Een gegenereerde titelkaart met als kop ‘Dezelfde prijs, één generatie verschil’, met als ondertitel ‘Liquid AI d1.2 tegen Liquid AI D1’. Eén lange horizontale balk stijgt van links naar rechts, met aan het linkeruiteinde het label ‘D1 61’ en aan het rechteruiteinde ‘d1.2 69’. Drie omlijnde chips met de tekst ‘dezelfde $0.02 per 1M invoertokens’, ‘hetzelfde systemone-endpoint’ en ‘alle zes componenten verbeterd’, en een bijschriftregel luidt ‘twee nauwkeurigheidsrijen behoren nog steeds tot het oudere model’. Het OrcaRouter-merkteken is rechtsonder gecompositeerd.
Guides & Insights

d1.2 vs Liquid AI D1: Zelfde $0,02, zes componenten gewonnen, en twee nauwkeurigheidsrijen die achteruit gingen

Auteur

jinhao.song

Publicatiedatum

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

Liquid AI d1.2 en Liquid AI D1 hebben dezelfde lijstprijs — $0,02 per miljoen invoertokens, alleen invoer gefactureerd, geen uitvoertokens — op hetzelfde endpoint, waar ze dezelfde drie vraagtypes beantwoorden. Ze liggen twee generaties uit elkaar: D1 was het eerste beslissingsmodel van de familie, dat Artificial Analysis vermeldt als uitgebracht in september 2026, en d1.2 verscheen op 16 november 2026, met d1.1 daartussen. Alles waarop een vergelijking gewoonlijk draait — prijs, contract, clientcode, deploymentvorm — is identiek. Wat overblijft is het model, en op het model is het resultaat scheef maar niet eenduidig: d1.2 wint alle zes evaluaties van de Decision Index v2.1 en leidt overall met 7,9 punten, terwijl D1 nog steeds twee van de ruwe nauwkeurigheidsrijen daaronder wint.

Die twee rijen zijn de reden dat dit het lezen waard is in plaats van er snel doorheen te gaan. Beide liggen op de kennisas, en beide zijn de directe prijs van de wijziging die d1.2 overal elders beter maakt — het wijst veel vaker af. De vergelijking is een sjabloon voor hoe een "strikt betere" upgrade eruitziet zodra je de subrijen bekijkt: een grote samengestelde winst, een echte gedragsverbetering, en een klein, voorspelbaar punt waarop het nieuwe model iets opgeeft.

De twee rijen, zij aan zij

A generated two-column scoreboard titled ‘d1.2 vs D1 - the scoreboard’. The d1.2 column lists Decision Index 69, AA-Paperclip all-pass 44.3%, AA-Symmetry 76.5, When2Call 96.1, Omniscience non-hallucination 66.6% and price per 1M input tokens $0.02. The D1 column lists 61, 25.7%, 58.7, 81.6, 3.3% and $0.02. The footer reads ‘Both rows per Artificial Analysis Decision Index v2.1; D1 ranks #21 of 25 decision models on the board.’ The OrcaRouter mark is composited bottom right.

Beide modellen werden door Artificial Analysis gescoord op dezelfde versie van hetzelfde board, waardoor het gebruikelijke gevaar verdwijnt van het vergelijken van een leverancierscijfer met een onafhankelijk cijfer. Geen van beide cijfers hier is afkomstig van Liquid.

• Decision Index v2.1 — 68,69 voor d1.2 (#9 van 25) versus 60,78 voor D1 (#21 van 25). Elf modellen scheiden hen nu, en de kloof is groot genoeg dat geen plausibele nieuwe run die kan dichten.

• Prijs per miljoen invoertokens — $0,02 voor beide. Onveranderd over twee generaties.

• Gemodelleerde kosten per miljoen taken — $63 voor beide, wat je zou verwachten bij een identieke tokenprijs en een vergelijkbaar aantal tokens per taak. Geen van beide is goedkoper; de ranglijst plaatst beide op de derde plaats.

• Tijd per taak — 150 ms vs. 151 ms. Vrijwel identiek, en beide sneller dan de klassenmediaan van 206 ms.

• Contextvenster — 66k tokens voor beide, zoals vermeld door het board. De eigen berichten van Liquid vermelden voor geen van beide een venster, dus dit is een interpretatie door een derde partij in plaats van een specificatie van de leverancier.

• Brier-score, waarbij lager beter is — 0,164 vs. 0,196. Een verbetering van 0,032 in de waarschijnlijkheid die aan het gekozen antwoord wordt toegekend, zonder kosten.

De laatste rij is de rij om bij stil te staan. d1.2 heeft niet alleen vaker gelijk; het vertrouwen dat het aan zijn antwoord hecht, ligt dichter bij de waarheid, en dat is precies de eigenschap waardoor een drempelpijplijn überhaupt werkt. En het komt gratis.

Zes componenten, en de grootte van elke tussenruimte

A headless-browser screenshot of the Artificial Analysis d1 model page, captured 18 November 2026 in English, dated September 2026. The summary panel reads that d1 is among the lowest scoring on the Decision Index but well priced and faster than average: a Decision Index score of 61 against a median of 66, 151 ms per task against a median of 206 ms, $0.02 per 1M input tokens, and about $63 per 1M tasks against a median of $137. The rank badge reads #21/25 on the Decision Index and #3/25 on cost, and the technical specification lists text and image input with a 66k-token context window.

Het samengestelde getal verbergt een zeer ongelijkmatige reeks veranderingen, en twee daarvan gaan niet echt over nauwkeurigheid.

• AA-Paperclip, documentbeslissingen — 62,60 voor d1.2 tegenover 54,92, waarbij 44,3% van de documenten volledig correct is tegenover 25,7%. Die all-pass-rij is de grootste afzonderlijke verbetering in de release voor dit paar: een factuur met vijftien velden waarvan er veertien juist zijn, geldt onder beide modellen als een misser, en d1.2 maakt van een kwart van de documenten bijna de helft.

• When2Call, toolbeslissingen — 96,09 tegen 81,59, met 95,5% nauwkeurigheid tegen 77,9%. Dit is het resultaat dat verandert waarvoor het model kan worden gebruikt. D1 op 77,9% is een classifier waar je een mens achter zou zetten; d1.2 op 95,5% is er een die je zou laten routeren.

• AA-Symmetrie, invariantie — 76,52 tegenover 58,67, met 50,0% alles-goed tegenover 32,5%. Herformuleer de vraag, herschik de opties, ontken een ja/nee: het antwoord van het oude model verschoof, dat van het nieuwe meestal niet.

• EvalSafe-O*NET-AA, werkplekbeoordeling — 86,55 tegenover 84,21, en 79,7% nauwkeurigheid tegenover 76,3%. Het kleinste verschil op het overzicht, en op zichzelf geen reden om te migreren.

• AA-Omniscience-Decision v1.1, kennis — 60,94 tegen 58,31. Bijna drie punten, en de subrijen daaronder zijn het interessante deel.

• HLE-MultiChoice v1.1, moeilijke vragen — 44,69 tegen 39,80, met een nauwkeurigheid van 5,30% tegen 11,79%. Het nieuwe model beantwoordt minder moeilijke vragen correct en scoort toch vijf punten hoger, omdat de index de waarschijnlijkheid scoort en niet alleen de keuze.

Het verhaal over abstentie is de echte upgrade.

Bekijk de niet-hallucinatierijen in samenhang, want ze beschrijven een model dat zijn karakter heeft veranderd in plaats van zijn nauwkeurigheid.

• AA-Omniscience-Decision non-hallucinatie — d1.2 66,6%, D1 3,3%. D1 beantwoordde 39,8% van deze vragen correct en weigerde bijna nooit; d1.2 beantwoordt 30,0% correct en weigert aanzienlijk vaker.

• HLE-MultiChoice niet-hallucinatie — 53,9% tegenover 5,6%, op een benchmark waarop D1's ruwe nauwkeurigheid twee keer zo hoog is.

• AA-Symmetry all-pass — 50,0% tegenover 32,5%, dezelfde verschuiving gezien via consistentie in plaats van via weigering.

D1 was het eerste model van de familie en gedraagt zich ook zo: als je het een vraag stelt die het niet kan beantwoorden, geeft het een antwoord. Een non-hallucinatiepercentage van 3,3% betekent dat het bij ongeveer 97 van elke 100 kennisvragen waar onthouden de juiste reactie was, zich niet onthield. Als je pipeline gevallen met lage betrouwbaarheid naar een menselijke beoordelaar stuurt, is dat de eigenschap die bepaalt of de gate werkt; een model dat nooit "Ik weet het niet" zegt, geeft je niets waarop je een drempel kunt toepassen, en zijn 0,9-waarschijnlijkheden betekenen minder dan de 0,9'en van d1.2.

Het voorbehoud is symmetrisch en de moeite waard om te vermelden: d1.2 beantwoordt minder moeilijke vragen correct. Als je taak een kennisvraag is met een eenduidig antwoord en geen mogelijkheid om je van een antwoord te onthouden — is deze bewering consistent met het beleid, komt deze code overeen met de specificatie — dan ruil je nauwkeurigheid in voor eerlijkheid, en die ruil is mogelijk niet gratis.

Wat het nieuwe model kan beantwoorden en het oude niet

d1.2 voegt vijf antwoordtypen en audio-invoer toe. D1 heeft ze geen van alle, en geen enkele hoeveelheid prompting dicht die kloof, omdat het responscontract geen veld heeft voor een spanpositie of een bounding box.

• Een waarde plus de tekens waaruit die is gelezen, of "niet gevonden" — de extractieprimitief die een tweede generatieve ronde per veld overbodig maakt.

• Elk fragment van een soort met posities — namen, telefoonnummers, e-mailadressen, als een primitief voor redigeren in plaats van een samenvattingsprompt.

• Een kader rond één object of rond elk exemplaar, plus een aantal.

• Een schatting met een bijbehorend bereik.

• Elke toepasselijke optie met een eigen waarschijnlijkheid, in plaats van één winnaar.

Audio werkt in beide richtingen: de opname kan het onderwerp zijn, of de vraag. De nauwkeurigheidscijfers voor dit alles zijn van Liquid, op interne testsets die zijn samengesteld uit achtergehouden splits van openbare datasets, omdat geen enkele openbare benchmark de nieuwe taken dekt — 98% en 96% bij het lezen van een waarde van een bon voor d1.2-ultra en d1.2, 94%/93% tegenover 92%/88% op personal-data-spans, 94% voor beide bij objectlocatie. Beschouw ze als de leverancier die zichzelf evalueert; de board heeft voor niets daarvan een rij.

Eén factureringsdetail komt erbij. Onder D1 werd elke vraag gefactureerd als een eigen prompt, inclusief elke bijgevoegde afbeelding; onder d1.2 worden de tekst en afbeeldingen van een verzoek één keer gefactureerd en voegt elke extra vraag alleen de eigen tekst toe. Stel tien vragen over één foto van 1024×1024 — 1.536 tokens aan afbeelding — en de oude regel rekent ongeveer 15.360 afbeeldingstokens; de nieuwe rekent 1.536. Bij een identiek tarief van $0,02 is het patroon met meerdere vragen op d1.2 meerdere keren goedkoper, en de besparing zit in de factureringsregel, niet in het tarief.

Wat breekt er als je de string wijzigt?

A headless-browser screenshot of the OrcaRouter model page for typesafe/jev-1.14, captured 18 November 2026 in English, showing the /v1/decisions/v1/systemone endpoint family, Zero Data Retention availability, a $0.04 list price per million input tokens, and measured latencies of 182 ms and 372 ms.

Minder dan je zou verwachten, en de uitzonderingen zijn eerder een test waard dan een zorg. Het endpoint blijft api.liquid.ai/decisions/v1/systemone, de modelstring wordt d1.2, en de drie oorspronkelijke vraagtypes behouden hun request- en responsevorm. Een client die een waarde, een keuze en een score stuurt, krijgt dezelfde JSON terug.

Drie dingen om te controleren aan de hand van je eigen sample voordat je een productiepad omzet:

• Parsen van "not found". De nieuwe antwoordtypen kunnen een expliciete afwezigheid retourneren, en een parser die uitging van een niet-null-waarde zal daarop stuklopen. Dit is een functie, maar het is een breaking change in een strikt schema.

• Drempelwaarde plaatsen. Waarschijnlijkheden betekenen nu iets anders. Een 0,8 op d1.2 is een betrouwbaardere 0,8 dan een 0,8 op D1, dus een drempel die is afgestemd op het overmatige zelfvertrouwen van het oude model, zal na de wissel minder vaak afgaan. Stem hem opnieuw af in plaats van hem over te nemen.

• Het {{1}}kennisfragment{{/1}}. Als een deel van je werklast feitenbeoordeling is in plaats van het lezen van documenten, meet dat deel dan afzonderlijk. Het is de enige plek waar de hogere onthoudingsgraad van het nieuwe model je dekking kan kosten, en de nauwkeurigheidsrijen van het dashboard zeggen dat duidelijk.

Wie zou moeten migreren, en wie zou eerst moeten meten?

Migreer zonder omhaal als de workload extractie, routering, toolselectie of consistentiegevoelige classificatie is. Elke gepubliceerde rij begunstigt d1.2, de prijs verandert niet, en de kloof op het gebied van invariantie en tool-calling is groot genoeg dat een nieuwe run die waarschijnlijk niet zal omkeren.

Meet eerst of de werklast kennisbeoordeling op volume is, of dat de pipeline een handmatig afgestelde waarschijnlijkheidsdrempel heeft. Geen van beide is een reden om op D1 te blijven — maar beide zijn redenen om een paar duizend echte states door beide modellen te halen en de waarschijnlijkheden te vergelijken in plaats van de labels.

Eerst toegang, want een migratievraag wordt meestal een inkoopvraag. D1 en d1.2 draaien beide op Liquid's API; geen van beide staat in onze catalogus, en niets hier is een claim over beschikbaarheid. Het model in onze catalogus dat in deze test thuishoort, is Jev 1.14, dat EvalSafe-O*NET-AA naar 91.14 brengt waar d1.2 stopt bij 86.55, dezelfde systemone-vorm spreekt en $0.042 per miljoen inputtokens factureert. Zet alle drie op dezelfde staten en de routing-DSL schrijft de splitsing één keer — per vraagtype, niet per service — met lijstprijzen van providers doorgegeven tegen 0% markup, zodat de $0.02 die je ziet vermeld de $0.02 is die je betaalt. Automatische failover is wat een model dat twee dagen geleden is uitgebracht één lane van een live workload laat bezetten in plaats van alles.

That is de hele vergelijking. Dezelfde prijs, hetzelfde contract, hetzelfde endpoint, één generatie werk ertussen, en zes composietoverwinningen tegen twee nauwkeurigheidsrijen die het oude model nog steeds vasthoudt — beide liggen op de kennisas, waar de abstentie van d1.2 is wat het kost. Als je workload extractie, routing of classificatie is, is elke rij die je belangrijk vindt de juiste kant op bewogen. Als het feitenbeoordeling is zonder reviewer erachter, voer dan eerst de schaduwvergelijking uit en laat de cijfers op je eigen staten beslissen.