
d1.2-ultra vs Liquid AI D1 Ultra: Samma pris, dubbelt så mycket kontext – och en punkt där det blev sämre
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 90 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNYOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 87 tok/s
- OrcaNYOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 133 tok/s
- OrcaNYOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M tokens · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligens
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligens
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1M tokens · 219 tok/s
Liquid AI d1.2-ultra kostar exakt lika mycket som Liquid AI D1 Ultra kostar: $0,042 per miljon input-token, ingen kostnad för output-token, samma endpoint, samma tre frågetyper som du redan skickar. Den lanserades den 16 november 2026, en månad efter modellen den ersätter, och den är bättre på kompositmåttet – 74,85 mot 70,58 på Artificial Analysis Decision Index v2.1, etta av 24 mot en sjätteplats. Så uppgraderingen är gratis och självklar, och du bör ta den. Det som gör beslutet värt en artikel i stället för en enradig changelog är att fyra av de sexton publicerade komponentmätvärdena gick bakåt, och två av dem är de som en tröskelstyrd pipeline påverkas mest av.
Mönstret är specifikt. Den nya modellen är mycket bättre på att läsa dokument, mycket bättre vid omformuleringar och något sämre på att känna till saker och på att avstå från att svara. Om din pipeline använder Liquid AI D1 Ultra som extraktionsmotor är efterträdaren en klar förbättring. Om den använder den som en grindvakt som ska säga "jag vet inte" när fallet är otydligt, är efterträdaren ett beslut som involverar två modeller, inte ett rakt byte.
Båda modellerna på ett instrument

Den här jämförelsen är ovanligt tydlig eftersom båda raderna producerades av samma organisation på samma version av samma resultattavla, vilket inte gäller för de flesta uppgraderingsbeslut. Artificial Analysis körde d1-ultra och d1.2-ultra på Decision Index v2.1, så inget här hänger på att jämföra ett leverantörstal med ett oberoende tal, eller på en indexrevidering som flyttade mållinjen mellan de två utgåvorna. Leverantörens egen rubrik för den nya modellen – förstaplats, två poäng före – stämmer med den resultattavla den namnger.
• Pris — $0.042 per miljon indatatokens för båda. Identiskt och oförändrat av uppgraderingen.
• Decision Index v2.1 — d1.2-ultra 74,85 (#1 av 24) mot d1-ultra 70,58 (#6).
• Kontextfönster — 66k tokens jämfört med 33k, enligt kortets tekniska specifikationer. Liquids lanseringsinlägg anger inget fönster för någon av modellerna.
• Tid per uppgift — 218 ms vs 301 ms. Uppgraderingen är också en tredjedel snabbare.
• Kostnad per miljon uppgifter — 133 USD för båda, vilket är vad man skulle förvänta sig vid ett identiskt tokenpris och ett liknande antal tokens per uppgift.
• Brier score — 0,150 mot 0,176, där lägre är bättre. Detta är det enskilda tal som mest direkt säger ”bättre kalibrerad”.
Faktureringsregeln har ändrats, och den är värd mer än indexpoängen.
Under d1-ultra debiterades varje fråga som en egen prompt, inklusive varje bifogad bild. Ställ tio frågor om ett fotografi och du betalade för fotografiet tio gånger, vilket för en 1024×1024-bild innebär 1 536 tokens multiplicerat med tio innan någon text räknas. Under d1.2-ultra debiteras begäran för sin text och sina bilder en gång, och varje ytterligare fråga lägger bara till sin egen text.
Räkna igenom det på en realistisk förfrågan: ett dokument på 2 000 token, en bild på 1024×1024, tio frågor på cirka 30 token vardera. Den gamla regeln debiterar ungefär 35 700 token; den nya debiterar ungefär 3 840. Med ett identiskt pris på 0,042 USD per miljon blir det 0,0015 USD mot 0,00016 USD per förfrågan – drygt nio gånger billigare för samma arbete, till samma publicerade pris, från samma leverantör, utan någon annonsrubrik kopplad till det. Vid 100 000 förfrågningar i månaden blir cirka 150 USD cirka 16 USD.
Båda siffrorna är aritmetik baserad på leverantörernas egna faktureringsbeskrivningar snarare än mätningar av en verklig faktura, och förhållandet beror helt och hållet på hur många frågor du ställer per delstat. Ställ en fråga per dokument och de två modellerna kostar lika mycket. Ställ tio, och den "gratis" uppgraderingen är den största kostnadsförändringen i versionen.
Vad den nya modellen faktiskt är bättre på

Fyra komponenter flyttades upp, och två av dem flyttades långt.
• AA-Paperclip, 30 % av indexet – 75,81 mot 64,69 i beslutspoäng, och 67,7 % mot 51,3 % av dokumenten helt korrekta. Elva punkters förbättring av andelen dokument som klarar allt på den komponent som väger tyngst förklarar hela den sammansatta ökningen på tolv punkter. Det här är siffran att titta på om du extraherar fält från fakturor, kvitton eller CV:n, eftersom ett dokument som missar ett av femton svar räknas som en miss oavsett.
• AA-Symmetry, 15 % – 86,34 mot 78,66, med all-pass-konsistens upp från 45,8 % till 56,7 %. Formulera om frågan, flytta runt alternativen, negera ett ja/nej, och den nya modellen behåller sitt svar mycket oftare.
• When2Call, 10 % – 96,49 mot 93,83. Verktygsanrop var redan familjens styrka; detta är en mindre förbättring av en komponent som låg nära sitt tak.
• EvalSafe-O*NET-AA, 15 % – 89,53 mot 88,15. En och en halv poäng på bedömning av arbetsplatsdokument, vilket ligger nära brus och bör inte säljas som en förbättring.
• AA-Omniscience-Decision v1.1, 15 % – 60,80 mot 64,39 på beslutspoängen. Ner fyra poäng på komponenten som är hälften kunskap och hälften ärlighet.
HLE-MultiChoice v1.1, 15 % — 46,36 mot 47,39. Ner en poäng på komponenten där hela fältet är svagt.
De två regressionerna, i enkla ordalag
Minskningen i allvetenhet är inte en poängsättningsartefakt; den syns i de underliggande raderna för träffsäkerhet och avstående, och de stämmer inte överens med varandra på ett sätt som är värt att förstå innan du migrerar.
• AA-Omniscience-Decision-träffsäkerhet — d1-ultra svarade korrekt på 28,0 % av frågorna, d1.2-ultra 23,6 %. Föregångaren visste mer.
• AA-Omniscience-Decision icke-hallucination — d1-ultra 88,6 %, d1.2-ultra 83,8 %. Föregångaren var också bättre på att inte hitta på ett svar. Båda raderna rörde sig i samma riktning, vilket innebär att detta är en genuin kapacitetsförändring snarare än en förskjutning i hur försiktigt modellen använder sina avståenden.
• HLE-MultiChoice-noggrannhet – 6,09 % mot 2,36 %, den nya modellen sist av de 24 i rå noggrannhet. Dess icke-hallucineringsgrad på samma uppsättning steg, från 56,9 % till 76,1 %, så noggrannhetsfallet köps delvis med mer avstående. Men inte helt: allvetenhetsparet ovan visar att modellen svarar mindre OCH har rätt mindre ofta.
Konsekvensen för en pipeline är snävare än det låter. Om du sätter ett tröskelvärde på sannolikhet och skickar lågkonfidensfall till en människa gör en modell som avstår oftare dig en tjänst, och siffran 83,8 % för icke-hallucinering ligger fortfarande på sjätte plats av 24. Om du använder modellen som en automatisk grind för frågor som kräver att man känner till ett faktum – är detta påstående förenligt med policyn, matchar den här koden specifikationen – är den billigare föregångaren mätbart bättre och det finns ingen anledning att inte fortsätta använda den för den delen.
Vad du måste ändra i din klient
Nästan ingenting, och det är anledningen till att göra det nu i stället för om ett kvartal. Slutpunkten är densamma, api.liquid.ai/decisions/v1/systemone, som anropas med "model": "d1.2-ultra"; de tre frågetyperna är oförändrade; svaren är fortfarande strukturerad JSON med en sannolikhet per alternativ och inga utdatatokens. Migreringen är en strängändring och en ny driftsättning.
Det nya är additivt, och det är värt att känna till eftersom det tar bort kringlösningar i stället för att lägga till funktioner. Fem svarstyper tillkommer utöver de befintliga: läs ett värde från sidan och returnera tecknen som det lästes från, eller ”hittades inte”; returnera varje spann av ett slag med positioner, vilket täcker PII-maskning utan en andra modell; returnera en ruta runt ett objekt eller varje förekomst plus ett antal; returnera en uppskattning med ett intervall; och returnera varje tillämpligt alternativ med dess egen sannolikhet. Ljudinmatning fungerar i båda riktningarna – inspelningen kan vara subjektet, eller så kan den vara frågan, talad i stället för skriven.
Träffsäkerhetspåståendena för dessa fem uppgifter är Liquids egna, på interna testset som byggts från held-out-uppdelningar av offentliga datamängder, eftersom inget offentligt benchmark täcker dem ännu. Enligt leverantörens siffror ligger de två modellerna nära varandra: 98 % mot 96 % för att läsa av ett värde från ett kvitto, 94 %/93 % mot 92 %/88 % på PII-spann, 94 % vardera på objektlokalisering, och på de två sista uppgifterna är den äldre modellen inte den svagare på varje rad – den nya modellen vinner räkning inom ett med 93 % mot 92 % och förlorar att plocka ut varje förekommande objekt med 87 % mot 90 %.
Kör den gamla och den nya sida vid sida
Att behålla båda är den ärliga migreringen, och det är billigt: de är olika modellsträngar på samma endpoint och båda finns på Liquids egen API i dag, till samma pris, med nycklar från console.liquid.ai. Ingen av dem finns i vår katalog, och den här artikeln är inte ett påstående om tillgänglighet för någon av dem.
Det som gör ett routningslager användbart här är att uppdelningen mellan de två modellerna blir ett beslut per fråga i stället för per tjänst. Efterföljaren är den man skickar dokument, bilder och allt man ska tillämpa tröskelvärden på till; föregångaren är den man skickar faktatunga bedömningar till, där dess träffsäkerhet och avståenderader fortfarande är bättre. Sätt upp det som två rutter bakom ett API – routnings-DSL:en låter dig dela upp efter frågetyp eller efter tillståndsstorlek i stället för efter handkodade tjänstegränser – och då slutar de två modellerna konkurrera om samma plats. Inget på vår sida ändrar $0.042 som någon av modellerna kostar: leverantörernas listpriser förs vidare med 0 % påslag, så en prisändring från Liquid slår igenom här samma dag i stället för vid nästa faktureringscykel. Och när ett leverantörs-API har en dålig eftermiddag är automatisk failover det som håller dokumentrutten vid liv i stället för att göra en leverantör till en enda felpunkt för hela pipeline.
Uppgraderingen, en rad var
Välj d1.2-ultra för dokument, för bilder, för tvetydiga tillstånd och för allt du sätter tröskelvärden för — den är elva poäng bättre på dokumentkomponenten, åtta bättre på symmetri, en tredjedel snabbare, fördubblar kontextfönstret och, om du ställer mer än en fråga per tillstånd, sänker din kostnad med en storleksordning.
Behåll d1-ultra för faktatung gating, där dess rader för omniscience-accuracy och non-hallucination fortfarande båda är högre, och där HLE-accuracen är nästan tre gånger efterträdarens, även om båda siffrorna är små.
Hoppa helt över migreringen endast om dina tillstånd inte innehåller några bilder, en fråga vardera och ingen tröskel — fallet där de två modellerna kostar lika mycket och den nya helt enkelt är bättre på varje utvärdering du använder. I så fall är den enda anledningen att vänta de nitton timmarna det tar att få reda på att inget gick sönder.

