Liquid AI d1-ultra: de nieuwe leider in de Decision Index, getraind om aan zichzelf te twijfelen

Liquid AI d1-ultra is op 15 oktober 2026 uitgebracht, en het meest interessante eraan is een getal dat niemand noemt: op de Artificial Analysis Decision Index scoorde het model dat het vervangt 2 op non-hallucinatie. Liquid AI d1 was op dezelfde ranglijst het meest accurate beslissingsmodel in het beantwoorden van kennisvragen — en het slechtste in zijn klasse in het herkennen van de vragen die het niet kon beantwoorden. Liquid AI d1-ultra is het antwoord van de leverancier daarop, en het wordt aangekondigd met een claim over de eerste plaats: dat het de Decision Index aanvoert met minstens acht punten voorsprong op elk ander beslissingsmodel, inclusief het model dat momenteel bovenaan die ranglijst staat, Jev 1.13. Die claim is van Liquid, niet van Artificial Analysis, en de ranglijst waarnaar wordt verwezen is gepubliceerd voordat dit model bestond. Beide feiten zijn essentieel, en dit stuk houdt ze verbonden aan de cijfers waar ze bij horen. Elke providerstoring en rollback die we hebben gevolgd, wordt geregistreerd in het Orca AI Incident Archive, dat de volledige gegevensset bevat naast de aangrenzende vermeldingen van dit incident.

Wat het model mechanisch gezien is, is dezelfde gok die Liquid het hele jaar al doet. Je geeft het een toestand — een JSON-payload, een supportticket, een schermafbeelding van een dashboard — en een reeks benoemde vragen, en het leest antwoorden af van zijn eigen distributie in één enkele forward pass. Geen sampling, geen parsing, geen ontspoorde generatie. De gebruiksteller van de leverancier rapporteert output_tokens: 0, precies zoals voor de rest van de d1-lijn.

Wat Liquid zegt te hebben gebouwd, en waartegen het dat heeft getest

Elk getal in deze sectie is van Liquid zelf, gerapporteerd in de lanceringspost, en op het moment van schrijven door niemand anders gereproduceerd. Het model wordt beschreven als een multimodaal beslissingsmodel dat is gebouwd op een grotere open-weight basis, met wat de post 'zware Liquid-specifieke aanpassing' noemt, specifiek afgestemd op kennisintensieve beslissingen — een formulering die klinkt als een directe verwijzing naar het kalibratieprobleem hieronder. Het bevat dezelfde drie vraagtypen als de rest van de familie. noul is binair: geef het een stelling en het retourneert P(ja) tussen 0 en 1. Keuze kiest een label en retourneert een distributie plus een betrouwbaarheid. Score plaatst de toestand op een geordende schaal met waarschijnlijkheden per niveau. Alle drie komen gestructureerd terug, en geen ervan kost outputtokens.

Het bewijs van Liquid is een reeks van 112 unieke evaluaties tegen zijn eigen eerdere d1 en tegen Jev 1.14, de nieuwere Jev-release. Het bedrijf zegt dat d1-ultra op alle taken beter presteert dan Jev 1.14 en bij dezelfde prijs beter gekalibreerd is. Dat is een sterkere en specifiekere claim dan "staat bovenaan de ranglijst", en het is ook de moeilijkere om te controleren, omdat kalibratie de eigenschap is die je niet uit één enkele score kunt aflezen. Merk ook op dat Jev 1.14 een door de leverancier genoemde comparator is: hij komt nergens in onze catalogus voor, en we konden er geen openbare Decision Index-rij voor vinden.

Het API-oppervlak is één enkele niet-streamende aanroep naar POST https://api.liquid.ai/decisions/v1/systemone met "model": "d1-ultra". Er is nergens in het lanceringsmateriaal een contextvenster gepubliceerd, wat een echt hiaat is en niet een afrondingsfout: voor een model waarvan de hele taak erin bestaat dat het state krijgt, is de grootte van de state die je het mag geven bijna de primaire specificatie. Aangezien het nooit tokens genereert, zijn de uitvoerkosten structureel nul en is streaming niet van toepassing.

De betreffende index is ouder dan het model.

Artificial Analysis publiceerde de Decision Index v1.0 op 13 oktober 2026 — twee dagen voordat d1-ultra bestond. De index is opgebouwd uit vier evaluaties die elk voor 25% meetellen: AA-Omniscience-Decision, een besloten set van 500 vragen die voor de helft op nauwkeurigheid en voor de helft op niet-hallucinatie wordt beoordeeld; HLE-MultiChoice, 513 tekstuele meerkeuzevragen afkomstig uit Humanity's Last Exam; When2Call, een N​VIDIA-evaluatie voor tool-calling; en WildGuardTest, de veiligheidsclassificatieset van Ai2.

Het artikel dat het introduceerde vermeldt d1-ultra nergens, wat niet verrassend is, en daarom moet het cijfer "acht punten voorsprong" worden gelezen als een claim van de leverancier en niet als een ranglijst. Op het gepubliceerde scorebord leidt Jev 1.13 het veld van beslissingsmodellen met 58, met GLiDE en M​icrosoft-Decision-1 ex aequo op 54. Twee taalmodellen staan boven hen allemaal: C​laude H​aiku 5.5 (Low) met 61 en GPT-6 Luna (Low) met 55. Doe de rekensom op de claim van Liquid en je komt uit op 66 of hoger — boven het beste taalmodel op het scorebord. Het zou heel goed kunnen dat dit is wat het model doet. Het is ook precies het soort claim dat een derde partij moet reproduceren voordat iemand er plannen op baseert.

Waarom juist kalibratie het hele verhaal is

De faalwijze die d1-ultra beoogt te ondervangen, is degene die Artificial Analysis in hetzelfde artikel noemde. Beslissingsmodellen, als klasse, bleken over het algemeen te zelfverzekerd te zijn: de waarschijnlijkheid die een model voor een antwoord aangeeft, loopt stelselmatig voor op hoe vaak dat antwoord juist blijkt te zijn. Dat maakt hier meer uit dan bij een chatbot, want de volledige output van een beslissingsmodel is een waarschijnlijkheid. Een zelfverzekerd fout taalmodel produceert een alinea die je kunt onderzoeken. Een zelfverzekerd fout beslissingsmodel produceert een getal waarop een pipeline is ontworpen om actie te ondernemen.

De spreiding binnen de klas is groot, en d1 zat aan het slechte uiteinde ervan:

• AA-Omniscience-Decision accuracy — Liquid AI d1 was het beste beslissingsmodel met 41, met Jev 1.13 op 35. Taalmodellen scoorden 52 en 66 op dezelfde evaluatie.

• Niet-hallucinatiepercentage — Liquid AI d1 scoorde 2. Jev 1.13 scoorde 35, Mercury Decide 32, en M​icrosoft-Decision-1 leidde met 40. Geen enkel ander beslissingsmodel op de ranglijst bleef onder de 17.

• Het gat tussen die twee rijen is de hele pitch. d1 wist het meest en gaf het minst toe. Een model dat getraind is om dat gat te dichten — de enige dimensie waarin de vorige inzending van Liquid laatste was in plaats van eerste — zou de klasse vooruit helpen, zelfs zonder de ruwe nauwkeurigheid aan te raken.

• HLE-MultiChoice — Jev 1.13 leidde met 21, elk ander beslissingsmodel op 15 of lager. Dit is de evaluatie waar het veld de meeste verbeterruimte heeft, en degene waarop Liquid's 112-evaluatierun niet rapporteert.

• When2Call en WildGuardTest — Celeris-1 Decision en GLiDE gedeeld op 84 bij tool-calling, met Jev 1.13 als vierde op 81; GLiDE leidde op veiligheid met 95, met Decider v1.1 27B en Jev 1.13 samen op 94.

Wat een miljoen beslissingen werkelijk kost

De prijsstelling is het onderdeel van de lancering dat geen enkele kanttekening behoeft. Liquid AI d1-ultra wordt gefactureerd tegen $0,042 per miljoen inputtokens en helemaal niets voor output, omdat er geen output is. Die prijs is identiek aan die van d1 en identiek aan wat we voor Jev 1.13 rekenen, waardoor de twee modellen direct vergelijkbaar zijn op kosten en niets anders.

De rekensom is eenvoudig genoeg om op een servet te maken. Een toestand van ongeveer duizend tokens — een redelijk gedetailleerde JSON-payload, of een pagina tekst — kost $0,042 om een miljoen keer te draaien. De eigen cijfers van Artificial Analysis voor de kosten per miljoen taken voor deze klasse liggen tussen $17 en $199, met Jev 1.13 op $42, Microsoft-Decision-1 op $31 en Decider v1.1 27B op $17; de mediane tijd per taak binnen de klasse loopt van 0,06 seconden tot een halve seconde. Een beslissing van duizend tokens tegen $42 per miljoen taken zit in het midden van die band, wat het nuttige is om te weten: de prijsstelling is niets bijzonders voor de categorie, en de interessante vraag is niet de kosten per token maar de kosten per correcte beslissing.

Er is één factureringsdetail dat mensen zal verrassen, en het is de moeite waard om twee keer te lezen. Afbeeldingen worden gefactureerd als invoertekst tegen 1,5 tokens per patch van 32×32 pixels, waardoor een afbeelding van 1024×1024 1.536 tokens kost — en elke vraag wordt gefactureerd als zijn eigen prompt, inclusief alle bijgevoegde afbeeldingen. Stel tien afzonderlijke vragen over dezelfde foto en de afbeelding wordt tien keer gefactureerd, dus die tien vragen bevatten 15.360 afbeeldingstokens voordat er één woord tekst is. Het bundelen van uw vragen in één aanroep amortiseert dit niet. Als uw werklast visueel is, is het getal dat uw factuur bepaalt vragen vermenigvuldigd met afbeeldingstokens, niet documenten vermenigvuldigd met afbeeldingstokens.

Waar je het kunt bellen

Liquid AI d1-ultra is nu live op de eigen API van Liquid, via de Liquid-console en in de d1 Playground, voor iedereen die ermee wil experimenteren zonder een client te schrijven. De leverancier heeft gezegd dat er extra platforms aankomen; de eerlijke samenvatting vandaag is de eigen API van de leverancier, met nog verschillende platforms van derden op komst. In het aankondigingsbericht staat een codevoorbeeld dat zonder aanpassingen werkt.

Een routeringsnotitie, en het is geen pitch: Liquid AI d1-ultra staat niet in onze catalogus, en dit artikel is geen beschikbaarheidsclaim ervoor. Wat wel in onze catalogus staat, is Jev 1.13 — het model dat momenteel de Decision Index aanvoert — tegen dezelfde $0,042 per miljoen inputtokens en dezelfde nulkosten voor completions, met een contextvenster van 64K, aangeboden via de identieke systemone endpointvorm: tekst in, gestructureerde JSON uit, niet-streaming. Dat is een nuttig toeval voor iedereen die deze lancering evalueert, want het betekent dat de uitdager en de gevestigde partij naast elkaar kunnen draaien zonder een tweede contract. d1-ultra gaat rechtstreeks naar Liquid; de gevestigde partij staat al in onze catalogus. Beide zitten achter één API voor 200+ modellen, waar lijstprijzen tegen 0% markup worden doorgegeven en waar automatische failover betekent dat een nieuw model een deel van een echte workload kan overnemen zonder dat het de volledige werklast krijgt toevertrouwd.

Dat laatste deel is de praktische aanbeveling, niet een productplaatsing. Een model dat één dag oud is, waarvan de belangrijkste benchmark niet onafhankelijk is gereproduceerd en waarvan het contextvenster niet is gepubliceerd, is niet iets om op dag één productieverkeer naartoe te routeren. Het is iets om in schaduwmodus te draaien naast het model dat al in het slot zit. Laat dezelfde toestanden door beide gaan, vergelijk de verdelingen in plaats van de labels, en let specifiek op het geval waarin d1-ultra 0,8 zegt en verkeerd blijkt te zijn — want dat is het geval waar de lancering helemaal om draait, en het is het enige getal dat Liquid niet heeft gepubliceerd.

Wat zou het beslechten?

Drie dingen, in aflopende volgorde van hoeveel ze de beslissing zouden veranderen.

De eerste is een rij in de Decision Index. Totdat Artificial Analysis d1-ultra door zijn eigen pipeline heeft gehaald, is de marge van acht punten ten opzichte van Jev 1.13 een leverancierscijfer, en de kalibratieverbetering ten opzichte van Jev 1.14 is een leverancierscijfer zonder enige publieke tegenhanger. De ranglijst wordt regelmatig bijgewerkt, en een beslissingsmodel dat daadwerkelijk boven de 66 uitkomt, zou het interessantste resultaat in de categorie dit jaar zijn, want het zou een niet-generatief model boven elk taalmodel op dezelfde index plaatsen.

Het tweede is het ontbrekende specificatieblad. Contextvenster, latentie bij een opgegeven batchgrootte, en of vragen een afbeelding kunnen delen zonder dat die opnieuw wordt gefactureerd — die drie getallen bepalen of een workload haalbaar is, lang voordat benchmarkscores dat doen. De vorige generatie van Liquid voerde tekstbeslissingen uit in 200 tot 300 milliseconden, wat een nuttig referentiepunt is, maar geen meting van dit model.

De derde is kalibratie buiten het lab. Liquid's 112 evaluaties zijn de eigen selectie van taken van de leverancier. Overmoed is een eigenschap die zich in de staart manifesteert — de zeldzame moeilijke vraag, de ambigue toestand, de input uit een distributie die het model nooit heeft gezien. Dat is waar d1 een 2 scoorde, en het is de enige plek waar een echte verbetering zichtbaar zou zijn.

Tot die tijd is de eerlijke positie de saaie: de prijs is echt en openbaar, de endpoint werkt, de ergste tekortkoming van de categorie is correct geïdentificeerd, en de oplossing wordt geclaimd in plaats van aangetoond. Als je aan gestructureerde beslissingen werkt, is het een middag waard. Het is geen migratie waard.