Een gegenereerde titelkaart met als kop ‘Audio erin, boxen eruit, bewijs bijgevoegd’, ondertiteld ‘Liquid AI d1.2 en d1.2-ultra - uitgebracht op 16 november 2026’. Drie afgeronde kaarten tonen ‘75’ boven ‘#1 van 25 beslissingsmodellen’, ‘$0.02’ boven ‘per 1 miljoen inputtokens’, en ‘5’ boven ‘nieuwe antwoordtypen’; drie omlijnde chips eronder luiden ‘een waarde lezen’, ‘een object lokaliseren’ en ‘elke optie die van toepassing is’. De OrcaRouter-markering is rechtsonder gecompositeerd.
Guides & Insights

Liquid AI d1.2 komt met audio-invoer en boxes als uitvoer — en het goedkope model is juist het interessante

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 d1.2-ultra zijn op 16 november 2026 live gegaan op de API van de leverancier, en het meest in het oog springende cijfer is voor het duurdere model: d1.2-ultra scoort 75 op de Artificial Analysis Decision Index v2.1, als eerste van de 25 beslissingsmodellen die het bestuur rangschikt. De ingrijpender verandering zit in de request body, niet in het leaderboard. Beide modellen retourneren nu antwoorden die de vorige generatie niet kon uitdrukken — een waarde plus de tekens waaruit die is gelezen, een lijst met spans en hun posities, een bounding box, een aantal met een bereik eromheen, een reeks opties die elk een eigen waarschijnlijkheid hebben — en beide accepteren audio, hetzij als het onderwerp waarover wordt gevraagd, hetzij als de vraag zelf.

Dat is een ander soort release dan een sprong in nauwkeurigheid. Een beslissingsmodel gaf vroeger een label en een waarschijnlijkheid terug, wat betekende dat elke pipeline die het bewijs achter het label nodig had, een tweede model moest aansluiten om dat te vinden. d1.2 antwoordt met het bewijs erbij, in één forward pass, voor $0,02 per miljoen inputtokens. d1.2-ultra doet hetzelfde voor $0,042. Geen van beide genereert outputtokens, dus er is nog steeds niets om te streamen: dit zijn modellen die je aanroept en waar je een gestructureerd object van terugkrijgt.

Beide zijn vandaag live op de eigen API van Liquid en nergens anders dat de leverancier wil bevestigen. Alles hieronder maakt onderscheid tussen wat Liquid rapporteert en wat Artificial Analysis heeft gemeten, omdat bij deze release de twee niet dezelfde set cijfers zijn en het verschil ertoe doet.

Wat er daadwerkelijk is verzonden, punt voor punt

De vijf nieuwe antwoordtypen zijn additief. Het endpoint is ongewijzigd, de drie oorspronkelijke vraagtypen zijn ongewijzigd, en een client die dezelfde JSON verstuurt als gisteren, krijgt een respons in dezelfde vorm.

• Een waarde lezen — vraag hoeveel er op een factuur verschuldigd is en krijg het getal plus de tekens waaruit het is gelezen, of de tekenreeks "not found" wanneer het veld ontbreekt. Dit is degene die de meeste glue code wegneemt, omdat de gebruikelijke workaround een tweede generatieve aanroep is om de pagina opnieuw te lezen.

• Vind elk stuk van een bepaald type — elke naam, elk telefoonnummer en elk e-mailadres in een notitie, elk met de positie ervan in de tekst. Dat is een redactieprimitief, en het is de eerste keer dat deze familie er een biedt.

• Dingen in een afbeelding lokaliseren — één kader rond de handtekening op een gescand formulier, of een kader rond elk exemplaar van een object plus het aantal. "Niet gevonden" is een beschikbaar antwoord, wat belangrijker is dan het klinkt: een objectdetector die altijd een kader moet teruggeven, verzint er een.

• Schat een aantal met een bereik — twaalf mensen op de foto, plausibel tien tot veertien. Het bereik is het eerlijke deel van de uitvoer, en het is het stuk dat de meeste teams anders zelf zouden moeten kalibreren.

• Kies elke optie die van toepassing is — facturering en levering, elk met een eigen waarschijnlijkheid, in plaats van één enkele winnaar. Multi-labelclassificatie werd voorheen nagebootst door dezelfde vraag één keer per label te stellen en elke keer voor de toestand te betalen.

Audio komt in beide richtingen binnen. De opname kan het onderwerp zijn — welke taal er wordt gesproken, of er een sirene op de achtergrond te horen is — of de vraag kan gesproken in plaats van getypt worden. Liquid rapporteert een nauwkeurigheid van 95% tot 97% op niet eerder gebruikte opnames voor ESC-50 en FLEURS, met drie tot zes opties per vraag en nauwe verwarringen zoals Spaans tegenover Portugees in de mix.

Eén facturatiewijziging lift mee en is gemakkelijk over het hoofd te zien. Bij een verzoek worden de tekst en afbeeldingen nu één keer in rekening gebracht, en elke extra vraag voegt alleen de eigen tekst toe. Onder de vorige generatie werd bij elke vraag de volledige prompt opnieuw gefactureerd, inclusief elke bijgevoegde afbeelding, zodat een bevraging van tien vragen over één foto tien keer voor de foto betaalde.

Het bord, en waaronder de eerste plaats de eerste is.

A generated two-column scoreboard titled ‘d1.2 vs d1.2-ultra - the scoreboard’. The d1.2 column lists Decision Index 69, #9 of 25; AA-Paperclip 62.6, 44.3% all-pass; AA-Symmetry 76.5; When2Call 96.1; HLE accuracy 5.30%; cost per 1M tasks $63. The d1.2-ultra column lists Decision Index 75, #1 of 25; AA-Paperclip 75.8, 67.7% all-pass; AA-Symmetry 86.3; When2Call 96.5; HLE accuracy 2.36%; cost per 1M tasks $133. The footer reads ‘All scores per Artificial Analysis Decision Index v2.1; the five new answer types are vendor-reported and not on the board.’ The OrcaRouter mark is composited bottom right.

Artificial Analysis heeft beide nieuwe modellen nu gescoord op Decision Index v2.1, en de cijfers zijn niet door de leverancier gerapporteerd: het panel heeft ze zelf gedraaid, op dezelfde zes evaluaties, tegen de huidige lijstprijzen. d1.2-ultra komt uit op 74,85, eerste van 25 beslissingsmodellen en 2,2 punten voor op zijn naaste rivaal onder de beslissingsmodellen, Drex Max v1.1 op 72,62. d1.2 komt uit op 68,69, negende van 25, boven de mediaan van de klasse van 66.

Het voorbehoud dat je moet onthouden, is dat 'eerste' beperkt is. Dezelfde ranglijst beoordeelt ook twee algemene taalmodellen met hetzelfde instrument, en beide verslaan d1.2-ultra ronduit: Claude Haiku 5.5 (Max) met 76,49 en GPT-6 Luna (Max) met 75,67. Geen van beide is een beslissingsmodel, en de prijs van de vergelijking is fors — $6.218 en $1.548 per miljoen taken tegenover $133 — maar 'nummer één op de Decision Index' zonder het woord decision erin is niet wat de ranglijst laat zien.

Wat het bord wel onafhankelijk bevestigt, is het kalibratieverhaal. Beslissingsscores op deze index trekken de Brier-score af van de waarschijnlijkheid die aan het gekozen antwoord is toegekend, dus een model dat gelijk heeft maar extreem zelfverzekerd is, wordt gestraft. d1.2-ultra heeft een Brier van 0,150, d1.2 0,164, en het model dat ze vervangen, d1-ultra, 0,176. Het goedkopere nieuwe model is beter gekalibreerd dan het oudere vlaggenschip, ondanks dat het overall 1,9 punten lager scoort, wat het soort splitsing is die alleen opduikt wanneer iemand anders de harness draait.

Tijd en kosten completeren het beeld en wijzen in tegengestelde richtingen. d1.2 doet 150 ms per taak, de achtste snelste op de ranglijst en net onder de mediaan van 206 ms. d1.2-ultra doet 218 ms, langzamer dan de mediaan en als vijftiende. Wat de kosten per miljoen taken betreft, zet de ranglijst d1.2 op $63, de derde goedkoopste van de 25, en d1.2-ultra op $133, als elfde tegen een mediaan van $137.

De nummers van de nieuwe taak, en wie ze heeft geproduceerd

A headless-browser screenshot of Liquid AI's own release post, captured 18 November 2026 in English, headed ‘d1.2: State-of-the-Art Omnimodal Decision Models’ and dated Nov 16, 2026. The opening paragraph announces d1.2 and d1.2-ultra with audio input and five new tasks, states that d1.2-ultra ranks first among decision models on the Artificial Analysis Decision Index v2.1, and gives $0.02 per million input tokens for d1.2 against $0.042 for d1.2-ultra. A row of task tiles beneath reads ‘Read a value’, ‘Find every passage of a kind’ and ‘Locate things in a picture’.

Nog geen enkele openbare benchmark bestrijkt een van de vijf nieuwe antwoordtypen, dus elk nauwkeurigheidscijfer ervoor komt uit Liquid's eigen interne testsets, samengesteld uit afgescheiden delen van openbare datasets. Die cijfers zijn een evaluatie door een leverancier van zijn eigen model op data die hij zelf heeft gekozen, en ze moeten precies zo worden gelezen.

• Een waarde lezen uit een bon, op CORD en SROIE — 98% voor d1.2-ultra, 96% voor d1.2. Een lezing telt als correct wanneer ze het doel vindt of correct aangeeft dat het afwezig is, waardoor het geval 'niet gevonden' deel uitmaakt van de score in plaats van een vrijkaartje.

• Spans met persoonsgegevens, op Nemotron PII — 94% precisie en 93% recall voor de ultra, 92% en 88% voor d1.2. Het recallverschil van vijf punten is de grootste afstand tussen de twee modellen op elk van de vijf taken, en juist dat verschil is van belang bij redactie, waar een gemiste span de fout is waarvoor je een boete krijgt.

• Objectlocatie, op de RefCOCO-familie — 94% voor beide. Helemaal geen scheiding.

• Tellen binnen één, op COCO — 93% voor de ultra, 92% voor d1.2.

• Het oppakken van elk aanwezig object, op COCO — 87% voor de ultra tegen 90% voor d1.2, de enige rij waarin het goedkope model wint.

Dus de premium-variant levert een duidelijke winst op het lezen van waarden en op span-recall, en vrijwel niets op ruimtelijke taken. Als jouw use case boxen betreft, is het $0,02-model degene die je eerst moet testen.

Audio, en het specificatieblad dat achterloopt

Audio is de claim met de grootste kloof tussen de aankondiging en het onafhankelijke verslag. Liquid's bericht beschrijft audio-invoer als een kerncapaciteit van beide modellen; de technische specificatie van Artificial Analysis voor beide modellen noemt als invoermodaliteit nog steeds tekst en afbeelding, en de index bevat geen audio-evaluatie, dus niets op het bord test de claim. Dat is geen tegenspraak — het bord is er simpelweg nog niet aan toegekomen — maar het betekent wel dat de audiocapaciteit op dit moment een leveranciersverklaring is waar geen controle door derden achter zit.

Dezelfde waarschuwing geldt voor de vijf nieuwe antwoordtypen: de index meet er geen enkele. Een model kan bovenaan het ranglijstje staan en toch ongemeten zijn op precies datgene wat je ermee wilt doen.

De kalibratietabel van de leverancier is om een andere reden het lezen waard. Over 13 benchmarks en 22.505 vragen die door alle vijf modellen zijn beantwoord, zet Liquid de kalibratiefout op 0,8 punt voor d1.2-ultra, 1,2 voor d1.2, 2,7 voor Jev 1.14, 3,7 voor Perplexity's Decider v1.3, en 7,2 voor GPT-6 Luna op zijn Decisions-endpoint. Dat zijn cijfers die de leverancier zelf heeft uitgevoerd op een door de leverancier gekozen vragenset. De Brier-scores van de board wijzen bij dezelfde twee modellen dezelfde kant op, en dat is deze week het dichtst bij een second opinion in de buurt.

De zin over kosten controleren aan de hand van het bord

A headless-browser screenshot of the Artificial Analysis d1.2 model page, captured 18 November 2026 in English. The summary panel reads ‘d1.2 is above average on the Decision Index and well priced’, gives a Decision Index score of 69 against a median of 66, 150 ms per task against a median of 206 ms, $0.02 per 1M input tokens, and about $63 per 1M tasks to run the index against a median of $137. The technical specification block lists text and image input and a 66k-token context window.

Liquid doet een bewering die ongewoon falsifieerbaar is: geen enkel model scoort hoger dan d1.2 voor minder geld, en geen enkel model scoort hoger dan d1.2-ultra tegen welke prijs dan ook. Beide helften doorstaan de toets, met hetzelfde voorbehoud over de reikwijdte als voorheen.

• De tweede helft is onder beslissingsmodellen bijna triviaal waar — niets anders op het scorebord met 25 modellen scoort überhaupt boven 74,85. Het faalt alleen als de twee algemene taalmodellen worden toegelaten, en die kosten 12 tot 47 keer zoveel per miljoen taken.

• De eerste helft houdt stand op het beslissingsbord: elk beslissingsmodel dat boven de 68,69 van d1.2 scoort, kost meer per miljoen taken. De dichtstbijzijnde goedkope uitdager is Perplexity's Decider v1.3 met 70,41 en $68, met minder dan twee indexpunten verschil voor vijf dollar per miljoen taken — het dichtst dat het bord bij een tegenvoorbeeld komt, en nog steeds aan de juiste kant van Liquid's uitspraak.

• De kostencijfers zijn van Artificial Analysis zelf, berekend op basis van de huidige lijstprijzen en gemiddeld volgens de indexgewichten. Het betreft een gemodelleerde kostenpost per taak, geen factuur, en ze veranderen wanneer een aanbieder een prijs wijzigt.

Dat laatste punt is waar een routeringslaag zijn bestaansrecht verdient in plaats van zichzelf aan te prijzen. Deze release heeft de factureringsregel van Liquid gewijzigd, de effectieve prijs van het goedkope model ten opzichte van het oude vlaggenschipmodel gehalveerd, en dat twee dagen geleden gedaan. Aan onze kant worden lijstprijzen van providers tegen 0% opslag doorgegeven, dus een verlaging van een leverancier komt hier dezelfde dag door in plaats van pas bij de volgende contractverlenging — de $0,02 en $0,042 in dit artikel zijn de cijfers van de leverancier, geen met opslag herschreven weergave ervan.

Wat je deze week kunt doen als je al een beslissingsmodel draait

Niets in dit stuk is een beschikbaarheidsaankondiging: beide nieuwe modellen staan op Liquid's API, en geen van beide staat al in onze catalogus. De reden om die van ons überhaupt te noemen, is dat de release een decision-modelrelease is, en het decision-model dat wij wél aanbieden is Jev 1.14 — de enige rij op het bord die d1.2-ultra op een component verslaat, EvalSafe-O*NET-AA met 91.14 tegen 89.53, bij dezelfde systemone-aanvraagvorm tegen $0.042 per miljoen inputtokens. Wat je ook concludeert over de vijf nieuwe antwoordtypen, het security-and-workplace-segment heeft een incumbent waartegen je vandaag kunt benchmarken.

De stap die logisch is voordat de platforms van derden die Liquid belooft daadwerkelijk verschijnen, is een schaduwrun. Stuur de toestanden die je pipeline al ziet naar beide d1.2-modellen, vergelijk de waarschijnlijkheden in plaats van de top-1-labels, en kijk specifiek naar de gevallen waarin het model 0,8 antwoordt en fout zit. Die staart is waar de vorige generatie het zwakst was, en het is het enige dat deze release claimt te hebben opgelost dat de index slechts gedeeltelijk kan bevestigen.

Automatische failover is de andere helft van het uitproberen van een model van twee dagen oud zonder er een productiepad aan te wagen: stuur een deel van het verkeer naar d1.2-ultra, houd het gevestigde model erachter en laat een slechte middag bij één leverancier liever het antwoordpercentage verlagen dan de pijplijn platleggen. Dat is een goedkopere manier om erachter te komen of 75 echt is dan te wachten op de benchmark van iemand anders.

De open vraag is niet of deze modellen zijn uitgebracht — dat zijn ze, met prijzen en een endpoint — maar of de vijf nieuwe antwoordtypen standhouden buiten Liquid's eigen held-out-splits. Niemand heeft voor een van hen een onafhankelijk cijfer gepubliceerd, en totdat iemand dat doet, is de eerlijke positie dat deze release een werkelijk nuttig outputcontract toevoegt op basis van bewijs dat volledig van de leverancier zelf is.