내고, top-1 선택이 아니라 확률을 비교하며, 0.8이라고 답하고 틀리는 경우를 지켜보세요. 그 꼬리 구간이 바로 이 모델의 10월 전신 모델이 나쁜 점수를 받았고, 개선이 드러나거나 드러나지 않는 곳입니다.
열린 질문은 75가 실제인지가 아닙니다 — Artificial Analysis가 측정했고 구성 요소를 공개했습니다. 문제는 1,500개의 비공개 문서에 대해 30% 가중치를 둔 문서 평가가 당신의 문서에도 일반화되는지입니다. 그 질문은 오직 당신 자신의 레이블링된 표본만 답할 수 있으며, 과금 변경이 문서당 하나 대신 열 개의 질문을 하도록 유혹하기 전에 답할 가치가 있습니다.
