Um cartão de título gerado encabeçado por ‘Uma atualização que custa o mesmo’, com o subtítulo ‘Liquid AI d1.2-ultra substitui Liquid AI d1-ultra’. Duas barras horizontais estão empilhadas: a barra superior, mais curta, está rotulada como d1-ultra com o valor 70,58 na extremidade direita; a barra inferior, mais longa, está rotulada como d1.2-ultra com 74,85 na extremidade direita. Três chips contornados à direita dizem ‘contexto de 66k, acima de 33k’, ‘218 ms por tarefa, abaixo de 301 ms’ e ‘mesmo $0.042 por 1M de tokens de entrada’. A marca OrcaRouter é composta no canto inferior direito.
Guides & Insights

d1.2-ultra vs Liquid AI D1 Ultra: mesmo preço, o dobro do contexto e um ponto em que ficou pior

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

O Liquid AI d1.2-ultra custa exatamente o que o Liquid AI D1 Ultra custa: $0,042 por milhão de tokens de entrada, sem cobrança por tokens de saída, o mesmo endpoint, os mesmos três tipos de pergunta que você já envia. Chegou em 16 de novembro de 2026, um mês depois do modelo que substitui, e é melhor no composto — 74,85 contra 70,58 no Artificial Analysis Decision Index v2.1, primeiro de 24 contra sexto. Portanto, a atualização é gratuita e óbvia, e você deve adotá-la. O que torna a decisão digna de um artigo em vez de uma linha de changelog é que quatro das dezesseis métricas de componente publicadas regrediram, e duas delas são as que um pipeline orientado por limiares mais sente.

O padrão é específico. O novo modelo é muito melhor na leitura de documentos, muito melhor quando o texto é parafraseado e um pouco pior em saber coisas e em recusar-se a responder. Se o seu pipeline usa o Liquid AI D1 Ultra como mecanismo de extração, o sucessor é um ganho inequívoco. Se o usa como um gatekeeper que deveria dizer "Não sei" quando o caso é ambíguo, o sucessor é uma decisão entre dois modelos, não uma substituição.

Ambos os modelos em um único instrumento

A generated two-column scoreboard titled ‘d1.2-ultra vs d1-ultra - the scoreboard’. The d1.2-ultra column reads Decision Index 75, AA-Paperclip 75.8 at 67.7% all-pass, AA-Symmetry 86.3, AA-Omniscience accuracy 23.6%, context window 66k and price $0.042 per 1M input. The d1-ultra column reads Decision Index 71, AA-Paperclip 64.7 at 51.3% all-pass, AA-Symmetry 78.7, AA-Omniscience accuracy 28.0%, context window 33k and price $0.042 per 1M input. The footer reads ‘All figures per Artificial Analysis Decision Index v2.1; context windows as listed by Artificial Analysis, not stated by the vendor.’

Esta comparação é excepcionalmente limpa porque ambas as linhas foram produzidas pela mesma organização na mesma versão do mesmo ranking, o que não acontece na maioria das decisões de upgrade. A Artificial Analysis executou o d1-ultra e o d1.2-ultra no Decision Index v2.1, portanto nada aqui depende de comparar um número do fornecedor com um número independente, nem de uma revisão do índice que tenha mudado as regras do jogo entre as duas versões. A manchete do próprio fornecedor para o novo modelo — primeiro lugar, dois pontos de vantagem — corresponde ao ranking que ela indica.

• Preço — US$ 0,042 por milhão de tokens de entrada para ambos. Idêntico, e inalterado pela atualização.

• Índice de Decisão v2.1 — d1.2-ultra 74,85 (#1 de 24) vs d1-ultra 70,58 (#6).

• Janela de contexto — 66k tokens vs 33k, conforme as especificações técnicas da placa. Os posts de lançamento da Liquid não informam janela para nenhum dos modelos.

• Tempo por tarefa — 218 ms vs 301 ms. A atualização também é um terço mais rápida.

• Custo por milhão de tarefas — US$ 133 para ambos, o que era de se esperar com um preço por token idêntico e uma contagem de tokens por tarefa semelhante.

• Pontuação de Brier — 0,150 vs 0,176, quanto menor, melhor. Este é o número individual que mais diretamente indica "melhor calibrado".

A regra de cobrança mudou, e vale mais do que os pontos do índice.

No d1-ultra, cada pergunta era cobrada como seu próprio prompt, incluindo todas as imagens anexadas. Faça dez perguntas sobre uma fotografia e você pagava pela fotografia dez vezes, o que, para uma imagem de 1024×1024, significa 1.536 tokens multiplicados por dez antes de qualquer texto ser contado. No d1.2-ultra, a solicitação cobra seu texto e suas imagens uma vez, e cada pergunta adicional acrescenta apenas seu próprio texto.

Faça as contas com uma solicitação realista: um documento de {{1}}2.000 tokens{{/1}}, {{2}}uma imagem de 1024×1024{{/2}}, {{3}}dez perguntas de cerca de 30 tokens cada{{/3}}. A regra antiga cobra aproximadamente {{4}}35.700 tokens{{/4}}; a nova cobra aproximadamente {{5}}3.840{{/5}}. A um valor idêntico de {{6}}$0,042 por milhão{{/6}}, isso dá {{7}}$0,0015{{/7}} contra {{8}}$0,00016{{/8}} por solicitação — pouco mais de nove vezes mais barato para o mesmo trabalho, ao mesmo preço publicado, do mesmo fornecedor, sem nenhuma manchete de anúncio associada. Com {{9}}100.000 solicitações por mês{{/9}}, cerca de {{10}}$150{{/10}} passam a ser cerca de {{11}}$16{{/11}}.

Ambos os números são aritmética sobre as próprias descrições de cobrança dos fornecedores, e não medições de uma fatura real, e a proporção depende inteiramente de quantas perguntas você faz por estado. Faça uma pergunta por documento e os dois modelos custam o mesmo. Faça dez, e a atualização “gratuita” é a maior mudança de custo do lançamento.

O que o novo modelo realmente faz melhor

A headless-browser screenshot of the Artificial Analysis model page for d1-ultra, captured 17 November 2026 in English, showing the Liquid AI vendor label, the heading ‘d1-ultra: Release, Decision Index Score, Performance & Price’, a Decision Index score of 71, a 33k-token context window, a time-per-task figure of 301 ms, and a summary describing the model as reasonably priced but notably slow.

Quatro componentes subiram, e dois deles subiram bastante.

• AA-Paperclip, 30% do índice — 75,81 contra 64,69 na pontuação de decisão, e 67,7% contra 51,3% dos documentos totalmente corretos. Onze pontos de taxa de aprovação total de documentos no componente de maior peso explicam todo o ganho composto de doze pontos. Este é o número a observar se você extrai campos de faturas, recibos ou currículos, porque um documento que erra uma entre quinze respostas conta como erro de qualquer forma.

• AA-Symmetry, 15% — 86,34 contra 78,66, com a consistência de aprovação total a subir de 45,8% para 56,7%. Reformule a pergunta, mude as opções de lugar, negue um sim/não, e o novo modelo mantém a sua resposta com muito mais frequência.

• When2Call, 10% — 96,49 contra 93,83. O tool calling já era o ponto forte da família; este é um ganho menor em um componente que estava próximo do seu teto.

EvalSafe-O*NET-AA, 15% — 89,53 contra 88,15. Um ponto e meio em avaliação de documentos do ambiente de trabalho, o que beira o ruído e não deve ser vendido como uma melhoria.

• AA-Omniscience-Decision v1.1, 15% — 60,80 contra 64,39 na pontuação de decisão. Queda de quatro pontos no componente que é metade conhecimento e metade honestidade.

• HLE-MultiChoice v1.1, 15% — 46,36 contra 47,39. Um ponto abaixo no componente em que todo o campo está fraco.

As duas regressões, em termos simples

A queda de omnisciência não é um artefato de pontuação; ela aparece nas linhas subjacentes de acurácia e abstenção, e essas linhas discordam entre si de uma forma que vale a pena entender antes de você migrar.

• Precisão do AA-Omniscience-Decision — o d1-ultra respondeu corretamente a 28,0% das perguntas, o d1.2-ultra a 23,6%. O predecessor sabia mais.

• AA-Omniscience-Decision de não alucinação — d1-ultra 88,6%, d1.2-ultra 83,8%. O predecessor também era melhor em não inventar uma resposta. Ambas as linhas se moveram na mesma direção, o que significa que se trata de uma mudança genuína de capacidade, e não de uma mudança na forma como o modelo distribui suas abstenções com cautela.

• Precisão do HLE-MultiChoice — 6,09% contra 2,36%, o novo modelo ficou em último lugar entre os 24 em precisão bruta. Sua taxa de não alucinação no mesmo conjunto subiu, de 56,9% para 76,1%, então a queda na precisão é parcialmente obtida à custa de mais abstenção. Mas não inteiramente: o par de onisciência acima mostra o modelo respondendo menos E acertando menos.

A consequência para um pipeline é mais restrita do que parece. Se você aplicar um limiar de probabilidade e encaminhar os casos de baixa confiança para uma pessoa, um modelo que se abstém mais está lhe fazendo um favor, e a taxa de não alucinação de 83,8% ainda é o sexto entre 24. Se você usar o modelo como um filtro automático para perguntas que exigem saber um fato — esta afirmação é consistente com a política, este código corresponde à especificação —, o predecessor mais barato é mensuravelmente melhor e não há motivo para deixar de usá-lo nessa fatia.

O que você precisa mudar no seu cliente

Quase nada, e é exatamente por isso que convém fazê-lo agora, e não daqui a três meses. O endpoint é o mesmo, api.liquid.ai/decisions/v1/systemone, chamado com "model": "d1.2-ultra"; os três tipos de perguntas não mudaram; as respostas continuam a ser JSON estruturado com uma probabilidade por opção e sem tokens de saída. A migração resume-se a uma alteração de string e a um novo deploy.

O que é novo é aditivo, e vale a pena saber porque remove soluções de contorno em vez de adicionar recursos. Cinco tipos de resposta se juntam aos existentes: ler um valor da página e retornar os caracteres a partir dos quais ele foi lido, ou “não encontrado”; retornar cada trecho de um tipo com posições, o que cobre a redação de PII sem um segundo modelo; retornar uma caixa ao redor de um objeto ou de cada instância, mais uma contagem; retornar uma estimativa com um intervalo; e retornar cada opção aplicável com sua própria probabilidade. A entrada de áudio funciona nos dois sentidos — a gravação pode ser o assunto, ou pode ser a pergunta, falada em vez de digitada.

As alegações de precisão para essas cinco tarefas são da própria Liquid, em conjuntos de teste internos construídos a partir de divisões reservadas de conjuntos de dados públicos, porque nenhum benchmark público as cobre ainda. Segundo os números do fornecedor, os dois modelos estão próximos: 98% contra 96% na leitura de um valor de um recibo, 94%/93% contra 92%/88% em trechos de PII, 94% cada na localização de objetos e, nas duas últimas tarefas, o modelo mais antigo não é o mais fraco em todas as linhas — o novo modelo vence na contagem com tolerância de um por 93% a 92% e perde ao selecionar todos os objetos presentes por 87% a 90%.

Executando o antigo e o novo lado a lado

Manter ambos é a migração honesta, e é barato: são strings de modelo diferentes no mesmo endpoint e ambos estão na própria API da Liquid hoje, pelo mesmo preço, com chaves de console.liquid.ai. Nenhum dos dois está no nosso catálogo, e este texto não é uma declaração de disponibilidade para nenhum deles.

Onde uma camada de roteamento se torna útil aqui é que a divisão entre os dois modelos é uma decisão por pergunta, e não por serviço. O sucessor é o indicado para enviar documentos, imagens e qualquer coisa sobre a qual você aplicará um limite; o predecessor é o indicado para enviar julgamentos com muitos fatos, onde suas linhas de acurácia e abstenção ainda são melhores. Combine isso como duas rotas por trás de uma API — a DSL de roteamento permite dividir por tipo de pergunta ou por tamanho do estado, em vez de por limites de serviço codificados manualmente — e os dois modelos deixam de competir pela mesma posição. Nada do nosso lado altera os $0.042 que cada modelo custa: os preços de lista dos provedores são repassados com 0% de markup, então uma mudança de preço da Liquid entra no ar aqui no mesmo dia, e não no próximo ciclo de cobrança. E quando uma API de fornecedor tem uma tarde ruim, o failover automático é o que mantém a rota de documentos ativa, em vez de transformar um provedor em um ponto único de falha para todo o pipeline.

A atualização, em uma linha cada

Use o d1.2-ultra para documentos, para imagens, para estados ambíguos e para qualquer coisa em que você aplique limiares — ele é onze pontos melhor no componente de documentos, oito melhor em simetria, um terço mais rápido, dobra a janela de contexto e, se você fizer mais de uma pergunta por estado, reduz sua fatura em uma ordem de grandeza.

Mantenha o d1-ultra para o gating com forte carga factual, em que as linhas de precisão de onisciência e de não alucinação ainda são ambas mais altas, e em que a precisão no HLE é quase três vezes a do sucessor, por menores que sejam ambos os números.

Pule a migração por completo apenas se seus estados não tiverem imagens, tiverem uma pergunta cada e nenhum limiar — o caso em que os dois modelos custam o mesmo e o novo é simplesmente melhor em todas as avaliações que você usa. Nesse caso, o único motivo para esperar são as dezenove horas necessárias para descobrir que nada quebrou.

A headless-browser screenshot of the OrcaRouter model page for typesafe/jev-1.14, captured 17 November 2026 in English, showing the /v1/systemone endpoint, Zero Data Retention availability, an input and output list price of $0.04, and measured latencies of 182 ms and 372 ms.