
d1.2-ultra kontra Liquid AI D1 Ultra: ta sama cena, dwukrotnie większy kontekst i jedno miejsce, w którym jest gorzej
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 90 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 97 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNOWOŚĆOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 87 tok/s
- OrcaNOWOŚĆOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 133 tok/s
- OrcaNOWOŚĆOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 za 1 mln tokenów · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 za 1 mln tokenów · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencja
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencja
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 za 1 mln tokenów · 219 tok/s
Liquid AI d1.2-ultra kosztuje dokładnie tyle samo co Liquid AI D1 Ultra: 0,042 USD za milion tokenów wejściowych, brak tokenów wyjściowych, ten sam endpoint, te same trzy typy pytań, które już wysyłasz. Pojawił się 16 listopada 2026 r., miesiąc po modelu, który zastępuje, i wypada lepiej w wyniku złożonym — 74,85 wobec 70,58 w Artificial Analysis Decision Index v2.1, pierwsze miejsce na 24 wobec szóstego. Aktualizacja jest więc darmowa i oczywista, i powinieneś ją przyjąć. To, co sprawia, że ta decyzja zasługuje na artykuł, a nie na jednolinijkowy changelog, to fakt, że cztery z szesnastu opublikowanych metryk składowych się pogorszyły, a dwie z nich to te, które potok sterowany progami odczuwa najbardziej.
Wzorzec jest konkretny. Nowy model jest znacznie lepszy w czytaniu dokumentów, znacznie lepszy przy parafrazowaniu, a nieco gorszy w znajomości rzeczy i w odmawianiu odpowiedzi. Jeśli Twój potok używa Liquid AI D1 Ultra jako silnika ekstrakcji, następca jest czystym zyskiem. Jeśli używa go jako strażnika, który ma powiedzieć „nie wiem”, gdy przypadek jest niejednoznaczny, następca to decyzja o dwóch modelach, a nie zamiana.
Oba modele na jednym instrumencie

To porównanie jest wyjątkowo przejrzyste, ponieważ oba wiersze zostały wygenerowane przez tę samą organizację na tej samej wersji tego samego rankingu, co nie ma miejsca w przypadku większości decyzji o aktualizacji. Artificial Analysis przetestowało d1-ultra i d1.2-ultra w Decision Index v2.1, więc nic tutaj nie zależy od porównywania liczby podanej przez dostawcę z liczbą niezależną ani od rewizji indeksu, która przesunęła kryteria między tymi dwoma wydaniami. Nagłówek, jakim dostawca opatrzył nowy model — pierwsze miejsce, dwa punkty przewagi — odpowiada wskazanemu przez niego rankingowi.
• Cena — $0.042 za milion tokenów wejściowych w obu przypadkach. Identyczna i niezmieniona przez aktualizację.
Decision Index v2.1 — d1.2-ultra 74,85 (#1 z 24) vs d1-ultra 70,58 (#6).
• Okno kontekstu — 66k tokenów vs 33k, zgodnie ze specyfikacją techniczną płyty. Posty premierowe Liquid nie podają okna dla żadnego z modeli.
• Czas na zadanie — 218 ms vs 301 ms. Aktualizacja jest również o jedną trzecią szybsza.
• Koszt na milion zadań — 133 USD w obu przypadkach, czego właśnie można by oczekiwać przy identycznej cenie tokenów i podobnej liczbie tokenów na zadanie.
• Wskaźnik Brier — 0,150 vs 0,176, im niższy, tym lepiej. To pojedyncza liczba, która najbezpośredniej mówi „lepiej skalibrowany”.
Zasada rozliczeń uległa zmianie i jest warta więcej niż punkty indeksowe.
W przypadku d1-ultra każde pytanie było rozliczane jako osobny prompt obejmujący każdy załączony obraz. Zadanie dziesięciu pytań o jedno zdjęcie oznaczało zapłatę za to zdjęcie dziesięć razy, co dla obrazu 1024×1024 oznacza 1,536 tokenów pomnożonych przez dziesięć, zanim zostanie policzony jakikolwiek tekst. W przypadku d1.2-ultra żądanie rozlicza swój tekst i obrazy jednorazowo, a każde dodatkowe pytanie dodaje wyłącznie własny tekst.
Przeanalizujmy to na realistycznym żądaniu: dokument o 2000 tokenów, jeden obraz 1024×1024, dziesięć pytań po około 30 tokenów każde. Stara zasada nalicza około 35 700 tokenów; nowa nalicza około 3840. Przy identycznej stawce $0.042 za milion to $0.0015 wobec $0.00016 za żądanie — nieco ponad dziewięć razy taniej za tę samą pracę, przy tej samej publikowanej cenie, od tego samego dostawcy, bez nagłówka zapowiedzi do tego. Przy 100 000 żądań miesięcznie około $150 staje się około $16.
Obie liczby są wynikiem obliczeń na podstawie własnych opisów rozliczeń dostawców, a nie pomiarów rzeczywistego rachunku, a stosunek zależy wyłącznie od tego, ile pytań zadajesz na stan. Zadaj jedno pytanie na dokument, a oba modele kosztują tyle samo. Zadaj dziesięć, a „{{1}}darmowa{{/1}}” aktualizacja jest największą zmianą kosztów w tym wydaniu.
Co nowy model faktycznie robi lepiej

Cztery komponenty przesunęły się w górę, a dwa z nich przesunęły się bardzo daleko.
• AA-Paperclip, 30% indeksu — 75,81 wobec 64,69 w wyniku decyzyjnym i 67,7% wobec 51,3% dokumentów w pełni poprawnych. Jedenaście punktów odsetka dokumentów w pełni poprawnych na składniku o największej wadze to cała historia dwunastopunktowego przyrostu wyniku złożonego. To liczba, na którą trzeba spojrzeć, jeśli wyodrębniasz pola z faktur, paragonów lub CV, ponieważ dokument, który pomija jedną z piętnastu odpowiedzi, i tak liczy się jako błąd.
• Symetria AA, 15% — 86,34 wobec 78,66, a spójność all-pass wzrosła z 45,8% do 56,7%. Przeformułuj pytanie, przestaw opcje, zaprzecz pytaniu typu tak/nie, a nowy model znacznie częściej podtrzymuje swoją odpowiedź.
• When2Call, 10% — 96,49 wobec 93,83. Wywoływanie narzędzi było już mocną stroną tej rodziny; to mniejszy przyrost w przypadku komponentu, który był blisko swojego pułapu.
• EvalSafe-O*NET-AA, 15% — 89,53 wobec 88,15. Półtora punktu w ocenie dokumentów dotyczących miejsca pracy, co jest bliskie szumowi i nie powinno być sprzedawane jako poprawa.
• AA-Omniscience-Decision v1.1, 15% — 60,80 wobec 64,39 w wyniku decyzyjnym. Spadek o cztery punkty w komponencie, który jest w połowie wiedzą, a w połowie uczciwością.
• HLE-MultiChoice v1.1, 15% — 46,36 wobec 47,39. Spadek o punkt w komponencie, w którym cała stawka wypada słabo.
Te dwa regresy, mówiąc prosto
Spadek wszechwiedzy nie jest artefaktem punktacji; pojawia się w bazowych wierszach dokładności i wstrzymania się od odpowiedzi, a one są ze sobą sprzeczne w sposób, który warto zrozumieć przed migracją.
• Dokładność AA-Omniscience-Decision — d1-ultra udzielił poprawnej odpowiedzi na 28,0% pytań, d1.2-ultra na 23,6%. Poprzednik wiedział więcej.
• AA-Omniscience-Decision — brak halucynacji — d1-ultra 88,6%, d1.2-ultra 83,8%. Poprzednia wersja również lepiej radziła sobie z niewymyślaniem odpowiedzi. Oba wiersze przesunęły się w tym samym kierunku, co oznacza, że to rzeczywista zmiana zdolności, a nie przesunięcie w tym, jak ostrożnie model wykorzystuje swoje wstrzymywanie się od odpowiedzi.
• Dokładność HLE-MultiChoice — 6,09% wobec 2,36%, nowy model ostatni z 24 pod względem surowej dokładności. Jego wskaźnik braku halucynacji na tym samym zestawie wzrósł z 56,9% do 76,1%, więc spadek dokładności jest częściowo okupiony większą liczbą wstrzymań się od odpowiedzi. Ale nie do końca: wspomniana powyżej para pytań o wszechwiedzę pokazuje, że model odpowiada na mniej pytań ORAZ ma mniej poprawnych odpowiedzi.
Konsekwencja dla pipeline'u jest węższa, niż to brzmi. Jeśli stosujesz próg na prawdopodobieństwie i przekazujesz przypadki o niskiej pewności człowiekowi, model, który częściej się wstrzymuje, wyświadcza ci przysługę, a wynik 83,8% braku halucynacji nadal jest szósty spośród 24. Jeśli używasz modelu jako automatycznej bramy dla pytań wymagających znajomości faktu — czy to twierdzenie jest zgodne z polityką, czy ten kod odpowiada specyfikacji — tańszy poprzednik jest mierzalnie lepszy i nie ma powodu, by nie używać go dalej do tego wycinka.
Co musisz zmienić w swoim kliencie
Prawie nic, i właśnie dlatego trzeba to zrobić teraz, a nie za kwartał. Punkt końcowy jest ten sam, api.liquid.ai/decisions/v1/systemone, wywoływany z "model": "d1.2-ultra"; trzy typy pytań pozostają bez zmian; odpowiedzi to nadal ustrukturyzowany JSON z prawdopodobieństwem dla każdej opcji i bez tokenów wyjściowych. Migracja to zmiana ciągu znaków i ponowne wdrożenie.
To, co nowe, ma charakter przyrostowy i warto o tym wiedzieć, ponieważ usuwa obejścia, zamiast dodawać funkcje. Do istniejących dołącza pięć typów odpowiedzi: odczytać wartość ze strony i zwrócić znaki, z których została odczytana, albo „nie znaleziono”; zwrócić każdy fragment danego rodzaju wraz z pozycjami, co obejmuje redakcję danych osobowych (PII) bez drugiego modelu; zwrócić ramkę wokół jednego obiektu albo każdego wystąpienia plus liczbę; zwrócić szacunek z zakresem; oraz zwrócić każdą odpowiednią opcję z jej własnym prawdopodobieństwem. Wejście audio działa w obu kierunkach — nagranie może być przedmiotem zapytania albo samym pytaniem, wypowiedzianym, a nie wpisanym.
Twierdzenia o dokładności dla tych pięciu zadań pochodzą od samego Liquid i opierają się na wewnętrznych zbiorach testowych zbudowanych z wydzielonych części publicznych zbiorów danych, ponieważ żaden publiczny benchmark jeszcze ich nie obejmuje. Według danych producenta te dwa modele są zbliżone: 98% wobec 96% przy odczytywaniu wartości z paragonu, 94%/93% wobec 92%/88% na fragmentach PII, po 94% w lokalizacji obiektów, a w dwóch ostatnich zadaniach starszy model nie w każdym wierszu jest słabszy — nowy model wygrywa w liczeniu z dokładnością do jednego, uzyskując 93% wobec 92%, a przegrywa we wskazywaniu wszystkich obecnych obiektów, uzyskując 87% wobec 90%.
Uruchamianie starej i nowej wersji równolegle
Zachowanie obu wariantów to uczciwa migracja i jest tanie: to różne ciągi modeli na tym samym punkcie końcowym, a oba są dziś w API samego Liquid, w tej samej cenie, z kluczami z console.liquid.ai. Żaden z nich nie znajduje się w naszym katalogu, a ten tekst nie jest twierdzeniem o dostępności żadnego z nich.
Warstwa routingu staje się tu przydatna dlatego, że podział między dwoma modelami jest decyzją podejmowaną dla każdego pytania z osobna, a nie dla całej usługi. Następcę warto wybierać do dokumentów, obrazów i wszystkiego, co będzie podlegać progom; poprzednika – do ocen opartych na dużej liczbie faktów, gdzie jego wiersze dokładności i abstencji wciąż wypadają lepiej. Skomponuj to jako dwie trasy za jednym API — DSL routingu pozwala dzielić według typu pytania lub rozmiaru stanu, a nie według ręcznie zakodowanych granic usług — i oba modele przestają konkurować o to samo miejsce. Nic po naszej stronie nie zmienia $0.042, które kosztuje każdy z modeli: ceny katalogowe dostawców są przenoszone przy 0% narzutu, więc zmiana ceny Liquid obowiązuje tutaj tego samego dnia, a nie dopiero w następnym cyklu rozliczeniowym. A gdy API dostawcy ma zły dzień, automatyczne przełączanie awaryjne utrzymuje trasę dokumentową przy życiu, zamiast czynić z jednego dostawcy pojedynczy punkt awarii dla całego potoku.
Aktualizacja — każda w jednej linijce
Wybierz d1.2-ultra do dokumentów, do obrazów, do niejednoznacznych stanów i do wszystkiego, co poddajesz progowaniu — jest o jedenaście punktów lepszy w komponencie dokumentowym, o osiem punktów lepszy pod względem symetrii, o jedną trzecią szybszy, podwaja okno kontekstu i, jeśli zadajesz więcej niż jedno pytanie na stan, obniża Twój rachunek o rząd wielkości.
Zachowaj d1-ultra do bramkowania w zadaniach silnie opartych na faktach, gdzie jego dokładność w zakresie wszechwiedzy i wiersze dotyczące braku halucynacji są nadal wyższe, a dokładność HLE jest prawie trzykrotnie większa niż u następcy, choć obie liczby są małe.
Pomiń migrację całkowicie tylko wtedy, gdy Twoje stany nie zawierają obrazów, mają po jednym pytaniu każdy i nie mają progu — przypadek, w którym oba modele kosztują tyle samo, a nowy jest po prostu lepszy w każdej ocenie, której używasz. W takim przypadku jedynym powodem, by czekać, jest dziewiętnaście godzin potrzebnych na stwierdzenie, że nic się nie zepsuło.

