Сгенерированная титульная карточка с заголовком «Обновление по той же цене» и подзаголовком «Liquid AI d1.2-ultra заменяет Liquid AI d1-ultra». Две горизонтальные полосы расположены друг над другом: верхняя, более короткая полоса подписана d1-ultra, а у её правого конца указано значение 70.58; нижняя, более длинная полоса подписана d1.2-ultra, а у её правого конца указано 74.85. Справа три обведённых чипа с надписями: «контекст 66k, было 33k», «218 мс на задачу, было 301 мс» и «та же цена $0.042 за 1M входных токенов». Знак OrcaRouter совмещён в правом нижнем углу.
Guides & Insights

d1.2-ultra против Liquid AI D1 Ultra: та же цена, вдвое больше контекста и один момент, где стало хуже

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Liquid AI d1.2-ultra стоит ровно столько же, сколько Liquid AI D1 Ultra: 0,042 $ за миллион входных токенов, выходные токены не тарифицируются, тот же эндпоинт, те же три типа вопросов, которые вы уже отправляете. Он появился 16 ноября 2026 года — через месяц после модели, которую заменяет, — и он лучше по композитному показателю: 74,85 против 70,58 в Artificial Analysis Decision Index v2.1, первое место из 24 против шестого. Так что обновление бесплатное и очевидное, и вам стоит на него перейти. Что делает это решение достойным статьи, а не однострочной записи в журнале изменений, — это то, что четыре из шестнадцати опубликованных метрик компонентов ухудшились, и две из них — те, которые конвейер, управляемый порогами, ощущает сильнее всего.

Закономерность конкретна. Новая модель намного лучше читает документы, намного лучше справляется с перефразированием и немного хуже знает факты и отказывается отвечать. Если ваш конвейер использует Liquid AI D1 Ultra как движок извлечения, преемник — однозначный выигрыш. Если он использует её как привратника, который должен говорить «Я не знаю», когда случай неоднозначен, преемник — это решение с двумя моделями, а не замена.

Обе модели на одном инструменте

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.’

Это сравнение необычно чистое, потому что обе строки были получены одной и той же организацией на одной и той же версии одной и той же рейтинговой таблицы, что не характерно для большинства решений об обновлении. Artificial Analysis прогнала d1-ultra и d1.2-ultra на Decision Index v2.1, поэтому здесь ничего не зависит от сравнения цифры поставщика с независимой цифрой или от пересмотра индекса, который сдвинул ориентиры между двумя выпусками. Собственное заявление поставщика о новой модели — первое место с отрывом в два балла — совпадает с таблицей, которую он называет.

• Цена — $0.042 за миллион входных токенов для обоих. Одинаковая и не изменилась после обновления.

• Decision Index v2.1 — d1.2-ultra 74.85 (#1 из 24) против d1-ultra 70.58 (#6).

• Контекстное окно — {{1}}66k токенов против 33k{{/1}}, согласно техническим specifications совета. В публикациях Liquid о запуске не указано окно ни для одной из моделей.

• Время на задачу — 218 мс против 301 мс. Обновление также на треть быстрее.

• Стоимость за миллион задач — $133 для обоих, что и следовало ожидать при одинаковой цене за токен и сопоставимом количестве токенов на задачу.

• Оценка Бриера — 0,150 против 0,176, чем ниже, тем лучше. Это единственный показатель, который самым непосредственным образом говорит о «лучшей калибровке».

Правило выставления счетов изменилось, и оно важнее, чем пункты индекса.

В d1-ultra каждый вопрос тарифицировался как отдельный промпт, включая каждое прикреплённое изображение. Задайте десять вопросов об одной фотографии — и вы платили за фотографию десять раз; для изображения 1024×1024 это означает 1 536 токенов, умноженных на десять, ещё до учёта любого текста. В d1.2-ultra запрос тарифицирует свой текст и изображения один раз, а каждый дополнительный вопрос добавляет только свой собственный текст.

Разберём это на реалистичном запросе: документ объёмом 2 000 токенов, одно изображение 1024×1024, десять вопросов примерно по 30 токенов каждый. Старое правило тарифицирует примерно 35 700 токенов; новое — примерно 3 840. При одинаковой цене $0.042 за миллион это $0.0015 против $0.00016 за запрос — чуть более чем в девять раз дешевле за ту же работу, по той же опубликованной цене, у того же поставщика, без какого-либо анонса в заголовках. При 100 000 запросов в месяц около $150 превращаются примерно в $16.

Обе цифры — это арифметические выкладки на основе собственных описаний тарификации поставщиков, а не измерения по реальному счёту, и соотношение целиком зависит от того, сколько вопросов вы задаёте на каждое состояние. Задайте один вопрос на документ — и обе модели будут стоить одинаково. Задайте десять — и «бесплатное» обновление станет самым крупным изменением стоимости в релизе.

Что новая модель на самом деле делает лучше

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.

Четыре компонента поднялись, и два из них поднялись значительно.

• AA-Paperclip, 30% индекса — 75,81 против 64,69 по оценке решений и 67,7% против 51,3% документов, обработанных полностью правильно. Одиннадцать процентных пунктов доли документов, прошедших полностью, на компоненте с наибольшим весом — это и есть вся суть прироста составного показателя на двенадцать пунктов. На это число стоит смотреть, если вы извлекаете поля из счетов, квитанций или резюме, потому что документ, в котором отсутствует один из пятнадцати ответов, в любом случае засчитывается как ошибка.

• AA-Symmetry, 15% — 86,34 против 78,66, при этом согласованность по всем пройденным проверкам выросла с 45,8% до 56,7%. Переформулируйте вопрос, переставьте варианты, добавьте отрицание в вопрос с ответом «да/нет» — и новая модель гораздо чаще сохраняет свой ответ.

• When2Call, 10% — 96,49 против 93,83. Вызов инструментов уже был сильной стороной этого семейства моделей; здесь прирост меньше — компонент был близок к своему потолку.

• EvalSafe-O*NET-AA, 15% — 89,53 против 88,15. Полтора пункта в оценке документов на рабочем месте — это почти шум, и это не следует выдавать за улучшение.

• AA-Omniscience-Decision v1.1, 15% — 60,80 против 64,39 по оценке решений. Снижение на четыре пункта по компоненту, который наполовину состоит из знаний, а наполовину — из честности.

• HLE-MultiChoice v1.1, 15% — 46.36 против 47.39. На один пункт ниже по компоненту, где слабы все участники.

Две регрессии, если говорить просто

Снижение показателя всезнания — не артефакт подсчёта баллов; оно проявляется в базовых строках точности и отказа от ответа, и эти строки расходятся между собой так, что это стоит понять до миграции.

• Точность решений AA-Omniscience-Decision — d1-ultra правильно ответил на 28,0% вопросов, d1.2-ultra — на 23,6%. Предшественник знал больше.

• AA-Omniscience-Decision, отсутствие галлюцинаций — d1-ultra 88,6%, d1.2-ultra 83,8%. Предшественник также лучше справлялся с тем, чтобы не выдумывать ответ. Обе строки изменились в одном направлении, а значит, это подлинное изменение возможностей, а не сдвиг в том, насколько осторожно модель расходует свои воздержания от ответа.

• Точность HLE-MultiChoice — 6.09% против 2.36%, новая модель замыкает список из 24 моделей по чистой точности. Её доля ответов без галлюцинаций на том же наборе выросла с 56.9% до 76.1%, так что падение точности отчасти достигнуто за счёт большего числа воздержаний от ответа. Но не только за счёт этого: приведённая выше пара показателей всезнания показывает, что модель отвечает меньше И реже оказывается права.

Последствия для пайплайна уже, чем кажется. Если вы задаёте порог по вероятности и передаёте случаи с низкой уверенностью человеку, модель, которая чаще воздерживается, оказывает вам услугу, а показатель негаллюцинирования 83,8% всё равно остаётся шестым из 24. Если вы используете модель как автоматический фильтр для вопросов, требующих знания факта — согласуется ли это утверждение с политикой, соответствует ли этот код спецификации, — более дешёвый предшественник измеримо лучше, и нет причин не продолжать использовать его для этого сегмента.

Что вам нужно изменить в вашем клиенте

Почти ничего, и именно поэтому это стоит сделать сейчас, а не через квартал. Конечная точка та же — api.liquid.ai/decisions/v1/systemone, вызывается с "model": "d1.2-ultra"; три типа вопросов не изменились; ответы по-прежнему представляют собой структурированный JSON с вероятностью для каждого варианта и без выходных токенов. Миграция — это изменение строки и повторное развёртывание.

Новое здесь — это дополнение, и о нём стоит знать, потому что оно устраняет обходные пути, а не добавляет функции. К существующим типам ответов добавляются пять новых: прочитать значение со страницы и вернуть символы, из которых оно было прочитано, либо «не найдено»; вернуть все фрагменты определённого типа с позициями, что покрывает редактирование PII без второй модели; вернуть рамку вокруг одного объекта или каждого экземпляра вместе с количеством; вернуть оценку с диапазоном; и вернуть каждый подходящий вариант с его собственной вероятностью. Аудиовход работает в обоих направлениях — запись может быть предметом, или она может быть вопросом, произнесённым вслух, а не набранным.

Заявления о точности для этих пяти задач принадлежат самой Liquid и основаны на внутренних тестовых наборах, созданных из отложенных частей публичных датасетов, поскольку ни один публичный бенчмарк пока их не покрывает. По данным поставщика две модели близки: 98% против 96% при считывании значения из чека, 94%/93% против 92%/88% на фрагментах PII, по 94% на локализации объектов, а в последних двух задачах старшая модель не проигрывает по всем строкам — новая модель побеждает в подсчёте с допуском в единицу со счётом 93% против 92% и уступает в выборе всех присутствующих объектов со счётом 87% против 90%.

Запуск старой и новой версий параллельно

Сохранение обеих — это честная миграция, и она недорога: это разные строки моделей на одном и том же эндпоинте, и обе сегодня доступны в собственном API Liquid по одной и той же цене, с ключами из console.liquid.ai. Ни одной из них нет в нашем каталоге, и этот материал не является утверждением о доступности ни одной из них.

Польза слоя маршрутизации здесь в том, что разделение между двумя моделями становится решением для каждого вопроса, а не для каждого сервиса. Модель-преемник — та, куда отправлять документы, изображения и всё, для чего вы будете задавать порог; модель-предшественник — та, куда отправлять насыщенные фактами суждения, где её показатели точности и воздержания всё ещё лучше. Оформите это как два маршрута за одним API — DSL маршрутизации позволяет разделять по типу вопроса или по размеру состояния, а не по вручную заданным границам сервисов — и две модели перестанут конкурировать за одно и то же место. Ничто на нашей стороне не меняет $0.042, которую стоит любая из моделей: прайс-листы провайдеров передаются с наценкой 0%, поэтому изменение цены Liquid действует здесь в тот же день, а не в следующем расчётном цикле. А когда у API вендора неудачный день, автоматическое переключение при сбое сохраняет маршрут документов рабочим, вместо того чтобы превращать одного провайдера в единую точку отказа для всего конвейера.

Обновление — по одной строке на каждое.

Берите d1.2-ultra для документов, для изображений, для неоднозначных состояний и для всего, где вы задаёте порог — он на одиннадцать пунктов лучше по компоненту документов, на восемь — по симметрии, на треть быстрее, удваивает контекстное окно и, если вы задаёте более одного вопроса на состояние, уменьшает ваш счёт на порядок.

Оставьте d1-ultra для гейтинга, ориентированного на факты, где показатели в строках точности по всезнанию и отсутствию галлюцинаций всё ещё выше, и где точность HLE почти в три раза превышает показатель преемника, сколь бы малы ни были оба числа.

Полностью откажитесь от миграции только в том случае, если ваши состояния не содержат изображений, в каждом из них по одному вопросу и нет порога — то есть в случае, когда две модели стоят одинаково, а новая просто лучше в каждой используемой вами оценке. В этом случае единственная причина ждать — девятнадцать часов, которые нужны, чтобы выяснить, что ничего не сломалось.

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.
© 2026 OrcaRouter