Liquid AI d1-ultra: O Novo Líder do Índice de Decisão, Treinado para Duvidar de Si Mesmo

O Liquid AI d1-ultra foi lançado em 15 de outubro de 2026, e a coisa mais interessante nele é um número que ninguém está citando: no Artificial Analysis Decision Index, o modelo que ele substitui obteve 2 em não alucinação. O Liquid AI d1 era, no mesmo ranking, o modelo de decisão mais preciso de todos a responder a perguntas de conhecimento — e o pior da sua classe a reconhecer as perguntas que não conseguia responder. O Liquid AI d1-ultra é a resposta do fornecedor a isso, e está sendo anunciado com uma alegação de primeiro lugar: que lidera o Decision Index com pelo menos oito pontos de vantagem sobre todos os outros modelos de decisão, incluindo o que está atualmente no topo desse ranking, Jev 1.13. Essa alegação é da Liquid, não da Artificial Analysis, e o ranking a que se refere foi publicado antes de este modelo existir. Ambos os fatos são essenciais, e este artigo mantém-os ligados aos números a que pertencem. Todas as interrupções e reversões de fornecedores que rastreamos estão registradas no Orca AI Incident Archive, que contém o conjunto completo de registros ao lado das entradas vizinhas deste incidente.

O que o modelo é, mecanicamente, é a mesma aposta que a Liquid vem fazendo o ano todo. Você fornece a ele um estado — um payload JSON, um ticket de suporte, uma captura de tela de dashboard — e um conjunto de perguntas nomeadas, e ele lê as respostas de sua própria distribuição em uma única passagem direta. Sem amostragem, sem parsing, sem geração descontrolada. O contador de uso do fornecedor reporta output_tokens: 0, exatamente como faz para o resto da linha d1.

O que a Liquid diz que construiu, e contra o que o testou

Todos os números nesta seção são da própria Liquid, relatados no post de lançamento, sem que ninguém mais os tenha reproduzido até o momento em que este texto foi escrito. O modelo é descrito como um modelo de decisão multimodal construído sobre uma base maior de pesos abertos, com o que o post chama de personalização pesada específica da Liquid, ajustado especificamente para decisões com grande carga de conhecimento — uma frase que soa como uma referência direta ao problema de calibração abaixo. Ele traz os mesmos três tipos de pergunta que o restante da família. noul é binário: dê a ele uma afirmação e ele retorna P(sim) entre 0 e 1. Escolha seleciona um rótulo e retorna uma distribuição e uma confiança. Pontuação coloca o estado em uma escala ordenada com probabilidades por nível. Todos os três retornam de forma estruturada, e nenhum deles consome tokens de saída.

As evidências da Liquid são uma série de 112 avaliações únicas contra seu próprio d1 anterior e contra o Jev 1.14, a versão mais recente do Jev. A empresa afirma que o d1-ultra supera o Jev 1.14 em todas as tarefas e é melhor calibrado pelo mesmo preço. Essa é uma alegação mais forte e mais específica do que "lidera o ranking", e também é a mais difícil de verificar, porque a calibração é a propriedade que você não consegue ler a partir de uma única pontuação. Observe também que o Jev 1.14 é um comparador nomeado pelo fornecedor: ele não aparece em nenhum lugar do nosso catálogo, e não conseguimos localizar uma linha pública do Decision Index para ele.

A superfície da API é uma única chamada sem streaming para POST https://api.liquid.ai/decisions/v1/systemone com "model": "d1-ultra". Não há janela de contexto publicada em lugar nenhum do material de lançamento, o que é uma lacuna real e não um erro de arredondamento: para um modelo cuja função inteira é receber estado, o tamanho do estado que você tem permissão de lhe entregar chega perto da especificação principal. Como ele nunca gera tokens, o custo de saída é estruturalmente zero e o streaming não se aplica.

O índice em questão é anterior ao modelo.

Artificial Analysis publicou o Decision Index v1.0 em 13 de outubro de 2026 — dois dias antes de o d1-ultra existir. O painel é composto por quatro avaliações, cada uma com peso de 25%: AA-Omniscience-Decision, um conjunto privado de 500 perguntas, pontuado metade pela precisão e metade pela não alucinação; HLE-MultiChoice, 513 perguntas de múltipla escolha em texto extraídas do Humanity's Last Exam; When2Call, uma avaliação de chamada de ferramentas da N​VIDIA; e WildGuardTest, o conjunto de classificação de segurança da Ai2.

O artigo que o apresentou não menciona d1-ultra em lugar nenhum, o que não surpreende, e é por isso que o valor de "oito pontos de vantagem" deve ser lido como uma alegação do fornecedor e não como um ranking. Na tabela publicada, o Jev 1.13 lidera o campo dos modelos de decisão com 58, com o GLiDE e o M​icrosoft-Decision-1 empatados em 54. Dois modelos de linguagem estão colocados acima de todos eles: C​laude H​aiku 5.5 (Low) com 61 e o GPT-6 Luna (Low) com 55. Faça as contas com base na alegação da Liquid e chega-se a 66 ou mais — acima do melhor modelo de linguagem da tabela. Pode muito bem ser o que o modelo faz. É também exatamente o tipo de alegação que exige que um terceiro a reproduza antes de alguém fazer planos com base nela.

Por que a calibração, especificamente, é a história toda

A falha visada pelo d1-ultra é a que a Artificial Analysis nomeou no mesmo artigo. Os modelos de decisão, enquanto classe, revelaram-se, de modo geral, excessivamente confiantes: a probabilidade que um modelo declara para uma resposta costuma superar a frequência com que essa resposta acaba se revelando correta. Isso importa mais aqui do que importaria para um chatbot, porque toda a saída de um modelo de decisão é uma probabilidade. Um modelo de linguagem que erra com confiança produz um parágrafo que você pode examinar minuciosamente. Um modelo de decisão que erra com confiança produz um número com base no qual um pipeline foi projetado para agir.

A dispersão dentro da classe é ampla, e d1 estava na extremidade ruim dela:

• Precisão de decisão do AA-Omniscience — Liquid AI d1 foi o melhor modelo de decisão com 41, e o Jev 1.13, com 35. Os modelos de linguagem na mesma avaliação pontuaram 52 e 66.

• Taxa de não alucinação — Liquid AI d1 pontuou 2. Jev 1.13 pontuou 35, Mercury Decide 32, e M​icrosoft-Decision-1 liderou com 40. Nenhum outro modelo de decisão no ranking falhou em alcançar 17.

• A lacuna entre essas duas linhas é todo o argumento. d1 sabia mais e admitia menos. Um modelo treinado para fechar essa lacuna — a única dimensão em que a entrada anterior da Liquid ficou em último em vez de em primeiro — faria a classe avançar mesmo sem tocar na precisão bruta.

• HLE-MultiChoice — Jev 1.13 liderou com 21, todos os outros modelos de decisão com 15 ou menos. Esta é a avaliação em que o campo tem mais espaço para melhorar, e aquela em relação à qual a execução de 112 avaliações da Liquid não reporta.

• When2Call e WildGuardTest — Celeris-1 Decision e GLiDE empatados em 84 em chamadas de ferramentas, com Jev 1.13 em quarto lugar com 81; GLiDE liderou em segurança com 95, com Decider v1.1 27B e Jev 1.13 juntos com 94.

O que um milhão de decisões realmente custa

O preço é a parte do lançamento que não precisa de ressalvas. O Liquid AI d1-ultra é cobrado a $0,042 por milhão de tokens de entrada e absolutamente nada pela saída, porque não há saída. Esse preço é idêntico ao do d1 e idêntico ao que cobramos pelo Jev 1.13, o que torna os dois modelos diretamente comparáveis em custo e em nada mais.

A aritmética é simples o bastante para se fazer num guardanapo. Um estado de aproximadamente mil tokens — um payload JSON moderadamente detalhado, ou uma página de texto — custa $0,042 para rodar um milhão de vezes. Os próprios números de custo por milhão de tarefas da Artificial Analysis para essa classe ficam entre $17 e $199, com o Jev 1.13 a $42, o Microsoft-Decision-1 a $31 e o Decider v1.1 27B a $17; o tempo mediano por tarefa na classe vai de 0,06 segundos a meio segundo. Uma decisão de mil tokens a $42 por milhão de tarefas fica no meio dessa faixa, que é o que vale saber: o preço é nada notável para a categoria, e a pergunta interessante não é o custo por token, mas o custo por decisão correta.

Há um detalhe de cobrança que vai pegar muita gente de surpresa, e vale a pena ler duas vezes. As imagens são cobradas como texto de entrada a 1,5 token por trecho de 32×32 pixels, o que faz uma imagem de 1024×1024 custar 1.536 tokens — e cada pergunta é cobrada como seu próprio prompt, incluindo todas as imagens anexadas. Faça dez perguntas separadas sobre a mesma fotografia e a imagem será cobrada dez vezes, então essas dez perguntas carregam 15.360 tokens de imagem antes de uma única palavra de texto. Agrupar suas perguntas em uma única chamada não amortiza isso. Se sua carga de trabalho for visual, o número que rege sua fatura é perguntas multiplicadas por tokens de imagem, não documentos multiplicados por tokens de imagem.

Onde você pode chamá-lo

O Liquid AI d1-ultra já está no ar na API própria da Liquid, pelo console da Liquid e no d1 Playground para quem quiser mexer nele sem escrever um cliente. O fornecedor disse que plataformas adicionais estão chegando; o resumo honesto hoje é a API do próprio fornecedor, com várias plataformas de terceiros a seguir. Há um exemplo de código no post de lançamento que rodará como está.

Uma nota de roteamento, e não um pitch: O Liquid AI d1-ultra não está no nosso catálogo, e este artigo não é uma alegação de disponibilidade para ele. O que está no nosso catálogo é Jev 1.13 — o modelo que atualmente lidera o Decision Index — pelo mesmo $0,042 por milhão de tokens de entrada e o mesmo custo zero de conclusão, com uma janela de contexto de 64K, servido através do mesmo formato de endpoint systemone: texto de entrada, JSON estruturado de saída, sem streaming. Isso é um acidente útil para qualquer pessoa que esteja avaliando este lançamento, porque significa que o desafiante e o incumbente podem ser executados lado a lado sem um segundo contrato. O d1-ultra vai diretamente para a Liquid; o incumbente já está no nosso catálogo. Ambos ficam atrás de uma API para mais de 200 modelos, onde os preços de tabela são repassados com 0% de markup e onde o failover automático significa que um novo modelo pode assumir uma fatia de uma carga de trabalho real sem que se confie a ele toda ela.

Essa última parte é a recomendação prática, e não uma inserção de produto. Um modelo que tem um dia de vida, cujo benchmark de destaque não foi reproduzido de forma independente e cuja janela de contexto não foi publicada não é algo para o qual se deva direcionar tráfego de produção logo no primeiro dia. É algo para rodar em modo shadow contra o modelo que já está na vaga. Rode os mesmos estados pelos dois, compare as distribuições em vez dos rótulos e fique atento especificamente ao caso em que o d1-ultra diz 0,8 e acaba se revelando errado — porque é desse caso que o lançamento trata inteiramente, e é o único número que a Liquid não publicou.

O que resolveria isso

Três coisas, em ordem decrescente do quanto elas mudariam a decisão.

O primeiro é uma linha do Decision Index. Até que a Artificial Analysis execute o d1-ultra em seu próprio pipeline, a margem de oito pontos sobre o Jev 1.13 é um número divulgado pelo fornecedor, e a melhoria de calibração sobre o Jev 1.14 é um número divulgado pelo fornecedor sem nenhuma contrapartida pública. O painel é atualizado regularmente, e um modelo de decisão que realmente ultrapasse 66 seria o resultado mais interessante da categoria este ano, porque colocaria um modelo não generativo acima de todos os modelos de linguagem no mesmo índice.

O segundo é a ficha técnica que falta. Janela de contexto, latência em um tamanho de lote declarado e se as perguntas podem compartilhar uma imagem sem que ela seja cobrada novamente — esses três números decidem se uma carga de trabalho é viável muito antes das pontuações de benchmark. A geração anterior da Liquid executava decisões de texto em 200 a 300 milissegundos, o que é um ponto de referência útil, mas não uma medição deste modelo.

O terceiro é a calibração fora do laboratório. As 112 avaliações da Liquid são uma seleção de tarefas feita pelo próprio fornecedor. O excesso de confiança é uma propriedade que aparece na cauda — a pergunta difícil rara, o estado ambíguo, a entrada vinda de uma distribuição que o modelo nunca viu. É aí que d1 tirou 2, e é o único lugar onde uma melhoria real seria visível.

Até lá, a posição honesta é a chata: o preço é real e público, o endpoint funciona, a pior falha da categoria é identificada corretamente, e a correção é afirmada, mas não demonstrada. Se você trabalha com decisões estruturadas, vale uma tarde. Não vale uma migração.