Wygenerowana plansza tytułowa z nagłówkiem „Dźwięk na wejściu, ramki na wyjściu, dowody w załączeniu” i podtytułem „Liquid AI d1.2 i d1.2-ultra – wydane 16 listopada 2026”. Trzy zaokrąglone karty pokazują „75” nad „#1 z 25 modeli decyzyjnych”, „$0.02” nad „za 1 mln tokenów wejściowych” oraz „5” nad „nowe typy odpowiedzi”; trzy obrysowane chipy poniżej głoszą „odczytaj wartość”, „zlokalizuj obiekt” i „wszystkie pasujące opcje”. Znak OrcaRouter jest nałożony w prawym dolnym rogu.
Guides & Insights

Liquid AI d1.2 trafia na rynek z wejściem audio i wyjściem w postaci ramek — a to tani model jest najciekawszy

Autor

jinhao.song

Data publikacji

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

Liquid AI d1.2 i Liquid AI d1.2-ultra zostały udostępnione w API dostawcy 16 listopada 2026 r., a kluczowa liczba należy do droższego z nich: d1.2-ultra uzyskuje 75 punktów w Artificial Analysis Decision Index v2.1, zajmując pierwsze miejsce wśród 25 modeli decyzyjnych w tym zestawieniu. Zmiana o większym znaczeniu dotyczy treści żądania, a nie tabeli liderów. Oba modele zwracają teraz odpowiedzi, których poprzednia generacja nie potrafiła wyrazić — wartość wraz ze znakami, z których została odczytana, listę fragmentów wraz z ich pozycjami, ramkę ograniczającą, liczbę wraz z otaczającym ją zakresem, zestaw opcji, z których każda ma własne prawdopodobieństwo — a oba przyjmują dane audio, zarówno jako przedmiot pytania, jak i samo pytanie.

To inny rodzaj wydania niż poprawa dokładności. Model decyzyjny zwracał kiedyś etykietę i prawdopodobieństwo, co oznaczało, że każdy potok, który potrzebował dowodów stojących za etykietą, musiał dołożyć drugi model, aby je znaleźć. d1.2 odpowiada z dołączonymi dowodami, w jednym przejściu w przód, w cenie $0.02 za milion tokenów wejściowych. d1.2-ultra robi to samo w cenie $0.042. Żaden z nich nie generuje tokenów wyjściowych, więc nadal nie ma czego strumieniować: to modele, które wywołujesz i otrzymujesz z powrotem ustrukturyzowany obiekt.

Oba są dziś dostępne we własnym API Liquid i nigdzie indziej, czego dostawca nie potwierdzi. Wszystko poniżej oddziela to, co raportuje Liquid, od tego, co zmierzył Artificial Analysis, ponieważ w tym wydaniu te dwa zbiory liczb nie są takie same, a różnica ma znaczenie.

Co faktycznie zostało dostarczone, punkt po punkcie

Pięć nowych typów odpowiedzi ma charakter wyłącznie rozszerzający. Endpoint pozostaje bez zmian, trzy pierwotne typy pytań pozostają bez zmian, a klient, który wyśle ten sam JSON co wczoraj, otrzyma odpowiedź o takim samym kształcie.

• Odczytaj wartość — zapytaj, ile wynosi należność na fakturze, i otrzymaj liczbę wraz ze znakami, z których ją odczytano, albo ciąg "not found", gdy pola brakuje. To jest funkcja, która eliminuje najwięcej kodu klejowego, ponieważ zwykłym obejściem jest drugie wywołanie generatywne w celu ponownego odczytania strony.

• Znajdź każdy fragment określonego rodzaju — każdą nazwę, numer telefonu i adres e-mail w notatce, każdy wraz z pozycją w tekście. To elementarna operacja redagowania i po raz pierwszy ta rodzina oferuje coś takiego.

• Lokalizowanie rzeczy na obrazie — jedna ramka wokół podpisu na zeskanowanym formularzu albo ramka wokół każdego wystąpienia obiektu wraz z liczbą. „Nie znaleziono” jest dostępną odpowiedzią, co ma większe znaczenie, niż brzmi: detektor obiektów, który zawsze musi zwrócić ramkę, wymyśli ją.

• Oszacuj liczbę, podając zakres — dwanaście osób na zdjęciu, prawdopodobnie od dziesięciu do czternastu. Zakres jest uczciwą częścią wyniku i to właśnie ten element większość zespołów w przeciwnym razie musiałaby skalibrować samodzielnie.

• Wybierz każdą pasującą opcję — rozliczenia i dostawa, każda z własnym prawdopodobieństwem, zamiast jednego zwycięzcy. Klasyfikację wieloetykietową wcześniej symulowano, zadając to samo pytanie raz na etykietę i płacąc za stan za każdym razem.

Audio jest przesyłane w obu kierunkach. Nagranie może być przedmiotem pytania — w jakim języku się mówi, czy w tle słychać syrenę — albo pytanie można wypowiedzieć, zamiast je wpisywać. Liquid podaje dokładność od 95% do 97% na nagraniach testowych z zestawów ESC-50 i FLEURS, przy trzech do sześciu opcjach na pytanie i bliskich pomyłkach, takich jak hiszpański kontra portugalski wśród opcji.

Jedna zmiana w rozliczeniach idzie przy okazji i łatwo ją przeoczyć. Żądanie rozlicza teraz swój tekst i obrazy tylko raz, a każde dodatkowe pytanie dolicza wyłącznie własny tekst. W poprzedniej generacji każde pytanie ponownie rozliczało cały prompt, wraz z każdym załączonym obrazem, więc dziesięciopytaniowe przepytywanie jednego zdjęcia płaciło za zdjęcie dziesięć razy.

Plansza i to, wśród czego pierwsze miejsce jest pierwsze

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 ma wyniki obu nowych modeli w Decision Index v2.1, a liczby nie są zgłaszane przez dostawcę: ranking przeprowadził je samodzielnie, na tych samych sześciu ewaluacjach, przy obecnych cenach katalogowych. d1.2-ultra plasuje się na 74,85, co daje pierwsze miejsce wśród 25 modeli decyzyjnych i 2,2 punktu przewagi nad najbliższym rywalem wśród modeli decyzyjnych, Drex Max v1.1 z wynikiem 72,62. d1.2 plasuje się na 68,69, dziewiąte miejsce na 25, powyżej mediany klasy wynoszącej 66.

Warto pamiętać o zastrzeżeniu, że „pierwsze” ma ograniczony zakres. Ten sam ranking ocenia też dwa ogólne modele językowe tym samym narzędziem i oba wprost biją d1.2-ultra: Claude Haiku 5.5 (Max) z wynikiem 76,49 i GPT-6 Luna (Max) z wynikiem 75,67. Żaden z nich nie jest modelem decyzyjnym, a cena tego porównania jest dotkliwa — 6218 USD i 1548 USD za milion zadań w porównaniu z 133 USD — ale „numer jeden w Decision Index” bez słowa „decision” w nazwie nie jest tym, co pokazuje ranking.

To, co ranking niezależnie potwierdza, to historia kalibracji. Punkty decyzyjne w tym indeksie odejmują wynik Brier prawdopodobieństwa przypisanego do wybranej odpowiedzi, więc model, który ma rację, ale jest skrajnie pewny siebie, zostaje ukarany. d1.2-ultra ma wynik Brier 0,150, d1.2 — 0,164, a zastępowany przez nie model d1-ultra — 0,176. Tańszy nowy model jest lepiej skalibrowany niż starszy flagowiec, mimo że ogólnie uzyskuje o 1,9 punktu mniej, co jest rodzajem rozbieżności, która ujawnia się dopiero wtedy, gdy ktoś inny uruchomi środowisko testowe.

Czas i koszt dopełniają obraz i ciągną w przeciwne strony. d1.2 działa z szybkością 150 ms na zadanie, co daje ósme miejsce pod względem szybkości na liście i wynik tuż poniżej mediany wynoszącej 206 ms. d1.2-ultra działa z szybkością 218 ms, wolniej niż mediana, zajmując 15. miejsce. Pod względem kosztu na milion zadań lista plasuje d1.2 na poziomie 63 USD, trzecim najtańszym spośród 25, a d1.2-ultra na poziomie 133 USD, na jedenastym miejscu przy medianie 137 USD.

Numery nowych zadań i kto je wygenerował

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’.

Żaden publiczny benchmark nie obejmuje jeszcze żadnego z pięciu nowych typów odpowiedzi, więc każda liczba dotycząca ich dokładności pochodzi z własnych wewnętrznych zestawów testowych Liquid, zbudowanych z wydzielonych części publicznych zbiorów danych. Jest to ocena dostawcy dotycząca jego własnego modelu na wybranych przez niego danych i właśnie tak należy ją odczytywać.

• Odczyt wartości z paragonu, w zestawach CORD i SROIE — 98% dla d1.2-ultra, 96% dla d1.2. Odczyt uznaje się za poprawny, gdy znajdzie docelową wartość lub poprawnie stwierdzi jej brak, co sprawia, że przypadek nieznalezienia jest częścią wyniku, a nie automatycznym zaliczeniem.

• Zakresy danych osobowych, w Nemotron PII — 94% precyzji i 93% czułości dla ultra, 92% i 88% dla d1.2. Pięciopunktowa różnica w czułości to największa rozbieżność między oboma modelami w którymkolwiek z pięciu zadań i to właśnie ona ma znaczenie przy redagowaniu, gdzie pominięty zakres to błąd, który kończy się grzywną.

• Lokalizacja obiektów w rodzinie RefCOCO — 94% dla obu. Zupełnie brak rozdzielenia.

• Zliczanie z dokładnością do jednego, na COCO — 93% dla ultra, 92% dla d1.2.

• Wychwytywanie każdego obecnego obiektu na COCO — 87% dla ultra wobec 90% dla d1.2, jedyny wiersz, w którym tańszy model wygrywa.

A zatem wersja premium daje wyraźny zysk przy odczytywaniu wartości i pełności wyodrębniania fragmentów, a prawie nic przy zadaniach przestrzennych. Jeśli Twoim przypadkiem użycia są ramki, model za 0,02 USD to ten, który warto przetestować najpierw.

Audio i karta specyfikacji, która nie nadąża

Audio to twierdzenie z największą luką między zapowiedzią a niezależnym zapisem. Wpis Liquid opisuje wejście audio jako główną możliwość obu modeli; specyfikacja techniczna Artificial Analysis dla obu nadal wymienia modalność wejściową jako tekst i obraz, a indeks nie zawiera oceny audio, więc nic na tablicy nie testuje tego twierdzenia. To nie jest sprzeczność — tablica po prostu jeszcze tam nie dotarła — ale oznacza, że zdolność audio jest obecnie oświadczeniem dostawcy bez weryfikacji strony trzeciej.

Ta sama ostrożność dotyczy pięciu nowych typów odpowiedzi: indeks nie mierzy żadnego z nich. Model może być pierwszy na liście rankingowej, a jednocześnie niezmierzony pod względem tego, co naprawdę chcesz z nim robić.

Tabela kalibracji dostawcy jest warta przeczytania z innego powodu. W przypadku 13 benchmarków i 22 505 pytań, na które odpowiedziało wszystkie pięć modeli, Liquid podaje błąd kalibracji na poziomie 0,8 punktu dla d1.2-ultra, 1,2 dla d1.2, 2,7 dla Jev 1.14, 3,7 dla Decider v1.3 firmy Perplexity i 7,2 dla GPT-6 Luna na jego endpoincie Decisions. To liczby uzyskane przez dostawcę na wybranym przez niego zestawie pytań. Wyniki Brier z tablicy wskazują ten sam kierunek w przypadku tych samych dwóch modeli, co jest najbliższe drugiej opinii dostępnej w tym tygodniu.

Sprawdzanie zdania dotyczącego kosztów względem tablicy

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 formułuje twierdzenie, które jest niezwykle falsyfikowalne: żaden model nie osiąga wyniku wyższego niż d1.2 za mniejsze pieniądze, a żaden model nie osiąga wyniku wyższego niż d1.2-ultra za żadną cenę. Obie części utrzymują się na tablicy, z tym samym co wcześniej zastrzeżeniem dotyczącym zakresu.

• Druga połowa jest niemal trywialnie prawdziwa wśród modeli decyzyjnych — nic innego na tablicy 25 modeli nie osiąga w ogóle wyniku powyżej 74,85. Zawodzi tylko wtedy, gdy dopuści się dwa ogólne modele językowe, a kosztują one od 12 do 47 razy więcej na milion zadań.

• Pierwsza połowa utrzymuje się na tablicy decyzyjnej: każdy model decyzyjny z wynikiem powyżej 68,69 modelu d1.2 kosztuje więcej za milion zadań. Najbliższy tani konkurent to Decider v1.3 firmy Perplexity z wynikiem 70,41 i ceną 68 USD, czyli mniej niż dwa punkty indeksu za pięć dolarów za milion zadań — najbliżej, jak tablica podchodzi do kontrprzykładu, a wciąż po właściwej stronie zdania Liquid.

• Wartości kosztów pochodzą od Artificial Analysis, zostały obliczone na podstawie aktualnych cen katalogowych i uśrednione z wagami indeksu. To modelowany koszt na zadanie, a nie faktura; zmieniają się, jeśli dostawca zmieni cenę.

I właśnie w tym ostatnim punkcie warstwa routingu zasługuje na swoje miejsce, zamiast się reklamować. To wydanie zmieniło zasadę rozliczania Liquid, obniżyło o połowę efektywną cenę taniego modelu w porównaniu ze starym flagowcem — i zrobiło to dwa dni temu. Po naszej stronie ceny katalogowe dostawców są przekazywane z 0% marży, więc obniżka dostawcy trafia tutaj tego samego dnia, a nie przy kolejnym odnowieniu umowy — 0,02 USD i 0,042 USD w tym artykule to liczby dostawcy, a nie ich przepisana wersja z doliczoną marżą.

Co robić w tym tygodniu, jeśli już prowadzisz model decyzyjny

Nic w tym tekście nie jest ogłoszeniem dostępności: oba nowe modele są w API Liquid, a żaden z nich nie trafił jeszcze do naszego katalogu. Powód, by w ogóle wspominać o naszym, jest taki, że to wydanie modelu decyzyjnego, a modelem decyzyjnym, który faktycznie udostępniamy, jest Jev 1.14 — jedyny wiersz na tablicy, który przewyższa d1.2-ultra w komponencie EvalSafe-O*NET-AA, osiągając 91,14 wobec 89,53 przy tym samym kształcie żądania systemone i cenie 0,042 USD za milion tokenów wejściowych. Cokolwiek wywnioskujesz na temat pięciu nowych typów odpowiedzi, wycinek bezpieczeństwa i miejsca pracy ma obecne rozwiązanie, względem którego możesz dziś dokonać benchmarku.

Ruchem, który ma sens, zanim faktycznie pojawią się obiecywane przez Liquid platformy firm trzecich, jest przebieg w trybie shadow. Wyślij stany, które Twój potok już widzi, do obu modeli d1.2, porównaj prawdopodobieństwa, a nie etykiety top-1, i przyjrzyj się konkretnie przypadkom, w których model odpowiada 0,8 i się myli. Ten ogon to miejsce, w którym poprzednia generacja była najsłabsza, i to jedyna rzecz, którą to wydanie twierdzi, że naprawiło, a którą indeks może potwierdzić tylko częściowo.

Automatyczne przełączanie awaryjne to druga połowa próby z dwudniowym modelem bez stawiania na niego ścieżki produkcyjnej: skieruj część ruchu do d1.2-ultra, a dotychczasowy model pozostaw w odwodzie i pozwól, by zły dzień u jednego dostawcy obniżył współczynnik odpowiedzi, zamiast wyłączać pipeline. To tańszy sposób przekonania się, czy 75 jest realne, niż czekanie na benchmark kogoś innego.

Otwartą kwestią nie jest to, czy te modele trafiły na rynek — trafiły, wraz z cenami i punktem końcowym — lecz to, czy pięć nowych typów odpowiedzi sprawdza się poza własnymi wydzielonymi zbiorami Liquid. Nikt nie opublikował niezależnego wyniku liczbowego dla żadnego z nich, a dopóki ktoś tego nie zrobi, uczciwe stanowisko jest takie, że to wydanie dodaje naprawdę użyteczny kontrakt wyjściowy na podstawie dowodów pochodzących wyłącznie od dostawcy.