Сгенерированная титульная карточка с заголовком «Аудио на входе, боксы на выходе, доказательства прилагаются» и подзаголовком «Liquid AI d1.2 и d1.2-ultra — выпущены 16 ноября 2026 года». Три карточки со скруглёнными углами показывают «75» над «#1 из 25 моделей принятия решений», «$0.02» над «за 1 млн входных токенов» и «5» над «новые типы ответов»; три чипа с обводкой ниже показывают «прочитать значение», «найти объект» и «все подходящие варианты». Знак OrcaRouter наложен в правом нижнем углу.
Guides & Insights

Liquid AI d1.2 выходит с поддержкой аудиовхода и вывода рамок — и интересна именно дешёвая модель

Автор

jinhao.song

Дата публикации

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

Liquid AI d1.2 и Liquid AI d1.2-ultra стали доступны через API поставщика 16 ноября 2026 года, и главный показатель принадлежит более дорогой модели: d1.2-ultra набирает 75 баллов в Artificial Analysis Decision Index v2.1, занимая первое место среди 25 моделей принятия решений, включённых в рейтинг. Более существенное изменение касается тела запроса, а не таблицы лидеров. Обе модели теперь возвращают ответы, которые предыдущее поколение не могло выразить — значение плюс символы, из которых оно было извлечено, список фрагментов с их позициями, ограничивающий прямоугольник, число с диапазоном вокруг него, набор вариантов, каждый со своей вероятностью — и обе принимают аудио: либо как то, о чём задаётся вопрос, либо как сам вопрос.

Это релиз иного рода, чем просто очередное повышение точности. Раньше модель принятия решений возвращала метку и вероятность, а значит, любому конвейеру, которому нужны были основания за этой меткой, приходилось прикручивать вторую модель, чтобы их получить. d1.2 отвечает вместе с приложенным обоснованием, за один прямой проход, по цене $0.02 за миллион входных токенов. d1.2-ultra делает то же самое по $0.042. Ни одна из них не генерирует выходные токены, так что передавать потоком по-прежнему нечего: это модели, которые вы вызываете и получаете обратно структурированный объект.

Оба уже сегодня работают через собственный API Liquid и нигде больше, что готов подтвердить вендор. Всё ниже разграничивает то, что сообщает Liquid, и то, что измерила Artificial Analysis, потому что в этом выпуске это не один и тот же набор чисел, и разница имеет значение.

Что на самом деле отгрузили — пункт за пунктом

Пять новых типов ответов добавляются без нарушения обратной совместимости. Эндпоинт не изменился, три исходных типа вопросов не изменились, и клиент, отправляющий тот же JSON, что и вчера, получает ответ той же структуры.

• Прочитать значение — узнать, сколько к оплате по счёту, и получить число вместе с символами, из которых оно было прочитано, или строку «not found», если поле отсутствует. Именно это устраняет наибольший объём связующего кода, поскольку обычный обходной путь — второй генеративный вызов для повторного чтения страницы.

• Найти все фрагменты определённого типа — все имена, номера телефонов и адреса электронной почты в заметке, каждый с указанием его позиции в тексте. Это примитив сокрытия данных, и это первый случай, когда данное семейство предлагает такой примитив.

• Находите объекты на изображении — одна рамка вокруг подписи на отсканированном бланке или рамка вокруг каждого экземпляра объекта плюс их количество. «Не найдено» — допустимый ответ, и это важнее, чем кажется: детектор объектов, который обязан всегда возвращать рамку, придумает её.

• Оценивайте число диапазоном — на фото двенадцать человек, вероятно, от десяти до четырнадцати. Диапазон — это честная часть результата, и именно её большинству команд иначе пришлось бы калибровать самостоятельно.

• Выберите все подходящие варианты — выставление счетов и доставка, каждый со своей вероятностью, а не один победитель. Многометочная классификация ранее имитировалась путём повторения одного и того же вопроса по одному разу для каждой метки и оплаты состояния каждый раз.

Аудио поступает в обоих направлениях. Запись может быть предметом — на каком языке говорят, есть ли на фоне сирена — или вопрос может быть задан голосом, а не набран. Liquid сообщает о точности от 95% до 97% на отложенных записях в ESC-50 и FLEURS, с тремя-шестью вариантами на вопрос и близкими путаницами, такими как испанский против португальского в смеси.

Одно изменение в тарификации идёт попутно, и его легко не заметить. Теперь запрос оплачивает свой текст и изображения один раз, а каждый дополнительный вопрос добавляет только свой собственный текст. В предыдущем поколении каждый вопрос заново оплачивал полный промпт, включая каждое прикреплённое изображение, поэтому десять вопросов к одной фотографии означали оплату фотографии десять раз.

Совет, и то, среди чего первое место является первым

A generated two-column scoreboard titled ‘d1.2 vs d1.2-ultra - the scoreboard’. The d1.2 column lists Decision Index 69, #9 of 25; AA-Paperclip 62.6, 44.3% all-pass; AA-Symmetry 76.5; When2Call 96.1; HLE accuracy 5.30%; cost per 1M tasks $63. The d1.2-ultra column lists Decision Index 75, #1 of 25; AA-Paperclip 75.8, 67.7% all-pass; AA-Symmetry 86.3; When2Call 96.5; HLE accuracy 2.36%; cost per 1M tasks $133. The footer reads ‘All scores per Artificial Analysis Decision Index v2.1; the five new answer types are vendor-reported and not on the board.’ The OrcaRouter mark is composited bottom right.

У Artificial Analysis обе новые модели оценены по Decision Index v2.1, и эти цифры не заявлены производителем: рейтинг провёл их сам, на тех же шести оценках, по текущим прайс-листовым ценам. d1.2-ultra занимает 74,85 — первое место среди 25 моделей принятия решений и на 2,2 балла опережает ближайшего соперника среди моделей принятия решений, Drex Max v1.1 с 72,62. d1.2 занимает 68,69 — девятое место из 25, выше медианы класса 66.

Оговорка, которую стоит держать в уме: «первый» здесь имеет ограниченную область действия. На том же табло по тому же инструменту оцениваются две универсальные языковые модели, и обе прямо превосходят d1.2-ultra: Claude Haiku 5.5 (Max) — 76.49, GPT-6 Luna (Max) — 75.67. Ни одна из них не является моделью принятия решений, а цена такого сравнения сурова — $6,218 и $1,548 за миллион задач против $133, — но «номер один в Decision Index» без слова decision в этой формулировке — это не то, что показывает табло.

То, что совет действительно подтверждает независимо, — это историю о калибровке. Оценки решений в этом индексе вычитают оценку Бриера для вероятности, привязанной к выбранному ответу, поэтому модель, которая права, но чрезмерно уверена, наказывается. У d1.2-ultra показатель Бриера составляет 0,150, у d1.2 — 0,164, а у заменяемой ими модели d1-ultra — 0,176. Более дешёвая новая модель лучше откалибрована, чем старый флагман, несмотря на то что в целом набирает на 1,9 балла меньше, — это тот вид расхождения, который проявляется только тогда, когда испытательный стенд запускает кто-то другой.

Время и стоимость дополняют картину, но тянут в противоположные стороны. {{1}}d1.2 работает со скоростью 150 мс на задачу — это восьмой показатель по скорости в таблице и чуть ниже медианы в 206 мс.{{/1}} {{2}}d1.2-ultra работает со скоростью 218 мс, что медленнее медианы и соответствует 15-му месту. По стоимости за миллион задач таблица ставит d1.2 на $63 — третье место среди самых дешёвых из 25, а d1.2-ultra на $133 — одиннадцатое место при медиане $137.{{/2}}

Номера новых задач и кто их создал

A headless-browser screenshot of Liquid AI's own release post, captured 18 November 2026 in English, headed ‘d1.2: State-of-the-Art Omnimodal Decision Models’ and dated Nov 16, 2026. The opening paragraph announces d1.2 and d1.2-ultra with audio input and five new tasks, states that d1.2-ultra ranks first among decision models on the Artificial Analysis Decision Index v2.1, and gives $0.02 per million input tokens for d1.2 against $0.042 for d1.2-ultra. A row of task tiles beneath reads ‘Read a value’, ‘Find every passage of a kind’ and ‘Locate things in a picture’.

Пока ни один публичный бенчмарк не охватывает ни один из пяти новых типов ответов, поэтому все показатели точности для них взяты из собственных внутренних тестовых наборов Liquid, построенных на отложенных выборках публичных датасетов. Это оценка производителем собственной модели на выбранных им данных, и именно так к ней и следует относиться.

• Чтение значения из квитанции на CORD и SROIE — 98% для d1.2-ultra, 96% для d1.2. Чтение считается правильным, если оно находит целевое значение или корректно сообщает о его отсутствии, благодаря чему случай «не найдено» входит в оценку, а не является бесплатным пропуском.

• Фрагменты персональных данных, на Nemotron PII — точность 94% и полнота 93% для ultra, 92% и 88% для d1.2. Разрыв в полноте в пять процентных пунктов — это наибольшее расхождение между двумя моделями среди всех пяти задач, и именно он важен для редактирования, где пропущенный фрагмент — это ошибка, за которую вас штрафуют.

• Локализация объектов на семействе RefCOCO — по 94% для обоих. Никакого разделения вообще.

• Подсчёт в пределах одного, на COCO — 93% для ultra, 92% для d1.2.

• Обнаружение всех присутствующих объектов на COCO — 87% у ultra против 90% у d1.2, единственная строка, где побеждает дешёвая модель.

Итак, премиум-версия даёт явный выигрыш при чтении значений и при полноте извлечения спанов, но почти ничего не даёт в пространственных задачах. Если ваш сценарий — рамки, сначала стоит протестировать модель за $0.02.

Аудио и спецификация, которая ещё не поспевает

Аудио — это заявление с самым большим разрывом между анонсом и независимыми данными. В публикации Liquid аудиовход описывается как ключевая возможность обеих моделей; техническая спецификация Artificial Analysis для обеих по-прежнему указывает в качестве модальностей входа текст и изображение, а в индексе нет оценки аудио, поэтому ничто в рейтинге не проверяет это утверждение. Это не противоречие — рейтинг просто до этого ещё не добрался, — но это означает, что аудиовозможность сейчас является заявлением вендора, за которым нет независимой проверки.

Та же осторожность применима к пяти новым типам ответов: индекс не измеряет ни один из них. Модель может быть первой в рейтинге и при этом оставаться неоценённой в отношении того, что вы на самом деле хотите с ней делать.

Таблица калибровки поставщика стоит прочтения по другой причине. По 13 бенчмаркам и 22 505 вопросам, на которые ответили все пять моделей, Liquid указывает ошибку калибровки в 0,8 пункта для d1.2-ultra, 1,2 для d1.2, 2,7 для Jev 1.14, 3,7 для Decider v1.3 от Perplexity и 7,2 для GPT-6 Luna на её эндпоинте Decisions. Это цифры, полученные поставщиком на выбранном поставщиком наборе вопросов. Оценки Brier от совета указывают в том же направлении на тех же двух моделях, и это ближайшее ко второму мнению, что доступно на этой неделе.

Сверяю предложение о стоимости с доской

A headless-browser screenshot of the Artificial Analysis d1.2 model page, captured 18 November 2026 in English. The summary panel reads ‘d1.2 is above average on the Decision Index and well priced’, gives a Decision Index score of 69 against a median of 66, 150 ms per task against a median of 206 ms, $0.02 per 1M input tokens, and about $63 per 1M tasks to run the index against a median of $137. The technical specification block lists text and image input and a 66k-token context window.

Liquid делает необычно легко опровержимое заявление: ни одна модель не набирает больше d1.2 при более низкой цене, и ни одна модель ни при какой цене не набирает больше d1.2-ultra. Обе части выдерживают проверку по сводной таблице — с той же оговоркой об области действия, что и раньше.

• Вторая половина почти тривиально верна среди моделей принятия решений — ничто другое на доске из 25 моделей вообще не набирает выше 74,85. Она оказывается неверной, только если допустить две универсальные языковые модели, а они стоят в 12–47 раз дороже за миллион задач.

• Первая половина подтверждается на доске решений: каждая модель принятия решений с оценкой выше 68,69 у d1.2 стоит дороже за миллион задач. Ближайший дешёвый конкурент — Decider v1.3 от Perplexity с показателем 70,41 и ценой $68, что составляет менее двух пунктов индекса за пять долларов за миллион задач — это самый близкий к контрпримеру случай на доске, и всё же он остаётся на правильной стороне утверждения Liquid.

• Цифры стоимости — собственные расчёты Artificial Analysis, выполненные по текущим прайс-листовым ценам и усреднённые с весами индекса. Это смоделированная стоимость за задачу, а не счёт, и она меняется, если поставщик меняет цену.

Именно в этом последнем пункте слой маршрутизации заслуживает своё место, а не занимается саморекламой. Этот релиз изменил правило выставления счетов Liquid, вдвое снизил фактическую цену дешёвой модели по сравнению со старым флагманом и сделал это два дня назад. С нашей стороны, цены провайдеров из прайс-листа передаются с 0% наценкой, поэтому снижение цены вендором отражается здесь в тот же день, а не при следующем продлении договора — $0.02 и $0.042 в этой статье — это цифры вендора, а не их пересчёт с наценкой.

Что делать на этой неделе, если у вас уже работает модель принятия решений

В этом материале нет объявления о доступности: обе новые модели присутствуют в API Liquid, и ни одна из них ещё не попала в наш каталог. Причина вообще упоминать нашу модель состоит в том, что этот релиз — релиз модели принятия решений, а модель принятия решений, которую мы действительно предоставляем, — это Jev 1.14, единственная строка в таблице, которая превосходит d1.2-ultra по компоненту EvalSafe-O*NET-AA: 91,14 против 89,53, при той же форме запроса systemone и цене $0.042 за миллион входных токенов. Что бы вы ни заключили о пяти новых типах ответов, в сегменте безопасности и рабочих мест есть действующий игрок, с которым можно сравниться уже сегодня.

Шаг, который имеет смысл предпринять до того, как сторонние платформы, обещанные Liquid, действительно появятся, — это теневой прогон. Отправьте состояния, которые ваш конвейер уже видит, обеим моделям d1.2, сравните вероятности, а не метки top-1, и особо посмотрите на случаи, когда модель отвечает 0.8 и ошибается. Именно в этом хвосте предыдущее поколение было слабее всего, и это единственное, что, как утверждается в этом релизе, было исправлено, а индекс может подтвердить лишь отчасти.

Автоматическое переключение при сбое — это вторая половина попытки опробовать модель, которой всего два дня, не подвергая риску продакшен-путь: направьте часть трафика на d1.2-ultra, оставьте действующую модель в качестве резерва, и пусть неудачный день у одного поставщика снижает долю ответов, а не обрушивает весь пайплайн. Это более дешёвый способ узнать, реальна ли цифра 75, чем ждать чужих бенчмарков.

Открытый вопрос не в том, вышли ли эти модели — они вышли, с ценами и эндпоинтом, — а в том, выдерживают ли пять новых типов ответов проверку за пределами собственных отложенных разбиений Liquid. Никто не опубликовал независимых цифр ни по одному из них, и пока кто-нибудь этого не сделает, честная позиция такова: этот релиз добавляет по-настоящему полезный контракт вывода, опираясь на доказательства, которые полностью принадлежат самому поставщику.

© 2026 OrcaRouter