Wygenerowana karta tytułowa z nagłówkiem „Za połowę ceny, dwa razy szybciej” i podtytułem „Liquid AI d1.2 kontra Liquid AI D1 Ultra”. Dwie duże zaokrąglone karty znajdują się obok siebie: lewa, z nagłówkiem „d1.2”, zawiera „$0.02” nad „za 1 mln tokenów wejściowych” oraz „150 ms na zadanie”; prawa, z nagłówkiem „D1 Ultra”, zawiera „$0.042” nad „za 1 mln tokenów wejściowych” oraz „301 ms na zadanie”. Podpis pod spodem głosi „starszy flagowiec nadal wygrywa w pięciu z sześciu komponentów”, a trzy obrysowane plakietki zawierają „kontekst 66 tys. vs 33 tys.”, „Brier 0.164 vs 0.176” i „mierzone przez Artificial Analysis”. Znak OrcaRouter jest nałożony w prawym dolnym rogu.
Guides & Insights

d1.2 kontra Liquid AI D1 Ultra: o połowę tańszy, o dwa punkty w tyle i lepszy w zadaniu, które powtarzasz

Autor

Gideon Frost

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Liquid AI d1.2 kosztuje 0,02 USD za milion tokenów wejściowych. Liquid AI D1 Ultra, model, który był flagowcem rodziny do 16 listopada 2026 r., kosztuje 0,042 USD. W Artificial Analysis Decision Index v2.1 starszy, droższy model wciąż prowadzi — 70,58 wobec 68,69 — i prowadzi w pięciu z sześciu ocen, na których opiera się ten indeks. Zatem porównanie w nagłówku mówi, że flagowiec pozostaje lepszym modelem, a porównanie w nagłówku to najmniej użyteczna rzecz, jaką można wyciągnąć z tych dwóch wierszy.

Tak naprawdę odróżnia je kształt, a nie ranga. D1 Ultra to model do trudnych, jednorazowych ocen: usterki na płytce drukowanej, roszczenia o szkodę weryfikowanego na podstawie zdjęcia. d1.2 to model do sytuacji, gdy zadaje się mu kilka pytań o ten sam stan, z dwukrotnie większą szybkością, z oknem kontekstu, które zestawienie podaje jako 66k wobec 33k w D1 Ultra, oraz z pięcioma typami odpowiedzi, których D1 Ultra nie ma. Różnica $0.022 jest realna; to, czy to właśnie ona przesądza o Twojej migracji, jest pytaniem o wzorzec Twoich zapytań — a na to można odpowiedzieć na podstawie opublikowanych wierszy.

Różnica cen — w jednostkach, które mają znaczenie

W przeliczeniu na token podwojenie brzmi trywialnie. W przeliczeniu na zadanie to już nie ten sam stosunek, ponieważ oba modele nie zużywają tej samej liczby tokenów, aby odpowiedzieć na to samo pytanie. Artificial Analysis szacuje koszt na milion zadań przy obecnych cenach katalogowych, a własna wartość rankingu to 63 USD dla d1.2 wobec 133 USD dla D1 Ultra — różnica 2,1×, która utrzymuje się po uwzględnieniu rozliczenia tokenów.

• Cena za milion tokenów wejściowych — 0,02 USD dla d1.2 w porównaniu z 0,042 USD dla D1 Ultra.

• Modelowany koszt na milion zadań — 63 USD vs 133 USD, oba według aktualnych cen katalogowych, oba z tablicy, a nie z Liquid.

• Decision Index v2.1 — 68,69 (#9 z 25) vs 70,58 (#6 z 25).

• Czas na zadanie — 150 ms vs 301 ms. Nowy tani model jest dwa razy szybszy.

Okno kontekstu — 66 tys. tokenów vs 33 tys., zgodnie z danymi Artificial Analysis; własne posty premierowe Liquid nie podają okna dla żadnego z modeli.

• Modalność wejściowa — tekst i obraz w obu przypadkach, zgodnie z płytą. d1.2 dodaje dźwięk, zgodnie z dostawcą, czego karta specyfikacji płyty jeszcze nie uwzględnia.

• Ocena Brier, gdzie niższa wartość jest lepsza — 0,164 vs 0,176. To tańszy model jest lepiej skalibrowany.

Przeczytaj ostatnią linię dwa razy. Kalibracja to właściwość, która sprawia, że próg prawdopodobieństwa nadaje się do użycia, a model za połowę ceny ją wygrywa. Przewagi, które flagowy model wciąż zachowuje, dotyczą wiedzy o rzeczach, a nie wiedzy o tym, jak duża jest jego pewność.

Gdzie D1 Ultra wciąż uzasadnia swoją cenę

A generated two-column scoreboard titled ‘d1.2 vs D1 Ultra - the scoreboard’. The d1.2 column lists Decision Index 69, AA-Paperclip 62.6, When2Call 96.1, AA-Omniscience 60.9, context window 66k and time per task 150 ms. The D1 Ultra column lists Decision Index 71, AA-Paperclip 64.7, When2Call 93.8, AA-Omniscience 64.4, context window 33k and time per task 301 ms. The footer reads ‘Both rows per Artificial Analysis Decision Index v2.1; context windows as listed by the board, not stated by the vendor.’ The OrcaRouter mark is composited bottom right.

Pięć z sześciu komponentów przemawia za starszym modelem, a występująca w nich prawidłowość jest wystarczająco spójna, by można było na jej podstawie planować.

• AA-Paperclip, decyzje dokumentowe — 64,69 dla D1 Ultra wobec 62,60 dla d1.2, przy czym 51,3% dokumentów jest w pełni poprawnych wobec 44,3%. Pełnodokumentowe zaliczenie wszystkich pól to surowsza miara: faktura z piętnastoma polami, z których czternaście jest poprawnych, liczy się jako błąd.

• EvalSafe-O*NET-AA, ocena sytuacji w miejscu pracy — 88,15 wobec 86,55 i dokładność 82,9% wobec 79,7%. Różnica 1,6 punktu w tym komponencie, co jest bliskie poziomowi szumu przy powtórnym przebiegu.

• AA-Omniscience-Decision v1.1, wiedza — 64,39 wobec 60,94, z dokładnością 28,0% wobec 30,0% i wskaźnikiem braku halucynacji 88,6% wobec 66,6%. Wiersz dokładności i wiersz abstencji są sprzeczne, a to wiersz abstencji dominuje w wyniku: D1 Ultra odmawia odpowiedzi znacznie częściej i jest za to nagradzany.

• HLE-MultiChoice v1.1, trudne pytania — 47,39 wobec 44,69. Pod względem surowej dokładności różnica rośnie w przeciwnym kierunku, 6,09% wobec 5,30%, i to szum w benchmarku, w którym cała stawka jest poniżej dziesięciu procent.

• AA-Symmetry, niezmienność przy przeformułowaniu — 78,66 wobec 76,52 w wyniku składnikowym, choć d1.2 zalicza więcej pełnych zestawów, 50,0% wobec 45,8%. Model flagowy wygrywa pod względem częściowego zaliczenia, a przegrywa w surowszej miarze, więc ten wiersz nie jest jednoznacznym zwycięstwem tak czy inaczej.

Jeśli Twoje obciążenie pracą to „jeden dokument, jedno trudne pytanie, a odpowiedź trafia do człowieka, który na jej podstawie podejmie działania”, to te wiersze opisują dokładnie ten przypadek, w którym stary flagowiec wciąż jest właściwym wyborem, a różnica w cenie przy takim wolumenie to błąd zaokrąglenia.

Gdzie d1.2 nie jest blisko

Jeden składnik porusza się w przeciwnym kierunku i pokonuje przy tym dużą odległość.

• When2Call, decyzje dotyczące narzędzi i funkcji — 96,09 dla d1.2 wobec 93,83 dla D1 Ultra, przy dokładności 95,5% wobec 93,0%. To komponent, który decyduje, czy agent wywołuje właściwą funkcję z właściwymi argumentami, i jest najmocniejszym pojedynczym argumentem za nowym modelem w stosie agentowym.

Następnie jest wszystko, czego indeks nie mierzy. Pięć nowych typów odpowiedzi — wartość wraz ze znakami, z których została odczytana, fragmenty z pozycjami, ramki, liczby z zakresami, wielokrotny wybór z prawdopodobieństwami dla poszczególnych opcji — istnieje tylko w d1.2, a indeks nie ocenia żadnego z nich. Ich wskaźniki dokładności pochodzą od Liquid, opierają się na wewnętrznych zestawach testowych zbudowanych z wydzielonych części publicznych zbiorów danych i są tak oznaczone wszędzie, gdzie pojawiają się poniżej.

Według danych dostawcy dwa nowe modele są zbliżone do siebie, a wiersza D1 Ultra nie ma w ogóle, ponieważ typy zadań nie istniały, gdy został wydany: 98% i 96% w odczytywaniu wartości z paragonu dla d1.2-ultra i d1.2, 94%/93% wobec 92%/88% w przypadku zakresów danych osobowych, 94% dla obu w lokalizacji obiektów oraz 87% wobec 90% przy wybieraniu każdego obecnego obiektu. Istotnym faktem w tym porównaniu nie są wartości procentowe — jest nim to, że starszy model nie potrafi wyrazić tych odpowiedzi, więc pipeline, który ich potrzebuje, nie wybiera między dwoma modelami. Wybiera między jednym modelem a obejściem problemu.

Reguła rozliczeniowa, która jest warta więcej niż dwa punkty indeksowe

A headless-browser screenshot of the Artificial Analysis d1-ultra model page, captured 18 November 2026 in English, dated October 2026. The summary panel reads that d1-ultra is among the leading models on the Decision Index and reasonably priced, and notably slow: a Decision Index score of 71 against a median of 66, 301 ms per task against a median of 206 ms, $0.042 per 1M input tokens, and about $133 per 1M tasks against a median of $137. The rank badge reads #6/25 on the Decision Index and #11/25 on cost, and the technical specification lists text and image input with a 33k-token context window.

D1 Ultra rozlicza każde pytanie jako odrębny prompt, w tym każdy załączony obraz. Zadaj dziesięć pytań dotyczących jednego zdjęcia, a zdjęcie zostanie rozliczone dziesięć razy: przy podanych przez Liquid 1,5 tokena na fragment 32×32 pikseli obraz 1024×1024 to 1536 tokenów, więc dziesięć pytań zawiera 15 360 tokenów obrazu, zanim pojawi się choć słowo tekstu. d1.2 rozlicza tekst i obrazy w żądaniu tylko raz, a każde dodatkowe pytanie dodaje wyłącznie jego własny tekst.

Przeanalizujmy to na konkretnym zapytaniu: dokument o długości 2000 tokenów, jeden obraz 1024×1024 i dziesięć pytań po około 30 tokenów. Według starej reguły zapytanie obejmuje około 35 700 tokenów; według nowej — około 3 840. Przy cenie każdego modelu wynosi to około 0,0015 USD w przypadku D1 Ultra wobec około 0,00008 USD w przypadku d1.2 — różnica w cenie i różnica w naliczaniu opłat sumują się, a nie znoszą. Przy 250 000 zapytań miesięcznie różnica to około 375 USD wobec 20 USD.

To jest arytmetyka na własnym opisie rozliczeń Liquid, a nie zmierzona faktura, i stosunek spada do 1×, jeśli zadasz jedno pytanie na stan. To jedno pytanie to cała decyzja: im więcej pytań zadasz o ten sam dokument, tym mniej porównanie dotyczy w ogóle punktów indeksu.

Co się zmienia w kliencie

Punkt końcowy pozostaje ten sam — api.liquid.ai/decisions/v1/systemone — a migracją jest ciąg modelu. Trzy pierwotne typy pytań zachowują swój kształt; odpowiedzi nadal są ustrukturyzowanym JSON-em z prawdopodobieństwem dla każdej opcji i bez tokenów wyjściowych, więc nic w Twoim parsowaniu się nie zmienia. To, co zyskujesz, ma charakter addytywny i nie psuje niczego, co już działa.

Haczyk jest operacyjny, a nie techniczny: D1 Ultra nie jest przestarzały, oba modele rozliczają wyłącznie tokeny wejściowe, a Liquid sprzedaje oba z tej samej konsoli. Nie ma żadnego mechanizmu wymuszającego przejście, co oznacza, że migracja nie nastąpi sama z siebie i należy ją zaplanować w oparciu o mierzalne obciążenie, a nie o datę premiery.

Uruchamianie obu bez zobowiązania się do żadnego z nich

Słowo o dostępie przed częścią operacyjną: d1.2 i D1 Ultra są udostępniane przez własne API Liquid, a żaden z nich nie znajduje się w naszym katalogu — to porównanie, nie twierdzenie o dostępności. Powód, dla którego nasz katalog w ogóle ma znaczenie, to Jev 1.14, który utrzymuje EvalSafe-O*NET-AA na poziomie 91,14, podczas gdy d1.2 osiąga 86,55, przyjmuje ten sam format żądania systemone i rozlicza 0,042 USD za milion tokenów wejściowych. Jeśli decyzja o migracji sprowadza się do jednego komponentu, na którego utracie nie możesz sobie pozwolić, to właśnie z tym modelem powinieneś go przetestować.

Podział, który ma sens, wynika z poprawionego obrazu komponentów, a nie z nagłówka. Stany z wieloma pytaniami, wszystko, co zawiera obraz, oraz wszystko, co agent przekazuje dalej do d1.2, kieruj tam — właśnie tam jego okno kontekstu, szybkość i przewaga When2Call wskazują w tym samym kierunku. Pojedyncze trudne oceny dokumentów i pytania wiedzowe z jednoznaczną odpowiedzią zostaw na D1 Ultra, dopóki własna próbka nie mówi inaczej. Dwie trasy, po jednym warunku każda, zapisane według typu pytania, a nie zahardkodowane w trzech usługach: do tego właśnie służy routing DSL, a ponieważ ceny katalogowe dostawców przechodzą z 0% marżą, zmiana którejkolwiek ceny Liquid jest widoczna dla routingu w dniu, w którym następuje, a nie przy kolejnym odnowieniu. Automatyczne przełączanie awaryjne obejmuje wtedy przypadek, gdy jeden z dwóch modeli ma gorszy dzień w trakcie migracji.

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.

Przebieg w tle kosztuje przy tej skali prawie nic: kilka tysięcy twoich rzeczywistych stanów przepuszczonych przez oba modele, porównanie prawdopodobieństw zamiast etykiet i zliczenie przypadków, w których D1 Ultra mówi 0,85 i się myli, w zestawieniu z tymi samymi przypadkami w d1.2. Zarząd twierdzi, że nowy model jest ogólnie lepiej skalibrowany; twoja próbka jest jedynym, co mówi, czy jest lepiej skalibrowany na twoich danych, i to na tej liczbie powinna opierać się migracja.