d1-omni กับ Liquid AI D1 Ultra: ไฟล์ขนาด 850MB เทียบกับมิเตอร์ราคา $0.042 และการคำนวณไม่เป็นอย่างที่คุณคาดคิด
- Orcaใหม่Orca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 68 tok/s
- DeepSeekใหม่DeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- Orcaใหม่Orca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 84 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 732 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238ความฉลาด
- OpenAIOpenAI: GPT-6 Sol2026-09-2248ความฉลาด
- AnthropicAnthropic: Claude Opus 5.52026-09-2258ความฉลาด
- xAIGrok 4.72026-09-2146ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 35 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 ต่อ 1 ล้านโทเค็น · 826 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453ความฉลาด77การเขียนโค้ด
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241ความฉลาด76การเขียนโค้ด
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245ความฉลาด76การเขียนโค้ด
- AnthropicAnthropic: Claude Fable 5.12026-09-0153ความฉลาด82การเขียนโค้ด
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 52 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 ต่อ 1 ล้านโทเค็น · 118 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642ความฉลาด72การเขียนโค้ด
- DeepSeekDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.22 / $0.66 ต่อ 1 ล้านโทเค็น · 175 tok/s
สัญชาตญาณเมื่อคุณวาง d1-omni ไว้ข้าง Liquid AI D1 Ultra คือทั้งสองอยู่ในคนละสุดของช่วงหนึ่ง และการเลือกนั้นเป็นเรื่องของความทะเยอทะยาน ตัวหนึ่งคือโมเดลน้ำหนักเปิด 587M พารามิเตอร์ — 850MB บนดิสก์ในแท็กที่ปรากฏในคลังของ Ollama สัปดาห์นี้ ซึ่งเป็นเช็กพอยต์ที่ถูกดาวน์โหลดจาก Hugging Face ไปราว 13,900 ครั้งตั้งแต่ 5 ตุลาคม 2026 ส่วนอีกตัวคือโมเดลตัดสินใจเรือธงของ Liquid AI ที่ประกาศเมื่อ 15 ตุลาคม 2026 โดยไม่เปิดเผยจำนวนพารามิเตอร์ ไม่เผยแพร่น้ำหนัก และมีตัวเลขที่เผยแพร่เพียงตัวเดียวซึ่งสำคัญกว่าการทดสอบมาตรฐานใด ๆ: $0.042 ต่อหนึ่งล้านโทเค็นอินพุต การเช่าโมเดลตัดสินใจระดับแนวหน้ามาใช้ เทียบกับการเป็นเจ้าของโมเดลเล็ก ๆ ฟังดูเหมือนคำถามเรื่องงบประมาณ พอลองวัดกับภาระงานจริง ส่วนใหญ่ก็เลิกเป็นคำถามนั้น — ข้อได้เปรียบของโมเดลเล็กไม่ใช่เพราะมันถูก แต่เพราะมันเป็นของคุณ
ความแตกต่างนั้นควรค่าแก่การระบุให้ชัดเจน เพราะสองสิ่งที่กำลังเปรียบเทียบกันไม่ใช่สองโมเดลบนชั้นวางเดียวกัน Liquid AI D1 Ultra คือ endpoint ที่คุณเรียกใช้ ส่วน d1-omni คือไฟล์ที่คุณรัน ทั้งคู่ตอบคำถามสามรูปแบบเดียวกัน — ใช่/ไม่ใช่พร้อมความน่าจะเป็น, ป้ายกำกับพร้อมความน่าจะเป็นต่อป้ายกำกับ, หรือตำแหน่งบนสเกล — และทั้งคู่ส่งคำตอบเหล่านั้นกลับมาในการ forward pass เพียงครั้งเดียวโดยไม่มีการสร้าง output token เลย ทุกสิ่งหลังจากนั้น รวมถึงต้นทุนของคำตอบและใครรับผิดชอบเมื่อคำตอบคลาดเคลื่อน ขึ้นอยู่กับว่าคุณเลือกตัวใดในสองตัวนี้
ด้านการเช่า คิดราคาตามที่ Liquid AI เรียกเก็บจริง
Liquid AI D1 Ultra คิดค่าบริการเฉพาะอินพุต ในอัตรา $0.042 ต่อหนึ่งล้านโทเค็นอินพุต และไม่มีค่าบริการสำหรับ completion เพราะไม่มี completion นั่นคือตารางอัตราค่าบริการทั้งหมด และส่วนที่น่าสนใจคือกฎเรื่องรูปภาพที่อยู่ภายใต้สิ่งนั้น รูปภาพจะถูกคิดค่าบริการในอัตราเดียวกับข้อความแบบคิดตามแพตช์: 1.5 โทเค็นต่อแพตช์ขนาด 32×32 พิกเซล ซึ่งทำให้รูปภาพขนาด 1024×1024 มีค่าเท่ากับ 1,536 โทเค็น และทุกคำถามจะถูกคิดค่าบริการเป็นพรอมป์ต์ของตัวเอง โดยมีสำเนาสถานะและรูปภาพทั้งหมดที่แนบมาของตัวเอง ถามสี่คำถามเกี่ยวกับรูปเดียวกัน คุณจะจ่ายสำหรับรูปนั้นสี่ครั้ง
ลองใส่ตัวเลขให้กับภาระงานที่การตัดสินใจด้วยภาพเหมาะที่สุด สมมติว่าเป็นรอบประมวลผลทุกคืนสำหรับรายการสินค้า 25,000 รายการ โดยแต่ละรายการมีภาพถ่าย 1 ภาพขนาด 1024×1024 และข้อความในรายการประมาณ 200 โทเค็น แล้วถามคำถามสองข้อที่กำหนดรูปแบบคำตอบไว้ — หนึ่งข้อเป็นใช่/ไม่ใช่ ว่ารูปภาพตรงกับหมวดหมู่หรือไม่ และอีกหนึ่งข้อเป็นคำถามให้คะแนนคุณภาพของภาพ แต่ละพรอมต์มีโทเค็นภาพ 1,536 โทเค็น บวกกับโทเค็นข้อความ 200 โทเค็น รวมเป็น 1,736 โทเค็น และมีคำถามสองข้อ จึงเป็น 3,472 โทเค็นต่อรายการ นั่นคือโทเค็นอินพุต 86.8 ล้านโทเค็นสำหรับรอบประมวลผลนี้ หรือประมาณ $3.65 งานที่รันทุกคืนตลอดทั้งเดือนจะอยู่ในหลักร้อยดอลลาร์ตอนต้น
นั่นเป็นผลลัพธ์ที่ทำให้รู้สึกไม่สบายใจอย่างแท้จริงสำหรับใครก็ตามที่คิดว่าตัวเลือก frontier คือตัวเลือกที่แพง โมเดลการคิดราคาคือเหตุผล: โมเดลตัดสินใจไม่เคยส่งออกโทเคน ดังนั้นเส้นต้นทุนจึงไม่มีพจน์เอาต์พุตที่จะพุ่งสูงขึ้น และการเรียกเก็บเงินซ้ำต่อคำถามเป็นตัวคูณคงที่ที่คุณวางแผนรับมือได้ แทนที่จะเป็นตัวแปรที่คุณเพิ่งรู้ตอนเห็นบิล
ฝั่งของตัวเอง และจุดที่ต้นทุนของมันซ่อนอยู่จริง ๆ
d1-omni ไม่มีราคาต่อการเรียกใช้เลย มันเป็นโมเดลขนาด 587M พารามิเตอร์ — มีส่วนแกนหลักที่ใช้ร่วมกันและหัวตัดสินใจขนาด 381M, ตัวเข้ารหัสภาพ SigLIP2 ขนาด 94M ที่สืบทอดมาจาก Liquid AI LFM2.5-VL-450M และตัวเข้ารหัสเสียงขนาด 112M — เผยแพร่ภายใต้เงื่อนไข LFM 1.0 ของ Liquid โดยมีบิลด์ GGUF ตามมาในวันที่ 6 ตุลาคม และบิลด์ MLX ในวันที่ 12 ตุลาคม ค่าใช้จ่ายของมันคือฮาร์ดแวร์ที่คุณมีอยู่แล้ว บวกกับส่วนที่ไม่มีใครใส่ไว้ในการเปรียบเทียบ: งานในการทำให้มันยังคงอยู่ตรงนั้น
สิ่งที่สองตัวเลือกนี้มีร่วมกันและไม่มีร่วมกัน ในมิติที่ใช้ตัดสินการนำไปใช้งาน:
• น้ำหนักโมเดล — เผยแพร่สำหรับ d1-omni ภายใต้ LFM 1.0; ไม่เผยแพร่สำหรับ Liquid AI D1 Ultra Liquid อธิบายโมเดลเรือธงของตนเพียงว่า "อิงจากโมเดลแบบเปิดที่ใหญ่กว่า พร้อมการปรับแต่งเฉพาะของ Liquid ในระดับหนักเป็นชุด ๆ" ตัวฐานนั้นเปิด แต่โมเดลที่คุณเรียกใช้ไม่เปิด
• พารามิเตอร์ — 587M และระบุรายละเอียดครบถ้วนสำหรับ d1-omni; ไม่เปิดเผยสำหรับ d1-ultra คุณไม่สามารถกำหนดขนาดฮาร์ดแวร์สำหรับรุ่นเรือธงได้ เพราะ Liquid ไม่ได้เผยแพร่ขนาดไว้ คุณสามารถกำหนดขนาดฮาร์ดแวร์สำหรับรุ่น 600M ได้อย่างแม่นยำ: 850MB ในแท็ก Q8_0 แบบผสมของ Ollama, 1.2GB สำหรับแท็ก BF16
• ราคา — ไม่มีราคาต่อการเรียกใช้บน d1-omni; $0.042 ต่อล้านโทเค็นอินพุตบน d1-ultra, โดยรูปภาพใช้ 1.5 โทเค็นต่อแพตช์ขนาด 32×32 และทุกคำถามจะถูกเรียกเก็บเงินใหม่พร้อมสถานะทั้งหมด
• รูปแบบอินพุต — d1-omni รับข้อความพร้อมภาพ หรือข้อความพร้อมเสียงไม่เกิน 30 วินาที แต่จะไม่รับทั้งสองอย่างพร้อมกันในคำขอเดียว d1-ultra ถูกอธิบายว่าเป็นโมเดลมัลติโมดัลโดยไม่มีรายละเอียดรูปแบบอินพุตที่เผยแพร่ สิ่งที่ Liquid ระบุไว้ในเอกสารคือประเภทคำถามและกฎโทเค็นของภาพ
• บริบท — 16,384 โทเคนสำหรับ d1-omni ครอบคลุมตำแหน่งข้อความ รูปภาพ และเสียงรวมกัน โดยลดเหลือ 896 โทเคนของข้อความสถานะและคำถามทุกครั้งที่มีการแนบรูปภาพ “ตามที่ฝึกมา” ไม่มีการเผยแพร่ตัวเลขบริบทสำหรับ d1-ultra
• ความหน่วง — ไม่มีตัวเลขการอนุมานที่เผยแพร่สำหรับ d1-omni เนื่องจาก Liquid ระบุว่าไม่รายงานตัวเลขดังกล่าวสำหรับเช็กพอยต์ที่พวกเขาเรียกกันว่าเป็นรุ่นวิจัยช่วงแรกซึ่งอยู่ระหว่างการพัฒนาอย่างต่อเนื่อง ส่วน d1-ultra นั้นให้บริการแบบครบวงจรตั้งแต่ต้นจนจบ โดยไม่มีตัวเลขความหน่วงแยกต่างหากเผยแพร่เช่นกัน
• การปรับเทียบ (Calibration) — รุ่นเรือธงได้รับการฝึกฝนมาเพื่อการนี้โดยเฉพาะเหตุผลที่ Liquid ระบุคือโมเดลการตัดสินใจส่วนใหญ่มีความมั่นใจเกินจริง ดังนั้น d1-ultra จึงถูกปรับแต่งให้สร้างความน่าจะเป็นที่น่าเชื่อถือยิ่งขึ้น d1-omni มีแท็ก calibrationของตัวเอง แต่ 600M เป็นเช็กพอยต์เชิงทดลอง และยังไม่มีบุคคลที่สามใดวัดการปรับเทียบของทั้งสองโมเดล
คะแนนทั้งสองไม่ได้วัดด้วยไม้บรรทัดเดียวกัน
สิ่งล่อใจคือการเขียน 15.95 ไว้ข้างรุ่นเรือธงแล้วลบออก อย่าทำอย่างนั้น 15.95 ของ d1-omni มาจากชุดแบ่งสาธารณะของ Decision Index v0.2.1 ซึ่งเป็นบอร์ดที่ Liquid AI ให้คะแนนรายการของตัวเองด้วยตัวให้คะแนนทางการ แทนที่จะส่งรายการเหล่านั้นเข้าไป — คะแนนย่อย Knowledge 8.3, Language 12.9, Retrieval 35.0, Tools 15.1, Arts 6.8 เทียบกับ 48.57 ของ d1-3B ในตระกูลเดียวกัน ข้ออ้างของ Liquid สำหรับ d1-ultra คือการจบอันดับหนึ่งบน Artificial Analysis Decision Index ด้วยคะแนนนำอย่างน้อยแปดคะแนน ซึ่งเป็นบอร์ดคนละอันกับคนละเวอร์ชัน และเผยแพร่ก่อนที่รุ่นเรือธงจะมีอยู่ ตัวเลขสองตัวนี้วัดคนละสิ่งบนไม้บรรทัดคนละอัน และการอ่านค่าทั้งคู่อย่างซื่อตรงบอกได้เพียงว่าช่องว่างนั้นกว้าง — ไม่ใช่กว้างถึงสี่สิบกว่าคะแนน
ตัวเลขที่ยังยืนได้หลังการเปรียบเทียบ คือตัวเลขที่ไม่มีใครเผยแพร่: 600M ไม่มีตัวเลขการอนุมานเลย คุณจึงไม่สามารถระบุต้นทุนต่อการตัดสินใจหนึ่งครั้งบนฮาร์ดแวร์ของคุณเองได้ หากไม่วัดด้วยตัวเอง การวัดนั้นต่างหาก ไม่ใช่ลีดเดอร์บอร์ด ที่ทำให้ตัดสินใจได้ว่าจะเป็นเจ้าของเองหรือเช่า
สามเวิร์กโหลด สามคำตอบที่แตกต่างกัน
• งานตรวจรูปภาพ 25,000 ภาพแบบเป็นชุดทุกคืน — ประมาณ 3.65 ดอลลาร์ต่อรอบบน Liquid AI D1 Ultra ส่วน d1-omni ก็ต้องดาวน์โหลด 1.2GB บวกกับ GPU ที่คุณจะชี้ให้มันใช้ ที่ปริมาณงานขนาดนี้ ตัวเลขค่าใช้จ่ายไม่ใช่ปัจจัยชี้ขาด ปัจจัยชี้ขาดคือคุณต้องการความแม่นยำอย่างที่รุ่นเรือธงอ้างไว้หรือไม่ และสามดอลลาร์ต่อคืนคุ้มค่ากว่าการดูแลเซิร์ฟเวอร์โมเดลหรือเปล่า
• ด่านแบบเด็ดขาดที่ค่าความน่าจะเป็นคือการตัดสินใจ — การอนุมัติ คำตัดสินด้านการกลั่นกรอง หรือการเทรดที่ทริกเกอร์เมื่อถึงเกณฑ์ ตรงนี้การคาลิเบรตคือตัวผลิตภัณฑ์ และ d1-ultra เป็นเพียงตัวเดียวในสองตัวที่ Liquid กล่าวว่าได้รับการฝึกมาเพื่อสิ่งนี้โดยเฉพาะ ค่าความน่าจะเป็นที่ผิดแต่มีความมั่นใจที่ 0.6 แย่กว่าการไม่มีค่าความน่าจะเป็นเลย และยังไม่มีบุคคลที่สามรายใดตรวจสอบเรื่องนี้กับโมเดลทั้งสองตัว หากเกณฑ์มีความสำคัญ คุณย่อมต้องการให้ข้อกล่าวอ้างเรื่องการคาลิเบรตของผู้ขายได้รับการพิสูจน์ซ้ำก่อนที่คุณจะเชื่อถือ ณ ขอบเขตนั้น
• ตัวจำแนกประเภทปริมาณมาก ความเสี่ยงต่ำบนอุปกรณ์ — การจัดเส้นทางคำสั่งเสียง การคัดแยกอีเมลขาเข้า การติดธงรายการให้มนุษย์ตรวจสอบ ไม่มีส่วนใดของภาระงานนี้ที่ต้องการโมเดลฟรอนเทียร์แบบโฮสต์ โมเดล 600M คืนคำตอบแบบมีชนิดข้อมูลจากการส่งผ่านไปข้างหน้าครั้งเดียวในหน่วยความจำ 850MB ซึ่งเป็นเหตุผลทั้งหมดที่มันมีอยู่ และงบประมาณภาพ 896 โทเคนก็เพียงพอสำหรับประโยคสถานะหนึ่งประโยคกับภาพหนึ่งภาพ
ขอบเขตการกำหนดเส้นทางอยู่ตรงไหนจริง ๆ
ทั้งสองโมเดลไม่ได้อยู่ในแคตตาล็อกของเรา และควรพูดตรง ๆ เรื่องนี้แทนที่จะสื่อเป็นนัยเป็นอย่างอื่น: ทุกการเรียก Liquid AI d1-omni-600M และทุกการเรียก Liquid AI d1-ultra จะไปยังฮาร์ดแวร์ของคุณเอง หรือ API ของผู้จำหน่ายเองและแพลตฟอร์มของบุคคลที่สาม ไม่ใช่ผ่านเรา สิ่งที่ OrcaRouter ครอบคลุมคือครึ่งหนึ่งของไปป์ไลน์ที่โมเดลตัดสินใจทำเองไม่ได้ โมเดลตัดสินใจขนาด 587M จะคืนค่าป้ายกำกับหรือความน่าจะเป็นแล้วหยุด แต่ยังต้องมีบางสิ่งเขียนคำตอบ สรุปเคส หรือลงมือตามคะแนนนั้น API เดียวสำหรับโมเดล 200+ รายการ โดยที่ ราคาตามรายการของผู้ให้บริการแต่ละรายถูกส่งต่อโดยไม่ถูกแตะต้อง และมี Routing DSL ให้ใช้เมื่อคำขอที่ผ่านการคัดกรองแล้วจำเป็นต้องกระจายไปยังโมเดลมากกว่าหนึ่งโมเดล เป็นคำกล่าวที่เงียบกว่า "เราโฮสต์โมเดลตัดสินใจ" และเป็นคำกล่าวที่เป็นจริง
อะไรจะเปลี่ยนคำตอบ
การเปรียบเทียบในปัจจุบันถูกชี้ขาดด้วยการไม่มีข้อมูลอยู่สองประการ {{1}}Liquid AI D1 Ultra ไม่มีจำนวนพารามิเตอร์ที่เผยแพร่ ดังนั้นจึงไม่สามารถใช้เหตุผลเรื่องต้นทุนต่อโทเคนเทียบกับขนาดของงานที่มันทำอยู่ได้ และไม่มีค่าความหน่วง ดังนั้นจึงไม่สามารถออกแบบเส้นทางแบบโต้ตอบโดยอิงกับมันได้หากไม่วัด{{/1}} และ {{2}}d1-omni ไม่มีตัวเลขการอนุมานที่เผยแพร่โดยเป็นการเลือกของผู้ขายเอง ดังนั้นการคำนวณระหว่างการเป็นเจ้าของกับการเช่าจึงมีด้านหนึ่งที่ต้องเติมด้วยการทดสอบประสิทธิภาพบนฮาร์ดแวร์ของคุณเองเท่านั้น{{/2}}
หากดีลใดดีลหนึ่งในนั้นปิด รูปทรงของการตัดสินใจก็จะเปลี่ยนไป ผลการคาลิเบรตที่เป็นอิสระบน d1-ultra จะช่วยคลี่คลายเรื่องภาระงานที่ gate โดยที่ราคานั้นถูกกว่าที่คนส่วนใหญ่คาดไว้ถึงหนึ่งลำดับขนาดอยู่แล้ว ตัวเลข latency จาก Liquid สำหรับ 600M จะทำให้สามารถนำไปวางในเส้นทางแบบโต้ตอบได้อย่างมั่นใจ แทนที่จะต้องทดสอบก่อน จนกว่าจะถึงตอนนั้น การตีความที่ปลอดภัยนั้นแคบและไม่หวือหวา: เรือธงมีราคาใกล้เคียงฟรีมากพอที่งบประมาณเพียงอย่างเดียวจะไม่ผลักดันให้คุณไปรันอะไรด้วยตัวเอง และข้อได้เปรียบจริงของ 600M คือ เมื่อคุณมีไฟล์แล้ว ไม่มีใครเปลี่ยนตัวเลข ข้อกำหนด หรือเอนด์พอยต์ใต้เท้าคุณได้
ความล้มเหลวของ AI และเหตุการณ์เกี่ยวกับเอเจนต์ที่มีการบันทึกเป็นหลักฐานไว้ ซึ่งอยู่เบื้องหลังการเปิดตัวในลักษณะนี้ ถูกรวบรวมไว้ใน OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งอ้างอิง ระดับความรุนแรง ระดับความเชื่อมั่น และแฟล็กข้อโต้แย้งของตัวเอง
