Um cartão de título gerado com o cabeçalho ‘Mesmo preço, uma geração de diferença’, com o subtítulo ‘Liquid AI d1.2 contra Liquid AI D1’. Uma única barra horizontal longa sobe da esquerda para a direita, rotulada ‘D1 61’ na extremidade esquerda e ‘d1.2 69’ na extremidade direita. Três chips contornados trazem ‘mesmos US$ 0,02 por 1 milhão de tokens de entrada’, ‘mesmo endpoint systemone’ e ‘todos os seis componentes aprimorados’, e uma linha de legenda diz ‘duas linhas de precisão ainda pertencem ao modelo mais antigo’. A marca OrcaRouter é composta no canto inferior direito.
Guides & Insights

d1.2 vs Liquid AI D1: o mesmo $0.02, seis componentes vencidos e duas linhas de precisão que regrediram

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 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

A generated two-column scoreboard titled ‘d1.2 vs D1 - the scoreboard’. The d1.2 column lists Decision Index 69, AA-Paperclip all-pass 44.3%, AA-Symmetry 76.5, When2Call 96.1, Omniscience non-hallucination 66.6% and price per 1M input tokens $0.02. The D1 column lists 61, 25.7%, 58.7, 81.6, 3.3% and $0.02. The footer reads ‘Both rows per Artificial Analysis Decision Index v2.1; D1 ranks #21 of 25 decision models on the board.’ The OrcaRouter mark is composited bottom right.

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

A headless-browser screenshot of the Artificial Analysis d1 model page, captured 18 November 2026 in English, dated September 2026. The summary panel reads that d1 is among the lowest scoring on the Decision Index but well priced and faster than average: a Decision Index score of 61 against a median of 66, 151 ms per task against a median of 206 ms, $0.02 per 1M input tokens, and about $63 per 1M tasks against a median of $137. The rank badge reads #21/25 on the Decision Index and #3/25 on cost, and the technical specification lists text and image input with a 66k-token context window.

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

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.

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.