
Liquid AI d1.2 chega com entrada de áudio e saída de caixas — e o modelo barato é o interessante
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 180 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 223 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 89 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 98 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 44 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 · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
A Liquid AI d1.2 e a Liquid AI d1.2-ultra entraram no ar na API do fornecedor em 16 de novembro de 2026, e o número de destaque pertence ao mais caro: o d1.2-ultra obtém 75 no Artificial Analysis Decision Index v2.1, primeiro entre os 25 modelos de decisão classificados pelo conselho. A mudança mais significativa está no corpo da requisição, não no ranking. Ambos os modelos agora retornam respostas que a geração anterior não conseguia expressar — um valor mais os caracteres dos quais ele foi lido, uma lista de spans com suas posições, uma caixa delimitadora, uma contagem com um intervalo em torno dela, um conjunto de opções, cada uma com sua própria probabilidade — e ambos aceitam áudio, seja como o item sobre o qual se pergunta, seja como a própria pergunta.
Isso é um tipo diferente de lançamento, não apenas um aumento de precisão. Um modelo de decisão costumava retornar um rótulo e uma probabilidade, o que significava que qualquer pipeline que precisasse das evidências por trás do rótulo tinha de acoplar um segundo modelo para encontrá-las. O d1.2 responde com as evidências anexadas, em uma única passada direta, a US$ 0,02 por milhão de tokens de entrada. O d1.2-ultra faz o mesmo por US$ 0,042. Nenhum dos dois gera tokens de saída, então ainda não há nada para transmitir em streaming: são modelos que você chama e dos quais recebe um objeto estruturado de volta.
Ambos estão disponíveis hoje apenas na API própria da Liquid e em nenhum outro lugar que o fornecedor confirme. Tudo abaixo separa o que a Liquid relata do que a Artificial Analysis mediu, porque, neste lançamento, os dois não são o mesmo conjunto de números — e a diferença importa.
O que realmente foi entregue, item por item
Os cinco novos tipos de resposta são aditivos. O endpoint não muda, os três tipos de pergunta originais não mudam, e um cliente que envia o mesmo JSON que enviava ontem recebe o mesmo formato de resposta.
• Ler um valor — pergunte quanto é devido em uma fatura e obtenha o número mais os caracteres a partir dos quais ele foi lido, ou a string "not found" quando o campo estiver ausente. Esta é a que elimina a maior quantidade de código de cola, porque a solução alternativa habitual é uma segunda chamada generativa para reler a página.
• Encontre todos os trechos de um determinado tipo — cada nome, número de telefone e endereço de e-mail em uma nota, cada um com sua posição no texto. Esse é um primitivo de redação, e é a primeira vez que esta família oferece um.
• Localizar coisas em uma imagem — uma caixa ao redor da assinatura em um formulário digitalizado, ou uma caixa ao redor de cada ocorrência de um objeto, além da contagem. “Não encontrado” é uma resposta disponível, o que importa mais do que parece: um detector de objetos que precisa sempre retornar uma caixa vai acabar inventando uma.
• Estime um número com um intervalo — doze pessoas na foto, plausivelmente de dez a quatorze. O intervalo é a parte honesta da saída, e é a peça que a maioria das equipes, de outra forma, teria que calibrar por conta própria.
• Escolha todas as opções que se aplicarem — cobrança e entrega, cada uma com sua própria probabilidade, em vez de um único vencedor. A classificação multirrótulo era anteriormente simulada fazendo a mesma pergunta uma vez por rótulo e pagando pelo estado a cada vez.
O áudio chega em ambas as direções. A gravação pode ser o objeto — qual idioma está sendo falado, se há uma sirene ao fundo — ou a pergunta pode ser falada em vez de digitada. A Liquid relata precisão de 95% a 97% em gravações de validação no ESC-50 e no FLEURS, com três a seis opções por pergunta e confusões próximas, como espanhol contra português, na mistura.
Uma mudança na cobrança vem junto e é fácil de passar despercebida. Uma solicitação agora cobra seu texto e suas imagens uma única vez, e cada pergunta adicional acrescenta apenas seu próprio texto. Na geração anterior, cada pergunta recobrava o prompt completo, incluindo todas as imagens anexadas, então um interrogatório de dez perguntas sobre uma fotografia pagava pela fotografia dez vezes.
O quadro, e aquilo entre o que o primeiro lugar é o primeiro.

A Artificial Analysis tem os dois novos modelos avaliados no Decision Index v2.1, e os números não são informados pelo fornecedor: o próprio painel os executou, nas mesmas seis avaliações, aos preços de tabela atuais. O d1.2-ultra fica em 74,85, primeiro entre 25 modelos de decisão e 2,2 pontos à frente do seu rival mais próximo entre os modelos de decisão, o Drex Max v1.1, com 72,62. O d1.2 fica em 68,69, nono entre 25, acima da mediana da classe de 66.
A ressalva que vale levar em conta é que “primeiro” tem escopo delimitado. O mesmo painel também pontua dois modelos de linguagem gerais no mesmo instrumento, e ambos superam o d1.2-ultra de forma inequívoca: Claude Haiku 5.5 (Max) com 76,49 e GPT-6 Luna (Max) com 75,67. Nenhum deles é um modelo de decisão, e o preço da comparação é alto — US$ 6.218 e US$ 1.548 por milhão de tarefas, contra US$ 133 —, mas “número um no Decision Index” sem a palavra decision nele não é o que o painel mostra.
O que o painel corrobora, de forma independente, é a história da calibração. As pontuações de decisão neste índice subtraem a pontuação de Brier da probabilidade associada à resposta escolhida, de modo que um modelo que está certo mas excessivamente confiante é penalizado. d1.2-ultra apresenta um Brier de 0,150, d1.2 de 0,164, e o modelo que substituem, d1-ultra, de 0,176. O novo modelo mais barato está melhor calibrado do que o antigo carro-chefe, apesar de pontuar 1,9 pontos menos no geral, que é o tipo de divergência que só aparece quando outra pessoa executa o harness.
O tempo e o custo completam o quadro e apontam em direções opostas. O d1.2 é executado a 150 ms por tarefa, o oitavo mais rápido do ranking e um pouco abaixo da mediana de 206 ms. O d1.2-ultra é executado a 218 ms, mais lento que a mediana e em 15º. Em custo por milhão de tarefas, o ranking coloca o d1.2 em US$ 63, o terceiro mais barato entre os 25, e o d1.2-ultra em US$ 133, o 11º, contra uma mediana de US$ 137.
Os números da nova tarefa e quem os produziu

Ainda não há nenhum benchmark público que cubra qualquer um dos cinco novos tipos de resposta, portanto todos os números de precisão para eles vêm dos conjuntos de teste internos da própria Liquid, construídos a partir de divisões reservadas de conjuntos de dados públicos. Trata-se da avaliação de um fornecedor sobre seu próprio modelo, com dados que ele mesmo escolheu, e devem ser lidos exatamente como tal.
• Leitura de um valor em um recibo, no CORD e no SROIE — 98% para o d1.2-ultra, 96% para o d1.2. Uma leitura conta como correta quando encontra o alvo ou diz corretamente que ele está ausente, o que faz do caso de não encontrado parte da pontuação, em vez de um passe livre.
• Spans de dados pessoais, no Nemotron PII — 94% de precisão e 93% de recall para o ultra, 92% e 88% para o d1.2. A diferença de cinco pontos no recall é a maior separação entre os dois modelos em qualquer uma das cinco tarefas, e é a que importa para a redação, em que um span não detectado é a falha que gera multa.
• Localização de objetos, na família RefCOCO — 94% para ambos. Nenhuma separação.
• Contagem dentro de um, no COCO — 93% para o ultra, 92% para o d1.2.
• Identificando cada objeto presente, no COCO — 87% para o ultra contra 90% para o d1.2, a única linha em que o modelo barato vence.
Então, o premium proporciona um ganho claro na leitura de valores e no recall de span, e quase nada em tarefas espaciais. Se o seu caso de uso for caixas, o modelo de $0.02 é o primeiro a testar.
Áudio, e a ficha técnica que não acompanhou
O áudio é a alegação com a maior lacuna entre o anúncio e o registro independente. A publicação da Liquid descreve a entrada de áudio como um recurso de destaque de ambos os modelos; a especificação técnica da Artificial Analysis para ambos ainda lista a modalidade de entrada como texto e imagem, e o índice não tem avaliação de áudio, então nada no painel testa a alegação. Isso não é uma contradição — o painel simplesmente ainda não chegou lá —, mas significa que a capacidade de áudio atualmente é uma declaração do fornecedor sem nenhuma verificação de terceiros por trás.
A mesma cautela se aplica aos cinco novos tipos de resposta: o índice não mede nenhum deles. Um modelo pode estar em primeiro lugar no ranking e não ser medido naquilo que você realmente quer fazer com ele.
A tabela de calibração do fornecedor vale a pena ser lida por um motivo diferente. Em 13 benchmarks e 22.505 perguntas respondidas por todos os cinco modelos, a Liquid atribui erro de calibração de 0,8 pontos ao d1.2-ultra, 1,2 ao d1.2, 2,7 ao Jev 1.14, 3,7 ao Decider v1.3 da Perplexity e 7,2 ao GPT-6 Luna em seu endpoint Decisions. Esses são números gerados pelo fornecedor em um conjunto de perguntas escolhido pelo fornecedor. As pontuações Brier do quadro apontam na mesma direção nos mesmos dois modelos, o que é a coisa mais próxima de uma segunda opinião disponível esta semana.
Conferindo a frase de custo em relação ao quadro

A Liquid faz uma afirmação incomumente falsificável: nenhum modelo pontua mais que o d1.2 por menos dinheiro, e nenhum modelo pontua mais que o d1.2-ultra a qualquer preço. As duas metades sobrevivem ao ranking, com a mesma ressalva de escopo de antes.
• A segunda metade é quase trivialmente verdadeira entre os modelos de decisão — nada mais no painel de 25 modelos sequer pontua acima de 74,85. Ela só falha se os dois modelos de linguagem gerais forem admitidos, e eles custam de 12 a 47 vezes mais por milhão de tarefas.
• A primeira metade se sustenta no painel de decisões: todo modelo de decisão com pontuação acima dos 68,69 do d1.2 custa mais por milhão de tarefas. O desafiante barato mais próximo é o Decider v1.3 da Perplexity, com 70,41 e $68, o que fica a menos de dois pontos de índice por cinco dólares por milhão de tarefas — o mais perto que o painel chega de um contraexemplo, e ainda assim do lado certo da frase da Liquid.
• Os valores de custo são do próprio Artificial Analysis, calculados com os preços de tabela atuais e com média ponderada pelos pesos do índice. Trata-se de um custo modelado por tarefa, não de uma fatura, e mudam se um fornecedor alterar um preço.
Esse último ponto é onde uma camada de roteamento justifica seu lugar em vez de se autopromover. Esta versão mudou a regra de cobrança do Liquid, reduziu pela metade o preço efetivo do modelo barato em relação ao antigo carro-chefe, e fez isso dois dias atrás. Do nosso lado, os preços de tabela dos provedores são repassados com 0% de margem, então um corte do fornecedor chega aqui no mesmo dia, e não na próxima renovação de contrato — os $0,02 e $0,042 neste artigo são os números do fornecedor, não uma reafirmação deles com margem adicionada.
O que fazer esta semana, se você já executa um modelo de decisão
Nada neste texto é um anúncio de disponibilidade: os dois novos modelos estão na API da Liquid, e nenhum deles chegou ao nosso catálogo ainda. O motivo de mencionarmos o nosso é que o lançamento é um lançamento de modelo de decisão, e o modelo de decisão que nós realmente servimos é o Jev 1.14 — a única linha do quadro que supera o d1.2-ultra em um componente, o EvalSafe-O*NET-AA, com 91,14 contra 89,53, para o mesmo formato de requisição do systemone a US$ 0,042 por milhão de tokens de entrada. Independentemente do que você concluir sobre os cinco novos tipos de resposta, o recorte de segurança e ambiente de trabalho tem um incumbente que você pode usar como benchmark hoje.
O movimento que faz sentido antes que as plataformas de terceiros que a Liquid promete realmente apareçam é uma execução em modo sombra. Envie os estados que seu pipeline já vê para ambos os modelos d1.2, compare as probabilidades em vez dos rótulos top-1 e observe especificamente os casos em que o modelo responde 0,8 e está errado. Essa cauda é onde a geração anterior era mais fraca, e é a única coisa que este lançamento afirma ter corrigido que o índice só consegue confirmar em parte.
O failover automático é a outra metade de experimentar um modelo de dois dias sem apostar um caminho de produção nele: roteie uma fatia para o d1.2-ultra, mantenha o modelo atual por trás dele e deixe que uma tarde ruim em um fornecedor degrade a taxa de resposta em vez de derrubar o pipeline. Essa é uma forma mais barata de descobrir se o 75 é real do que esperar pelo benchmark de outra pessoa.
A questão em aberto não é se esses modelos foram lançados — foram, com preços e um endpoint —, mas se os cinco novos tipos de resposta se sustentam fora das próprias divisões held-out da Liquid. Ninguém publicou um número independente para nenhum deles e, até que alguém o faça, a posição honesta é que este lançamento adiciona um contrato de saída genuinamente útil com base em evidências que são inteiramente do próprio fornecedor.
