
d1.2 vs Liquid AI D1: o mesmo $0.02, seis componentes vencidos e duas linhas de precisão que regrediram
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 187 tok/s
- openaiNOVOOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 por 1M de tokens · 80 tok/s
- openaiNOVOOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 por 1M de tokens · 155 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 196 tok/s
- AlibabaNOVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 por 1M de tokens · 85 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 705 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 139 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 84 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 69 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 por 1M de tokens · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 230 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 101 tok/s
O Liquid AI d1.2 e o Liquid AI D1 têm o mesmo preço de tabela — $0.02 por milhão de tokens de entrada, com cobrança apenas na entrada, sem tokens de saída — no mesmo endpoint, respondendo aos mesmos três tipos de pergunta. Eles estão separados por duas gerações: o D1 foi o primeiro modelo de decisão da família, que a Artificial Analysis lista como lançado em setembro de 2026, e o d1.2 chegou em 16 de novembro de 2026, com o d1.1 no meio. Tudo aquilo em que uma comparação normalmente se baseia — preço, contrato, código do cliente, formato de implantação — é idêntico. O que resta é o modelo, e, no modelo, o resultado é desigual, mas não é limpo: o d1.2 vence todas as seis avaliações do Decision Index v2.1 e lidera por 7,9 pontos no geral, enquanto o D1 ainda vence duas das linhas de precisão bruta subjacentes a elas.
Essas duas linhas são o motivo pelo qual vale a pena ler isto em vez de passar os olhos. Ambas ficam no eixo do conhecimento, e ambas são o custo direto da mudança que torna o d1.2 melhor em todo o resto — ele recusa com muito mais frequência. A comparação serve de modelo para o que é uma atualização “estritamente melhor” quando se verificam as sublinhas: um grande ganho composto, uma melhoria comportamental genuína e um ponto pequeno e previsível em que o novo modelo abre mão de algo.
As duas linhas, lado a lado

Ambos os modelos foram avaliados pela Artificial Analysis na mesma versão do mesmo board, o que elimina o risco habitual de comparar um número de fornecedor com um independente. Nenhum dos valores aqui vem da Liquid.
Índice de Decisão v2.1 — 68,69 para d1.2 (#9 de 25) vs. 60,78 para D1 (#21 de 25). Onze modelos agora os separam, e a diferença é grande o suficiente para que nenhuma reexecução plausível a feche.
• Preço por milhão de tokens de entrada — US$ 0,02 para ambos. Inalterado ao longo de duas gerações.
• Custo modelado por milhão de tarefas — US$ 63 para ambos, o que seria de esperar com um preço por token idêntico e uma contagem de tokens por tarefa semelhante. Nenhum dos dois é mais barato; o ranking coloca ambos em terceiro lugar.
• Tempo por tarefa — 150 ms vs 151 ms. Praticamente idêntico, e ambos mais rápidos do que a mediana da classe de 206 ms.
Janela de contexto — 66 mil tokens para ambos, conforme listado pelo board. As próprias publicações da Liquid não declaram janela para nenhum dos dois, então esta é uma leitura de terceiros, e não uma especificação do fornecedor.
• Pontuação de Brier, quanto menor, melhor — 0,164 vs 0,196. Uma melhoria de 0,032 na probabilidade atribuída à resposta escolhida, sem custo.
A última linha é a que merece atenção. d1.2 não está apenas mais vezes certa; a confiança que atribui à sua resposta está mais próxima da verdade, que é a propriedade que faz um pipeline de limiar funcionar. E vem de graça.
Seis componentes, e o tamanho de cada lacuna

O número composto esconde um conjunto muito desigual de mudanças, e duas delas não dizem realmente respeito à precisão.
• AA-Paperclip, decisões de documentos — 62,60 para d1.2 contra 54,92, com 44,3% dos documentos totalmente corretos contra 25,7%. Essa linha all-pass é a maior melhoria individual da versão para este par: uma fatura de quinze campos com catorze corretos conta como erro em qualquer um dos modelos, e d1.2 transforma um quarto dos documentos em quase metade.
• When2Call, decisões de ferramentas — 96,09 contra 81,59, com 95,5% de precisão contra 77,9%. Esta é a que muda para que o modelo pode ser usado. O D1 com 77,9% é um classificador atrás do qual você colocaria uma pessoa; o d1.2 com 95,5% é um que você deixaria rotear.
• AA-Symmetry, invariância — 76,52 contra 58,67, com 50,0% de aprovação total contra 32,5%. Reformule a pergunta, reordene as opções, negue uma pergunta de sim/não: a resposta do modelo antigo mudou; a do novo, na maioria das vezes, não.
• EvalSafe-O*NET-AA, julgamento no local de trabalho — 86,55 contra 84,21, e 79,7% de precisão contra 76,3%. A menor diferença do quadro, e não é motivo para migrar por si só.
• AA-Omniscience-Decision v1.1, conhecimento — 60,94 contra 58,31. Quase três pontos, e as sublinhas abaixo são a parte interessante.
• HLE-MultiChoice v1.1, questões difíceis — 44,69 contra 39,80, com 5,30% de acurácia contra 11,79%. O novo modelo acerta menos questões difíceis e ainda assim obtém cinco pontos a mais, porque o índice pontua a probabilidade em vez de apenas a escolha.
A história da abstenção é o verdadeiro upgrade
Observe as linhas de não alucinação em conjunto, porque elas descrevem um modelo que mudou seu caráter, e não sua precisão.
• AA-Omniscience-Decision de não alucinação — d1.2 66,6%, D1 3,3%. D1 respondeu corretamente a 39,8% dessas perguntas e quase nunca se recusou a responder; d1.2 responde corretamente a 30,0% e se recusa muito mais.
• HLE-MultiChoice não alucinação — 53,9% contra 5,6%, em um benchmark no qual a precisão bruta do D1 é duas vezes maior.
• AA-Symmetry all-pass — 50,0% contra 32,5%, que é a mesma mudança observada por meio da consistência, e não da recusa.
D1 foi o primeiro modelo da família e se comporta como tal: quando recebe uma pergunta que não consegue responder, ele produz uma resposta. Uma taxa de não alucinação de 3,3% significa que, em cerca de 97 de cada 100 perguntas de conhecimento em que a resposta correta era abster-se, ele não se absteve. Se o seu pipeline envia casos de baixa confiança para um revisor humano, é essa propriedade que decide se o gate funciona; um modelo que nunca diz "não sei" não lhe dá nada em que aplicar um limiar, e suas probabilidades de 0,9 valem menos do que os 0,9 do d1.2.
A ressalva é simétrica e vale a pena declarar: d1.2 acerta menos perguntas difíceis. Se sua tarefa é uma pergunta de conhecimento com uma resposta definida e sem caminho de abstenção — esta afirmação é consistente com a política, este código corresponde à especificação —, você está trocando precisão por honestidade, e essa troca pode não ser gratuita.
O que o novo modelo pode responder que o antigo não pode.
d1.2 adiciona cinco tipos de resposta e entrada de áudio. O D1 não tem nenhum deles, e nenhuma quantidade de prompting fecha essa lacuna, porque o contrato de resposta não tem campo para uma posição de span ou uma caixa delimitadora.
• Um valor mais os caracteres a partir dos quais foi lido, ou "não encontrado" — a primitiva de extração que elimina uma segunda passagem generativa por campo.
• Cada trecho de um tipo com posições — nomes, números de telefone, endereços de e-mail, como uma primitiva de redação em vez de um prompt de sumarização.
• Uma caixa ao redor de um objeto ou ao redor de cada instância, além de uma contagem.
• Uma estimativa com um intervalo anexado.
• Cada opção aplicável com sua própria probabilidade, em vez de um único vencedor.
O áudio funciona nos dois sentidos: a gravação pode ser o objeto, ou pode ser a pergunta. Os números de precisão para tudo isso são da Liquid, em conjuntos de teste internos montados a partir de partições reservadas de conjuntos de dados públicos, porque nenhum benchmark público cobre as novas tarefas — 98% e 96% ao ler um valor de um recibo para d1.2-ultra e d1.2, 94%/93% contra 92%/88% em trechos de dados pessoais, 94% para ambos em localização de objetos. Trate-os como o fornecedor se avaliando; o ranking não tem linha para nada disso.
Um detalhe de cobrança vem junto. No D1, cada pergunta era cobrada como seu próprio prompt, incluindo todas as imagens anexadas; no d1.2, uma solicitação cobra seu texto e suas imagens uma vez, e cada pergunta extra acrescenta apenas seu próprio texto. Faça dez perguntas sobre uma única fotografia de 1024×1024 — 1.536 tokens de imagem — e a regra antiga cobra cerca de 15.360 tokens de imagem; a nova cobra 1.536. Com o mesmo $0,02, o padrão de várias perguntas fica várias vezes mais barato no d1.2, e a economia está na regra de cobrança, não na tarifa.
O que quebra quando você altera a string

Menos do que você esperaria, e as exceções merecem um teste em vez de preocupação. O endpoint continua sendo api.liquid.ai/decisions/v1/systemone, a string do modelo passa a ser d1.2, e os três tipos de pergunta originais mantêm o formato de requisição e resposta. Um cliente que envia um valor, uma escolha e uma pontuação recebe o mesmo JSON de volta.
Três coisas a verificar em relação à sua própria amostra antes de alternar um caminho de produção:
• Análise sintática de "not found". Os novos tipos de resposta podem retornar uma ausência explícita, e um analisador que presumia um valor não nulo falhará com isso. Isso é um recurso, mas é uma mudança incompatível em um esquema estrito.
• Posicionamento do limiar. As probabilidades agora significam algo diferente. Um 0,8 em d1.2 é um 0,8 mais confiável do que um 0,8 em D1, portanto um limiar ajustado com base no excesso de confiança do modelo antigo disparará com menos frequência após a troca. Reajuste-o em vez de mantê-lo.
• A fatia de conhecimento. Se parte da sua carga de trabalho é julgamento de fatos em vez de leitura de documentos, meça essa fatia separadamente. É o único ponto em que a maior abstenção do novo modelo pode custar cobertura, e as linhas de precisão do painel dizem isso claramente.
Quem deve migrar e quem deve medir primeiro
Migre sem cerimônia se a carga de trabalho for extração, roteamento, seleção de ferramentas ou classificação sensível à consistência. Todas as linhas publicadas favorecem o d1.2, o preço não muda, e as lacunas de invariância e de chamada de ferramentas são grandes o suficiente para que uma nova execução dificilmente as reverta.
Meça primeiro se a carga de trabalho é julgamento de conhecimento em volume, ou se o pipeline tem um limiar de probabilidade ajustado manualmente. Nenhum dos dois é motivo para permanecer no D1 — mas ambos são motivos para passar alguns milhares de estados reais pelos dois modelos e comparar as probabilidades em vez dos rótulos.
Comece pelo acesso, já que uma pergunta de migração geralmente se transforma em uma pergunta de compras. D1 e d1.2 estão ambos na API da Liquid; nenhum dos dois está no nosso catálogo, e nada aqui é uma alegação de disponibilidade. O modelo do nosso catálogo que pertence a este teste é Jev 1.14, que leva o EvalSafe-O*NET-AA a 91,14, enquanto d1.2 para em 86,55, usa a mesma estrutura systemone e cobra US$ 0,042 por milhão de tokens de entrada. Coloque os três nos mesmos estados e o DSL de roteamento grava a divisão uma vez — por tipo de pergunta, não por serviço — com os preços de tabela dos provedores repassados com 0% de margem, para que os US$ 0,02 que você vê cotados sejam os US$ 0,02 que você paga. O failover automático é o que permite que um modelo lançado há dois dias ocupe uma faixa de uma carga de trabalho ativa em vez de toda ela.
É essa a comparação completa. Mesmo preço, mesmo contrato, mesmo endpoint, uma geração de trabalho entre eles, e seis vitórias em compostos contra duas linhas de acurácia que o modelo antigo ainda mantém — ambas no eixo do conhecimento, onde a abstenção do d1.2 é justamente o que lhe custa caro. Se a sua carga de trabalho for extração, roteamento ou classificação, cada linha que lhe importa seguiu na direção certa. Se for julgamento de fatos sem um revisor por trás, faça primeiro a comparação em sombra e deixe que os números dos seus próprios estados decidam.
