Een gegenereerde titelkaart met als kop ‘Een upgrade die hetzelfde kost’, met als ondertitel ‘Liquid AI d1.2-ultra vervangt Liquid AI d1-ultra’. Twee horizontale balken zijn gestapeld: de bovenste, kortere balk is gelabeld d1-ultra met de waarde 70.58 aan het rechteruiteinde, de onderste, langere balk is gelabeld d1.2-ultra met 74.85 aan het rechteruiteinde. Drie omrande chips aan de rechterkant vermelden ‘66k context, voorheen 33k’, ‘218 ms per taak, omlaag van 301 ms’ en ‘dezelfde $0.042 per 1M invoertokens’. Het OrcaRouter-merk staat onderaan rechts samengevoegd.
Guides & Insights

d1.2-ultra vs Liquid AI D1 Ultra: zelfde prijs, twee keer zoveel context, en één punt waarop het slechter is geworden

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Liquid AI d1.2-ultra kost precies hetzelfde als Liquid AI D1 Ultra: $0.042 per miljoen inputtokens, geen outputtokens, dezelfde endpoint, dezelfde drie vraagtypen die je al verzendt. Het verscheen op 16 november 2026, een maand na het model dat het vervangt, en het is beter op de samengestelde score — 74,85 tegen 70,58 op Artificial Analysis Decision Index v2.1, eerste van 24 tegen zesde. De upgrade is dus gratis en voor de hand liggend, en je zou hem moeten nemen. Wat de beslissing een artikel waard maakt in plaats van een changelog van één regel, is dat vier van de zestien gepubliceerde componentmetrics achteruitgingen, en twee daarvan zijn precies degene die een drempelgestuurde pijplijn het meest voelt.

Het patroon is specifiek. Het nieuwe model is veel beter in het lezen van documenten, veel beter bestand tegen parafrasering, en iets slechter in dingen weten en in weigeren te antwoorden. Als je pipeline Liquid AI D1 Ultra als extractie-engine gebruikt, is de opvolger een regelrechte winst. Als je hem gebruikt als poortwachter die "Ik weet het niet" hoort te zeggen wanneer de casus ambigu is, is de opvolger een tweemodelbeslissing, geen simpele vervanging.

Beide modellen op één instrument

A generated two-column scoreboard titled ‘d1.2-ultra vs d1-ultra - the scoreboard’. The d1.2-ultra column reads Decision Index 75, AA-Paperclip 75.8 at 67.7% all-pass, AA-Symmetry 86.3, AA-Omniscience accuracy 23.6%, context window 66k and price $0.042 per 1M input. The d1-ultra column reads Decision Index 71, AA-Paperclip 64.7 at 51.3% all-pass, AA-Symmetry 78.7, AA-Omniscience accuracy 28.0%, context window 33k and price $0.042 per 1M input. The footer reads ‘All figures per Artificial Analysis Decision Index v2.1; context windows as listed by Artificial Analysis, not stated by the vendor.’

Deze vergelijking is ongewoon zuiver omdat beide rijen door dezelfde organisatie zijn geproduceerd op dezelfde versie van hetzelfde scorebord, wat voor de meeste upgradebeslissingen niet geldt. Artificial Analysis heeft d1-ultra en d1.2-ultra op Decision Index v2.1 gedraaid, dus niets hier hangt af van het vergelijken van een leverancierscijfer met een onafhankelijk cijfer, of van een indexherziening die de doelpalen tussen de twee releases heeft verplaatst. De eigen kop van de leverancier voor het nieuwe model — eerste plaats, twee punten voorsprong — komt overeen met het scorebord dat hij noemt.

• Prijs — $ 0,042 per miljoen invoertokens voor beide. Identiek, en ongewijzigd door de upgrade.

• Decision Index v2.1 — d1.2-ultra 74,85 (#1 van 24) vs d1-ultra 70,58 (#6).

• Contextvenster — 66k tokens vs 33k, volgens de technische specificaties van het bestuur. De lanceringsposts van Liquid vermelden voor geen van beide modellen een venster.

• Tijd per taak — 218 ms vs. 301 ms. De upgrade is ook een derde sneller.

• Kosten per miljoen taken — $133 voor beide, wat je zou verwachten bij een identieke tokenprijs en een vergelijkbaar aantal tokens per taak.

• Brier-score — 0,150 vs 0,176, waarbij lager beter is. Dit is het enkele getal dat het meest direct "beter gekalibreerd" zegt.

De factureringsregel is gewijzigd en is meer waard dan de indexpunten.

Onder d1-ultra werd elke vraag gefactureerd als een afzonderlijke prompt, inclusief elke bijgevoegde afbeelding. Stelde je tien vragen over één foto, dan betaalde je tien keer voor de foto; voor een afbeelding van 1024×1024 betekent dat 1.536 tokens maal tien voordat er ook maar tekst meetelt. Onder d1.2-ultra worden de tekst en afbeeldingen van het verzoek één keer gefactureerd, en elke extra vraag voegt alleen de eigen tekst toe.

Laten we het doorrekenen aan de hand van een realistisch verzoek: een document van 2.000 tokens, één afbeelding van 1024×1024 en tien vragen van ongeveer 30 tokens elk. De oude regel rekent ongeveer 35.700 tokens; de nieuwe ongeveer 3.840. Bij een identieke prijs van $0,042 per miljoen is dat $0,0015 tegenover $0,00016 per verzoek — iets meer dan negen keer goedkoper voor hetzelfde werk, tegen dezelfde gepubliceerde prijs, van dezelfde leverancier, zonder dat er een aankondigingskop aan vastzit. Bij 100.000 verzoeken per maand wordt ongeveer $150 ongeveer $16.

Beide cijfers zijn rekenkundig gebaseerd op de eigen factureringsbeschrijvingen van de leveranciers, niet op metingen van een echte factuur, en de verhouding hangt volledig af van hoeveel vragen je per staat stelt. Stel één vraag per document en de twee modellen kosten hetzelfde. Stel er tien, en de "gratis" upgrade is de grootste kostenverandering in de release.

Wat het nieuwe model daadwerkelijk beter doet

A headless-browser screenshot of the Artificial Analysis model page for d1-ultra, captured 17 November 2026 in English, showing the Liquid AI vendor label, the heading ‘d1-ultra: Release, Decision Index Score, Performance & Price’, a Decision Index score of 71, a 33k-token context window, a time-per-task figure of 301 ms, and a summary describing the model as reasonably priced but notably slow.

Vier componenten gingen omhoog, en twee ervan gingen een heel eind.

• AA-Paperclip, 30% van de index — 75,81 tegenover 64,69 op de beslissingsscore, en 67,7% tegenover 51,3% van de documenten volledig correct. Elf punten hoger percentage documenten dat alles correct heeft op de component met het grootste gewicht vormen het hele verhaal achter een samengestelde winst van twaalf punten. Dit is het getal om naar te kijken als je velden extraheert uit facturen, bonnetjes of cv's, want een document dat één van de vijftien antwoorden mist, telt hoe dan ook als een misser.

• AA-Symmetry, 15% — 86,34 tegenover 78,66, waarbij de all-pass-consistentie steeg van 45,8% naar 56,7%. Formuleer de vraag anders, hussel de opties door elkaar, keer een ja/nee om, en het nieuwe model houdt zijn antwoord veel vaker vast.

• When2Call, 10% — 96,49 tegen 93,83. Tool calling was al het sterke punt van de familie; dit is een kleinere winst op een onderdeel dat al bijna op zijn plafond zat.

• EvalSafe-O*NET-AA, 15% — 89,53 tegenover 88,15. Anderhalf punt op de beoordeling van werkplekdocumenten, wat dicht bij ruis ligt en niet als verbetering mag worden verkocht.

• AA-Omniscience-Decision v1.1, 15% — 60,80 tegen 64,39 op de beslissingsscore. Vier punten lager op de component die voor de helft kennis en voor de helft eerlijkheid is.

• HLE-MultiChoice v1.1, 15% — 46,36 tegenover 47,39. Een punt lager op de component waar het hele veld zwak is.

De twee regressies, in eenvoudige bewoordingen

De daling in alwetendheid is geen scoringartefact; ze komt tot uiting in de onderliggende rijen voor accuraatheid en abstentie, en die spreken elkaar tegen op een manier die het waard is te begrijpen voordat je migreert.

• AA-Omniscience-Decision-nauwkeurigheid — d1-ultra beantwoordde 28,0% van de vragen correct, d1.2-ultra 23,6%. De voorganger wist meer.

• AA-Omniscience-Decision non-hallucinatie — d1-ultra 88,6%, d1.2-ultra 83,8%. De voorganger was ook beter in het niet verzinnen van een antwoord. Beide rijen bewogen in dezelfde richting, wat betekent dat dit een echte capaciteitsverandering is en niet een verschuiving in hoe voorzichtig het model zijn onthoudingen inzet.

• HLE-MultiChoice-nauwkeurigheid — 6,09% tegen 2,36%; het nieuwe model staat op ruwe nauwkeurigheid als laatste van de 24. De niet-hallucinatiegraad op dezelfde set steeg van 56,9% naar 76,1%, dus de daling in nauwkeurigheid wordt deels betaald met meer onthouding. Maar niet helemaal: het omniscience-paar hierboven laat zien dat het model minder antwoordt ÉN minder vaak goed zit.

De consequentie voor een pijplijn is beperkter dan het klinkt. Als je een drempel op waarschijnlijkheid hanteert en gevallen met lage betrouwbaarheid naar een mens stuurt, doet een model dat zich vaker onthoudt je een plezier, en het cijfer van 83,8% niet-hallucinatie is nog steeds zesde van 24. Als je het model gebruikt als een automatische poortwachter voor vragen waarbij je een feit moet kennen — is deze bewering consistent met het beleid, komt deze code overeen met de specificatie — dan is de goedkopere voorganger meetbaar beter en is er geen reden om die niet voor dat segment te blijven gebruiken.

Wat je in je client moet wijzigen

Bijna niets, en dat is juist de reden om het nu te doen in plaats van over een kwartaal. Het endpoint is hetzelfde, api.liquid.ai/decisions/v1/systemone, aangeroepen met "model": "d1.2-ultra"; de drie vraagtypen zijn ongewijzigd; responses zijn nog steeds gestructureerde JSON met een waarschijnlijkheid per optie en geen output-tokens. De migratie is een stringwijziging en een redeploy.

Het nieuwe is aanvullend, en het is de moeite waard om te weten omdat het workarounds wegneemt in plaats van functies toe te voegen. Vijf antwoordtypen sluiten aan bij de bestaande: lees een waarde van de pagina en retourneer de tekens waaruit die is gelezen, of "niet gevonden"; retourneer elke span van een soort met posities, wat PII-redactie dekt zonder een tweede model; retourneer een kader rond één object of elk exemplaar plus een telling; retourneer een schatting met een bereik; en retourneer elke toepasselijke optie met zijn eigen waarschijnlijkheid. Audio-invoer werkt in beide richtingen — de opname kan het onderwerp zijn, of het kan de vraag zijn, gesproken in plaats van getypt.

De nauwkeurigheidsclaims voor die vijf taken zijn van Liquid zelf, op interne testsets die zijn opgebouwd uit hold-out-splitsingen van publieke datasets, omdat er nog geen publieke benchmark is die ze dekt. Volgens de cijfers van de leverancier liggen de twee modellen dicht bij elkaar: 98% tegen 96% bij het lezen van een waarde van een bon, 94%/93% tegen 92%/88% op PII-spans, 94% elk bij objectlocatie, en bij de laatste twee taken is het oudere model niet op elke rij het zwakkere — het nieuwe model wint bij het tellen binnen één met 93% tegen 92% en verliest bij het aanwijzen van elk aanwezig object met 87% tegen 90%.

De oude en de nieuwe naast elkaar laten draaien

Beide behouden is de eerlijke migratie, en het is goedkoop: het zijn verschillende modelstrings op hetzelfde endpoint en beide staan vandaag al op Liquid's eigen API, tegen dezelfde prijs, met sleutels van console.liquid.ai. Geen van beide staat in onze catalogus, en dit stuk is voor geen van beide een bewering over beschikbaarheid.

Waar een routeringslaag hier nuttig wordt, is dat de splitsing tussen de twee modellen een beslissing per vraag is in plaats van per service. De opvolger is degene naar wie je documenten, afbeeldingen en alles waarop je een drempel wilt toepassen, stuurt; de voorganger is degene naar wie je feitenrijke beoordelingen stuurt waar zijn nauwkeurigheid en onthoudingsrijen nog steeds beter zijn. Stel dat samen als twee routes achter één API — de routing-DSL laat je splitsen op vraagtype of op toestandsgrootte in plaats van op handmatig gecodeerde servicegrenzen — en de twee modellen concurreren niet langer om dezelfde plek. Niets aan onze kant verandert de $0,042 die elk model kost: lijstprijzen van providers worden doorgegeven tegen 0% opslag, dus een prijswijziging van Liquid is hier dezelfde dag live in plaats van bij de volgende factureringscyclus. En wanneer een leveranciers-API een slechte middag heeft, is automatische failover wat de documentroute in leven houdt in plaats van één provider tot het enige storingspunt voor de hele pipeline te maken.

De upgrade, elk in één regel

Neem d1.2-ultra voor documenten, voor afbeeldingen, voor ambigue toestanden en voor alles waarvoor je een drempelwaarde gebruikt — het is elf punten beter op de documentcomponent, acht beter op symmetrie, een derde sneller, verdubbelt het contextvenster en verlaagt, als je meer dan één vraag per toestand stelt, je factuur met een orde van grootte.

Behoud d1-ultra voor feitintensieve gating, waar de nauwkeurigheid op het gebied van alwetendheid en de rijen voor niet-hallucinatie beide nog steeds hoger zijn, en waar de HLE-nauwkeurigheid bijna drie keer die van de opvolger is, hoe klein beide getallen ook zijn.

Sla de migratie volledig over alleen als je states geen afbeeldingen bevatten, elk één vraag, en geen drempel — het geval waarin de twee modellen hetzelfde kosten en het nieuwe simpelweg beter is bij elke evaluatie die je gebruikt. In dat geval is de enige reden om te wachten de negentien uur die het kost om erachter te komen dat er niets kapot is gegaan.

A headless-browser screenshot of the OrcaRouter model page for typesafe/jev-1.14, captured 17 November 2026 in English, showing the /v1/systemone endpoint, Zero Data Retention availability, an input and output list price of $0.04, and measured latencies of 182 ms and 372 ms.