d1-omni vs Liquid AI D1 Ultra: plik 850 MB kontra licznik za 0,042 USD, a arytmetyka nie jest taka, jak się spodziewasz

Odruch, gdy umieścisz d1-omni obok Liquid AI D1 Ultra, polega na tym, że zajmują przeciwne końce pewnego zakresu, a wybór dotyczy ambicji. Jeden to 587 mln parametrów otwartych wag — 850 MB na dysku w tagu, który pojawił się w bibliotece Ollama w tym tygodniu, checkpoint, który został pobrany około 13 900 razy z Hugging Face od 5 października 2026 r. Drugi to flagowy model decyzyjny Liquid AI, ogłoszony 15 października 2026 r., bez ujawnionej liczby parametrów, bez opublikowanych wag i z jedną opublikowaną liczbą, która ma większe znaczenie niż jakikolwiek benchmark: $0.042 za milion tokenów wejściowych. Wynajmowanie czołowego modelu decyzyjnego kontra posiadanie małego brzmi jak kwestia budżetu. Skonfrontuj rachunek z rzeczywistym obciążeniem, a przeważnie przestaje to być kwestia budżetu — zaletą małego modelu nie jest to, że jest tani, lecz to, że jest twój.

Tę różnicę warto precyzyjnie ustalić, ponieważ porównywane rzeczy to nie dwa modele stojące na tej samej półce. Liquid AI D1 Ultra to endpoint, do którego się odwołujesz. d1-omni to plik, który uruchamiasz. Oba odpowiadają na te same trzy typy pytań — tak/nie z prawdopodobieństwem, etykietę z prawdopodobieństwem dla każdej etykiety albo pozycję na skali — i oba zwracają te odpowiedzi w jednym przejściu w przód, bez generowania jakichkolwiek tokenów wyjściowych. Wszystko, co dzieje się potem — w tym ile kosztują odpowiedzi i kto ponosi odpowiedzialność, gdy pojawi się dryf — wynika z tego, którą z tych dwóch opcji wybrałeś.

Strona najmu, wyceniona tak, jak Liquid AI faktycznie ją rozlicza

Liquid AI D1 Ultra pobiera opłaty wyłącznie za dane wejściowe — 0,042 USD za milion tokenów wejściowych — i nie pobiera opłaty za uzupełnienie, ponieważ uzupełnienia nie ma. To cały cennik, a ciekawa część to kryjąca się pod nim zasada dotycząca obrazów. Obrazy są rozliczane według stawki tekstowej na podstawie fragmentów: 1,5 tokena na fragment 32×32 piksele, co daje 1536 tokenów dla obrazu 1024×1024. Każde pytanie jest rozliczane jako osobny prompt, który zawiera własną kopię stanu i wszystkich załączonych obrazów. Zadaj cztery pytania dotyczące tego samego zdjęcia, a zapłacisz za to zdjęcie cztery razy.

Wyraź liczbowo obciążenie, w którym decyzja oparta na analizie obrazu jest naturalnym rozwiązaniem. Załóżmy nocny przebieg po 25 000 ofert produktów, z których każda zawiera jedno zdjęcie 1024×1024 i około 200 tokenów tekstu oferty, zadając dwa pytania o określonym typie odpowiedzi — jedno tak/nie, czy obraz pasuje do kategorii, oraz jedno pytanie punktowe o jakość obrazu. Każdy prompt zawiera 1,536 tokenów obrazu plus 200 tokenów tekstu, czyli 1,736 tokenów, a ponieważ są dwa pytania, daje to 3,472 tokeny na ofertę. To daje 86,8 mln tokenów wejściowych na ten przebieg, czyli około 3,65 USD. Nocne zadanie przez cały miesiąc to koszt rzędu kilkuset dolarów.

To naprawdę niewygodny wynik dla każdego, kto zakładał, że opcja frontier była tą drogą. Powodem jest model cenowy: modele decyzyjne nigdy nie emitują tokenów, więc krzywa kosztów nie ma składnika wyjściowego, który mógłby eksplodować, a ponowne naliczanie opłat za każde pytanie to stały mnożnik, który można uwzględnić w planach, a nie zmienna, którą odkrywa się dopiero na rachunku.

Własna strona i gdzie tak naprawdę ukrywa się jej koszt

d1-omni nie ma w ogóle ceny za wywołanie. To model z 587 mln parametrów — 381 mln współdzielonego trzonu i głowicy decyzyjnej, 94-mln enkoder wizyjny SigLIP2 odziedziczony z Liquid AI LFM2.5-VL-450M oraz 112-mln enkoder audio — opublikowany na warunkach LFM 1.0 firmy Liquid, przy czym kompilacje GGUF pojawią się 6 października, a kompilacje MLX 12 października. Jego koszt to sprzęt, który już masz, plus ta część, której nikt nie uwzględnia w porównaniu: praca związana z utrzymaniem go w działaniu.

Co obie opcje mają wspólne, a czego nie, w wymiarach, które decydują o wdrożeniu:

• Wagi — opublikowane dla d1-omni w ramach LFM 1.0; nieopublikowane dla Liquid AI D1 Ultra. Liquid opisuje swój flagowy model jedynie jako „oparty na większym modelu o otwartych wagach z serią poważnych customizacji specyficznych dla Liquid”. Baza jest otwarta; model, który wywołujesz, już nie.

• Parametry — 587M i w pełni wyszczególnione dla d1-omni; nieujawnione dla d1-ultra.Nie można dobrać sprzętu dla modelu flagowego, ponieważ Liquid nie opublikował rozmiaru. Można natomiast dokładnie dobrać sprzęt dla modelu 600M: 850 MB w mieszanym tagu Q8_0 w Ollama, 1,2 GB dla tagu BF16.

• Cena — brak ceny za wywołanie w d1-omni; 0,042 USD za milion tokenów wejściowych w d1-ultra, przy czym obrazy kosztują 1,5 tokena na fragment 32×32 i każde pytanie jest ponownie rozliczane z pełnym stanem.

• Modalności — d1-omni przyjmuje tekst wraz z obrazami lub tekst wraz z maksymalnie 30 sekundami audio, ale nigdy oba w jednym żądaniu. d1-ultra jest opisywany jako multimodalny bez opublikowanego podziału modalności; Liquid dokumentuje jedynie typy pytań i regułę tokenów obrazu.

• Kontekst — 16 384 tokeny dla d1-omni łącznie na pozycje tekstowe, obrazowe i dźwiękowe, przycinany do 896 tokenów stanu i tekstu pytania, ilekroć dołączony jest obraz, „tak jak wytrenowano”. Dla d1-ultra nie opublikowano żadnej wartości kontekstu.

• Opóźnienie — brak opublikowanych danych liczbowych dotyczących wnioskowania dla d1-omni, ponieważ Liquid podaje, że nie raportuje ich dla punktu kontrolnego, który określa jako wczesne wydanie badawcze w fazie aktywnego rozwoju; d1-ultra jest obsługiwany kompleksowo, również bez opublikowanej odrębnej wartości opóźnienia.

• Kalibracja — model flagowy był do niej wyraźnie trenowany. Podane przez Liquid uzasadnienie jest takie, że większość modeli decyzyjnych jest nadmiernie pewna siebie, dlatego d1-ultra dostrojono do generowania bardziej wiarygodnych prawdopodobieństw. d1-omni ma własny znacznik kalibracji, ale 600M to eksperymentalny checkpoint i żadna strona trzecia nie zmierzyła kalibracji żadnego z tych modeli.

Te dwa wyniki nie są jedną miarą.

Kusi, żeby wpisać 15.95 obok flagowego modelu i odjąć. Nie róbcie tego. Wartość 15.95 modelu d1-omni pochodzi z publicznego splitu Decision Index v0.2.1 — rankingu, na którym Liquid AI oceniło własne zgłoszenia oficjalnym scorerem, zamiast je przesyłać — z podwynikami: Wiedza 8.3, Język 12.9, Retrieval 35.0, Narzędzia 15.1, Sztuka 6.8, w porównaniu z 48.57 modelu d1-3B w ramach tej samej rodziny. Twierdzenie Liquid dotyczące d1-ultra to pierwsze miejsce w Artificial Analysis Decision Index z przewagą co najmniej ośmiu punktów, co dotyczy innego rankingu i innej wersji, opublikowanej, zanim flagowy model powstał. Te dwie liczby mierzą różne rzeczy różnymi miarkami, a uczciwa interpretacja tej pary jest tylko taka, że różnica jest duża — a nie że wynosi czterdzieści kilka punktów.

Wartość, która przetrwa porównanie, to ta, której nikt nie publikuje: model 600M nie ma w ogóle danych dotyczących wnioskowania, więc nie można podać jego kosztu na decyzję na własnym sprzęcie bez samodzielnego pomiaru. To ten pomiar, a nie ranking, pozwala podjąć decyzję między rozwiązaniem własnym a wynajmem.

Trzy obciążenia, trzy różne odpowiedzi

• Nocna partia 25 000 sprawdzeń obrazów — około 3,65 USD za jedno przejście na Liquid AI D1 Ultra, a w przypadku d1-omni pobranie 1,2 GB plus dowolny GPU, na który go skierujesz. Przy takim wolumenie licznik nie jest czynnikiem decydującym; decyduje to, czy zależy ci na dokładności, jaką obiecuje flagowy model, i czy trzy dolary za noc są warte więcej niż utrzymywanie serwera modelu.

• Twarda brama, w której to prawdopodobieństwo jest decyzją — zatwierdzenie, decyzja moderacyjna, transakcja, która uruchamia się po przekroczeniu progu. Tutaj kalibracja jest produktem, a d1-ultra to jedyny z dwóch modeli, o którym Liquid twierdzi, że został wytrenowany specjalnie do tego. Pewne siebie błędne prawdopodobieństwo wynoszące 0,6 jest gorsze niż brak jakiegokolwiek prawdopodobieństwa, a żadna strona trzecia nie sprawdziła jeszcze pod tym kątem żadnego z modeli. Jeśli próg ma znaczenie, chcesz, aby deklaracja dostawcy dotycząca kalibracji została odtworzona, zanim zaufasz jej na granicy.

• Klasyfikator na urządzeniu do zadań o dużym wolumenie i niskim ryzyku — kierowanie polecenia głosowego, wstępna selekcja skrzynki odbiorczej, oznaczanie ogłoszenia do przeglądu przez człowieka. Nic w tym obciążeniu nie wymaga hostowanego modelu frontier. Model 600M zwraca odpowiedź zgodną z typem z pojedynczego przejścia w przód w 850 MB, co jest całym powodem jego istnienia, a budżet 896 tokenów na obraz wystarcza na zdanie stanu i jedno zdjęcie.

Gdzie faktycznie przebiega granica routingu

Żaden z tych modeli nie znajduje się w naszym katalogu i warto powiedzieć to wprost, zamiast sugerować coś innego: każde wywołanie Liquid AI d1-omni-600M i każde wywołanie Liquid AI d1-ultra trafia na Twoją własną infrastrukturę albo do API samego dostawcy i platform zewnętrznych, a nie przez nas. OrcaRouter obejmuje tę połowę procesu, której model decyzyjny nie może wykonać samodzielnie. Model decyzyjny 587M zwraca etykietę lub prawdopodobieństwo i na tym kończy; coś nadal musi napisać odpowiedź, podsumować sprawę lub podjąć działania na podstawie wyniku. Jedno API dla ponad 200 modeli, z ceną cennikową każdego dostawcy przekazywaną bez zmian oraz dostępnym DSL routingu, gdy wstępnie ocenione żądanie wymaga rozesłania do więcej niż jednego modelu, to cichsze twierdzenie niż „hostujemy model decyzyjny”, i to jest twierdzenie prawdziwe.

Co zmieniłoby odpowiedź

O wyniku tego porównania decydują obecnie dwa braki. Liquid AI D1 Ultra nie ma opublikowanej liczby parametrów, więc nie można odnieść jego kosztu za token do rozmiaru wykonywanego zadania, nie ma też podanej wartości opóźnienia, więc nie da się zaprojektować wokół niego ścieżki interaktywnej bez pomiarów. A d1-omni nie ma opublikowanych danych o wnioskowaniu, bo tak zdecydował dostawca, więc w kalkulacji „własne kontra wynajem” jedna strona pozostaje do uzupełnienia wyłącznie przez test wydajności własnego sprzętu.

Jeśli którakolwiek z tych spraw się zamknie, kształt decyzji się zmienia. Niezależny wynik kalibracji dla d1-ultra rozstrzygnąłby obciążenie bramki, gdzie cena jest już o rząd wielkości niższa, niż większość ludzi by przypuszczała. Wartość opóźnienia od Liquid dla 600M pozwoliłaby komuś z pewnością umieścić go w ścieżce interaktywnej, zamiast najpierw go testować. Do tego czasu bezpieczna interpretacja jest wąska i mało efektowna: flagowiec jest wyceniony tak blisko darmowego, że sam budżet nie popchnie cię do samodzielnego uruchamiania czegokolwiek, a prawdziwą zaletą 600M jest to, że gdy już masz plik, nikt nie może zmienić ci liczby, warunków ani punktu końcowego.

Udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i znacznik sporności.