การ์ดชื่อเรื่องที่สร้างขึ้นมีหัวข้อว่า ‘เสียงเข้า กล่องออก แนบหลักฐานไว้’ พร้อมคำบรรยายใต้หัวข้อว่า ‘Liquid AI d1.2 และ d1.2-ultra - เปิดตัว 16 พฤศจิกายน 2026’ การ์ดมุมโค้งสามใบระบุว่า ‘75’ เหนือ ‘อันดับ 1 จาก 25 โมเดลการตัดสินใจ’, ‘$0.02’ เหนือ ‘ต่อ 1 ล้านโทเค็นอินพุต’ และ ‘5’ เหนือ ‘ประเภทคำตอบใหม่’; ชิปแบบเส้นขอบสามอันด้านล่างระบุว่า ‘อ่านค่า’, ‘ระบุตำแหน่งวัตถุ’ และ ‘ทุกตัวเลือกที่ใช้ได้’ โลโก้ OrcaRouter ถูกวางซ้อนไว้ที่มุมขวาล่าง
Guides & Insights

Liquid AI d1.2 เปิดตัวพร้อมอินพุตเสียงและเอาต์พุตเป็นบ็อกซ์ — และโมเดลราคาถูกคือรุ่นที่น่าสนใจ

ผู้เขียน

jinhao.song

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

Liquid AI d1.2 และ Liquid AI d1.2-ultra เปิดใช้งานจริงบน API ของผู้ให้บริการเมื่อวันที่ 16 พฤศจิกายน 2026 และตัวเลขพาดหัวเป็นของรุ่นที่แพงกว่า: d1.2-ultra ทำคะแนนได้ 75 บน Artificial Analysis Decision Index v2.1 ซึ่งเป็นอันดับหนึ่งในบรรดาโมเดลตัดสินใจ 25 รุ่นที่คณะกรรมการจัดอันดับ การเปลี่ยนแปลงที่สำคัญกว่าอยู่ใน body ของคำขอ ไม่ใช่ในตารางอันดับ ตอนนี้ทั้งสองโมเดลให้คำตอบที่รุ่นก่อนหน้าไม่สามารถแสดงออกได้ ได้แก่ ค่าหนึ่งค่าพร้อมอักขระที่อ่านค่านั้นมา รายการช่วงข้อความพร้อมตำแหน่ง กรอบ bounding box จำนวนหนึ่งพร้อมช่วงรอบ ๆ และชุดตัวเลือกที่แต่ละตัวมีความน่าจะเป็นของตัวเอง อีกทั้งทั้งสองยังรับเสียงได้ ไม่ว่าจะเป็นเสียงในฐานะสิ่งที่มีการถามถึง หรือเป็นตัวคำถามเอง

นี่เป็นการเปิดตัวที่แตกต่างจากการเพิ่มความแม่นยำขึ้นเล็กน้อย โมเดลตัดสินใจเคยส่งคืนป้ายกำกับและความน่าจะเป็น ซึ่งหมายความว่าไปป์ไลน์ใดก็ตามที่ต้องการหลักฐานเบื้องหลังป้ายกำกับนั้นต้องต่อโมเดลที่สองเพิ่มเข้าไปเพื่อหาหลักฐานดังกล่าว d1.2 ตอบกลับพร้อมแนบหลักฐานมาด้วยในการประมวลผลไปข้างหน้าหนึ่งครั้ง ในราคา $0.02 ต่อโทเคนอินพุตหนึ่งล้านโทเคน d1.2-ultra ทำแบบเดียวกันในราคา $0.042 ทั้งสองไม่ได้สร้างโทเคนเอาต์พุต ดังนั้นจึงยังไม่มีอะไรให้สตรีม: นี่คือโมเดลที่คุณเรียกใช้แล้วได้รับออบเจ็กต์ที่มีโครงสร้างกลับมา

ทั้งสองพร้อมใช้งานแล้ววันนี้บน API ของ Liquid เอง และไม่มีที่อื่นใดที่ผู้จำหน่ายจะยืนยันได้ ทุกอย่างด้านล่างนี้แยกสิ่งที่ Liquid รายงานออกจากสิ่งที่ Artificial Analysis วัดได้ เพราะในการเปิดตัวครั้งนี้ ตัวเลขทั้งสองชุดไม่ใช่ชุดเดียวกัน และความแตกต่างนี้สำคัญ

สิ่งที่ส่งมอบจริง ทีละรายการ

ประเภทคำตอบใหม่ทั้งห้าเป็นการเพิ่มเติม โดยไม่กระทบของเดิม endpoint ยังคงเดิม ประเภทคำถามดั้งเดิมทั้งสามยังคงเดิม และไคลเอนต์ที่ส่ง JSON ชุดเดียวกับที่ส่งเมื่อวานนี้จะได้รับรูปแบบคำตอบเหมือนเดิม

• อ่านค่า — ถามว่ายอดที่ต้องชำระในใบแจ้งหนี้เป็นเท่าไร แล้วรับตัวเลขพร้อมอักขระต้นทางที่อ่านค่านั้นมา หรือสตริง "not found" เมื่อไม่มีฟิลด์นี้ นี่คือตัวที่กำจัดโค้ดเชื่อมต่อได้มากที่สุด เพราะวิธีเลี่ยงตามปกติคือการเรียกแบบ generative ครั้งที่สองเพื่ออ่านหน้าเดิมซ้ำ

• ค้นหาทุกช่วงของชนิดหนึ่ง — ชื่อ หมายเลขโทรศัพท์ และที่อยู่อีเมลทุกแห่งในบันทึก โดยแต่ละรายการพร้อมตำแหน่งในข้อความ นั่นคือองค์ประกอบพื้นฐานสำหรับการปกปิดข้อมูล และเป็นครั้งแรกที่ตระกูลนี้มีให้ใช้งาน

• ระบุตำแหน่งสิ่งต่าง ๆ ในภาพ — กรอบหนึ่งรอบลายเซ็นบนแบบฟอร์มที่สแกน หรือกรอบรอบทุกอินสแตนซ์ของวัตถุพร้อมจำนวน "ไม่พบ" เป็นคำตอบที่ใช้ได้ ซึ่งสำคัญกว่าที่ฟังดู: ตัวตรวจจับวัตถุที่ต้องคืนกรอบเสมอจะสร้างกรอบขึ้นมาเอง

• ประมาณจำนวนหนึ่งพร้อมช่วงค่า — ในภาพมีสิบสองคน เป็นไปได้ตั้งแต่สิบถึงสิบสี่ ช่วงค่าคือส่วนที่ตรงไปตรงมาของผลลัพธ์ และเป็นส่วนที่ทีมส่วนใหญ่จะต้องปรับเทียบด้วยตนเองหากไม่มีสิ่งนี้

• เลือกทุกตัวเลือกที่ใช้ได้ — ทั้งการเรียกเก็บเงินและการจัดส่ง โดยแต่ละตัวมีความน่าจะเป็นของตัวเอง แทนที่จะเป็นผู้ชนะเพียงรายการเดียว การจำแนกแบบหลายป้ายก่อนหน้านี้ถูกจำลองขึ้นโดยการถามคำถามเดิมครั้งละหนึ่งป้ายและต้องจ่ายค่าสถานะทุกครั้ง

เสียงมาได้ทั้งสองทาง การบันทึกเสียงอาจเป็นหัวข้อที่ถาม — กำลังพูดภาษาใด มีเสียงไซเรนอยู่ในฉากหลังหรือไม่ — หรือคำถามอาจถูกพูดแทนการพิมพ์ Liquid รายงานความแม่นยำ 95% ถึง 97% บนไฟล์บันทึกเสียงที่กันไว้ทดสอบจาก ESC-50 และ FLEURS โดยมีตัวเลือกสามถึงหกข้อต่อคำถาม และมีคู่ที่สับสนได้ง่ายรวมอยู่ด้วย เช่น สเปนกับโปรตุเกส

มีการเปลี่ยนแปลงด้านการเรียกเก็บเงินหนึ่งรายการที่มาพร้อมกันและมองข้ามได้ง่าย ตอนนี้คำขอหนึ่งรายการจะเรียกเก็บค่าข้อความและรูปภาพของตนเพียงครั้งเดียว และคำถามเพิ่มเติมแต่ละข้อจะเพิ่มเฉพาะข้อความของคำถามนั้นเท่านั้น ภายใต้รุ่นก่อนหน้า ทุกคำถามจะเรียกเก็บค่าพรอมต์แบบเต็มซ้ำใหม่ รวมถึงรูปภาพที่แนบมาทุกภาพ ดังนั้นการสอบถามภาพถ่ายหนึ่งภาพด้วยคำถามสิบข้อจึงต้องจ่ายค่าภาพถ่ายนั้นถึงสิบครั้ง

กระดาน และสิ่งที่อันดับหนึ่งเป็นที่หนึ่งในบรรดาสิ่งใด

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.

Artificial Analysis ได้ให้คะแนนโมเดลใหม่ทั้งสองตัวบน Decision Index v2.1 และตัวเลขเหล่านี้ไม่ได้มาจากการรายงานของผู้จำหน่าย: คณะกรรมการได้ทดสอบด้วยตนเอง บนชุดการประเมินหกชุดเดียวกัน ในราคาตามรายการปัจจุบัน d1.2-ultra ได้ 74.85 เป็นอันดับหนึ่งจากโมเดลตัดสินใจ 25 ตัว และนำคู่แข่งโมเดลตัดสินใจที่ใกล้ที่สุดอย่าง Drex Max v1.1 ซึ่งได้ 72.62 อยู่ 2.2 คะแนน d1.2 ได้ 68.69 เป็นอันดับเก้าจาก 25 และสูงกว่าค่ามัธยฐานของกลุ่มที่ 66

ข้อแม้ที่ควรจำไว้คือ “first” นั้นมีขอบเขตจำกัด กระดานคะแนนเดียวกันยังให้คะแนนโมเดลภาษาทั่วไปสองตัวด้วยเครื่องมือวัดเดียวกัน และทั้งคู่ก็เอาชนะ d1.2-ultra ได้อย่างชัดเจน: Claude Haiku 5.5 (Max) ที่ 76.49 และ GPT-6 Luna (Max) ที่ 75.67 ทั้งสองไม่ใช่โมเดลตัดสินใจ และราคาของการเปรียบเทียบนี้สูงมาก — $6,218 และ $1,548 ต่อล้านงาน เทียบกับ $133 — แต่ “อันดับหนึ่งบน Decision Index” โดยไม่มีคำว่า decision อยู่ในนั้น ไม่ใช่สิ่งที่กระดานคะแนนแสดง

สิ่งที่บอร์ดยืนยันได้อย่างเป็นอิสระคือเรื่องของการปรับเทียบความมั่นใจ คะแนนการตัดสินใจในดัชนีนี้จะหักลบ Brier score ของความน่าจะเป็นที่แนบมากับคำตอบที่เลือก ดังนั้นโมเดลที่ตอบถูกแต่มีความมั่นใจเกินจริงอย่างมากจะถูกลงโทษ d1.2-ultra มีค่า Brier อยู่ที่ 0.150, d1.2 อยู่ที่ 0.164 และโมเดลที่พวกมันมาแทนที่คือ d1-ultra อยู่ที่ 0.176 โมเดลใหม่ที่ราคาถูกกว่ามีการปรับเทียบที่ดีกว่าโมเดลเรือธงรุ่นเก่า แม้จะมีคะแนนรวมต่ำกว่า 1.9 คะแนน ซึ่งเป็นความแตกต่างแบบที่จะปรากฏให้เห็นก็ต่อเมื่อมีคนอื่นเป็นผู้รันฮาร์เนสเท่านั้น

เวลาและค่าใช้จ่ายช่วยให้เห็นภาพครบถ้วน และเป็นปัจจัยที่สวนทางกัน d1.2 ใช้เวลา 150 มิลลิวินาทีต่องาน เป็นอันดับที่แปดที่เร็วที่สุดบนตาราง และต่ำกว่าค่ามัธยฐาน 206 มิลลิวินาทีเล็กน้อย d1.2-ultra ใช้เวลา 218 มิลลิวินาที ช้ากว่าค่ามัธยฐานและอยู่อันดับที่ 15 ในด้านค่าใช้จ่ายต่อล้านงาน ตารางจัดให้ d1.2 อยู่ที่ $63 เป็นอันดับที่สามที่ถูกที่สุดจากทั้งหมด 25 รายการ และ d1.2-ultra อยู่ที่ $133 เป็นอันดับที่สิบเอ็ด เทียบกับค่ามัธยฐานที่ $137

หมายเลขงานใหม่ และใครเป็นผู้จัดทำ

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’.

ยังไม่มีเกณฑ์มาตรฐานสาธารณะใดที่ครอบคลุมคำตอบประเภทใหม่ทั้งห้าประเภท ดังนั้นตัวเลขความแม่นยำทุกตัวสำหรับประเภทเหล่านี้จึงมาจากชุดทดสอบภายในของ Liquid เอง ซึ่งสร้างจากส่วนแบ่งที่กันไว้ของชุดข้อมูลสาธารณะ ตัวเลขเหล่านี้คือการประเมินของผู้จำหน่ายที่มีต่อโมเดลของตนเองบนข้อมูลที่ตนเลือก และควรตีความให้เป็นเช่นนั้นอย่างแท้จริง

• การอ่านค่าจากใบเสร็จ บน CORD และ SROIE — 98% สำหรับ d1.2-ultra, 96% สำหรับ d1.2 การอ่านจะนับว่าถูกต้องเมื่อพบเป้าหมายหรือระบุได้อย่างถูกต้องว่าไม่มีอยู่ ซึ่งทำให้กรณีไม่พบเป็นส่วนหนึ่งของคะแนนแทนที่จะเป็นการผ่านฟรี

• ช่วงข้อมูลส่วนบุคคล บน Nemotron PII — ความแม่นยำ 94% และการเรียกคืน 93% สำหรับ ultra, 92% และ 88% สำหรับ d1.2 ช่องว่างของการเรียกคืนที่ห้าจุดเป็นความแตกต่างที่ใหญ่ที่สุดระหว่างสองโมเดลในงานทั้งห้า และเป็นสิ่งที่สำคัญสำหรับการปิดข้อมูล ซึ่งช่วงที่พลาดไปคือความล้มเหลวที่ทำให้คุณถูกปรับ

• การระบุตำแหน่งวัตถุ บนตระกูล RefCOCO — 94% สำหรับทั้งสอง ไม่มีการแยกกันเลย

• การนับภายในหนึ่ง บน COCO — 93% สำหรับ ultra, 92% สำหรับ d1.2

• การหยิบวัตถุทุกชิ้นที่มีอยู่ บน COCO — 87% สำหรับ ultra เทียบกับ 90% สำหรับ d1.2 ซึ่งเป็นแถวเดียวที่โมเดลราคาถูกชนะ

ดังนั้นแพ็กเกจพรีเมียมจึงให้ประโยชน์ที่ชัดเจนในการอ่านค่าและการเรียกคืนช่วง (span recall) และแทบไม่มีประโยชน์ใด ๆ กับงานเชิงพื้นที่ หากกรณีการใช้งานของคุณคือกล่อง สิ่งแรกที่ควรทดสอบคือโมเดลราคา $0.02

ออดิโอ และสเปกชีตที่ยังตามไม่ทัน

{{1}}เสียง{{/1}}คือข้อกล่าวอ้างที่มีช่องว่างกว้างที่สุดระหว่างการประกาศกับบันทึกอิสระ โพสต์ของ {{2}}Liquid{{/2}} อธิบายว่าอินพุตเสียงเป็นความสามารถเด่นของทั้งสองโมเดล ขณะที่ข้อกำหนดทางเทคนิคของ {{3}}Artificial Analysis{{/3}} สำหรับทั้งสองโมเดลยังคงระบุรูปแบบอินพุตเป็นข้อความและภาพ และดัชนีไม่มีการประเมินเสียง ดังนั้นจึงไม่มีสิ่งใดบนบอร์ดที่ทดสอบข้อกล่าวอ้างนี้ นั่นไม่ใช่ความขัดแย้ง — บอร์ดเพียงยังไปไม่ถึงตรงนั้น — แต่หมายความว่าความสามารถด้านเสียงในขณะนี้เป็นคำแถลงของผู้ขายโดยไม่มีการตรวจสอบจากบุคคลที่สามรองรับอยู่เบื้องหลัง

ข้อควรระวังเดียวกันนี้ใช้กับประเภทคำตอบใหม่ทั้งห้าประเภท: ดัชนีไม่ได้วัดค่าใดในนั้นเลย โมเดลหนึ่งอาจเป็นอันดับหนึ่งบนกระดานแต่กลับไม่ถูกวัดในสิ่งที่คุณต้องการทำกับมันจริงๆ

ตารางการสอบเทียบของผู้ขายนั้นน่าอ่านด้วยเหตุผลที่แตกต่างออกไป จากเบนช์มาร์ก 13 รายการและคำถาม 22,505 ข้อที่ทั้งห้าโมเดลตอบ Liquid ระบุค่าความคลาดเคลื่อนในการสอบเทียบไว้ที่ 0.8 พอยต์สำหรับ d1.2-ultra, 1.2 สำหรับ d1.2 และ 2.7 สำหรับ Jev 1.14, 3.7 สำหรับ Decider v1.3 ของ Perplexity และ 7.2 สำหรับ GPT-6 Luna บน Decisions endpoint ของมัน ตัวเลขเหล่านั้นเป็นการรันโดยผู้ขายบนชุดคำถามที่ผู้ขายเลือกเอง คะแนน Brier ของบอร์ดชี้ไปในทิศทางเดียวกันกับสองโมเดลเดียวกัน ซึ่งเป็นสิ่งที่ใกล้เคียงที่สุดกับความเห็นที่สองที่หาได้ในสัปดาห์นี้

กำลังตรวจสอบประโยคเรื่องค่าใช้จ่ายเทียบกับกระดาน

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 ออกคำกล่าวอ้างที่สามารถพิสูจน์ว่าเป็นเท็จได้อย่างผิดปกติ: ไม่มีโมเดลใดทำคะแนนได้สูงกว่า d1.2 ในราคาที่ถูกกว่า และไม่มีโมเดลใดทำคะแนนได้สูงกว่า d1.2-ultra ไม่ว่าจะราคาเท่าใด ทั้งสองส่วนยังคงผ่านกระดานจัดอันดับ โดยมีข้อแม้เรื่องขอบเขตเหมือนเดิม

• ครึ่งหลังเกือบจะเป็นจริงอย่างชัดเจนในบรรดาโมเดลสำหรับการตัดสินใจ — ไม่มีสิ่งอื่นใดบนกระดาน 25 โมเดลที่ได้คะแนนเกิน 74.85 เลย ข้อความนี้จะใช้ไม่ได้ก็ต่อเมื่อยอมรับโมเดลภาษาทั่วไปทั้งสองโมเดลนั้นเข้ามา และโมเดลเหล่านั้นมีค่าใช้จ่ายสูงกว่า 12 ถึง 47 เท่าต่อล้านงาน

• ครึ่งแรกยังคงเป็นจริงบนกระดานการตัดสินใจ: ทุกโมเดลการตัดสินใจที่ได้คะแนนสูงกว่า 68.69 ของ d1.2 มีต้นทุนต่อล้านงานสูงกว่า คู่แข่งราคาถูกที่ใกล้ที่สุดคือ Decider v1.3 ของ Perplexity ที่ 70.41 และ $68 ซึ่งต่ำกว่าสองจุดของดัชนีในราคาห้าดอลลาร์ต่อล้านงาน — เป็นจุดที่กระดานเข้าใกล้ตัวอย่างค้านมากที่สุด และยังอยู่ฝั่งที่ถูกต้องของประโยคของ Liquid

• ตัวเลขต้นทุนเป็นของ Artificial Analysis เอง คำนวณจากราคาตามรายการปัจจุบัน และเฉลี่ยด้วยน้ำหนักของดัชนี เป็นต้นทุนต่องานแบบจำลอง ไม่ใช่ใบแจ้งหนี้ และตัวเลขจะเปลี่ยนไปหากผู้ให้บริการเปลี่ยนแปลงราคา

ประเด็นสุดท้ายนั้นคือจุดที่ชั้นการกำหนดเส้นทางพิสูจน์คุณค่าของตัวเอง แทนที่จะเป็นเพียงการโฆษณาตัวเอง รีลีสนี้เปลี่ยนกฎการคิดค่าบริการของ Liquid ลดราคาที่มีผลจริงของโมเดลราคาถูกเมื่อเทียบกับเรือธงรุ่นเก่าลงครึ่งหนึ่ง และทำแบบนั้นเมื่อสองวันก่อน ในส่วนของเรา ราคาตามรายการของผู้ให้บริการถูกส่งต่อโดยคิด มาร์กอัป 0% ดังนั้นการลดราคาของผู้ขายจึงมาถึงที่นี่ในวันเดียวกัน แทนที่จะรอถึงการต่อสัญญาครั้งถัดไป — ตัวเลข $0.02 และ $0.042 ในบทความนี้เป็นตัวเลขของผู้ขาย ไม่ใช่การนำมาบวกเพิ่มแล้วกล่าวซ้ำ

สัปดาห์นี้ควรทำอะไร หากคุณใช้งานโมเดลการตัดสินใจอยู่แล้ว

ไม่มีส่วนใดในบทความนี้ที่เป็นประกาศเรื่องความพร้อมใช้งาน: ทั้งสองโมเดลใหม่มีอยู่ใน API ของ Liquid และยังไม่เข้าแคตตาล็อกของเรา เหตุผลที่ต้องกล่าวถึงโมเดลของเราก็คือ การเปิดตัวครั้งนี้เป็นการเปิดตัวโมเดลตัดสินใจ และโมเดลตัดสินใจที่เราให้บริการจริงคือ Jev 1.14 — แถวเดียวบนกระดานที่เอาชนะ d1.2-ultra ได้ในองค์ประกอบหนึ่ง คือ EvalSafe-O*NET-AA ที่ 91.14 เทียบกับ 89.53 ภายใต้รูปแบบคำขอ systemone แบบเดียวกัน ในราคา $0.042 ต่อหนึ่งล้านโทเคนอินพุต ไม่ว่าคุณจะสรุปอย่างไรเกี่ยวกับประเภทคำตอบใหม่ทั้งห้าประเภท ส่วนงานด้านความปลอดภัยและสถานที่ทำงานก็มีผู้เล่นรายเดิมที่คุณใช้เป็นเกณฑ์เปรียบเทียบได้ตั้งแต่วันนี้

สิ่งที่สมเหตุสมผลก่อนที่แพลตฟอร์มบุคคลที่สามที่ Liquid สัญญาไว้ว่าจะปรากฏจริงนั้นคือการรันแบบเงา ส่งสถานะที่ไปป์ไลน์ของคุณมองเห็นอยู่แล้วไปยังโมเดล d1.2 ทั้งสอง เปรียบเทียบความน่าจะเป็นแทนที่จะเป็นเลเบล top-1 และดูกเฉพาะกรณีที่โมเดลตอบ 0.8 แล้วผิด หางนั้นคือจุดที่เจนเนอเรชันก่อนหน้าอ่อนแอที่สุด และเป็นสิ่งเดียวที่รีลีสนี้กล่าวอ้างว่าแก้ไขแล้วซึ่งดัชนียืนยันได้เพียงบางส่วน

การสลับระบบสำรองอัตโนมัติคืออีกครึ่งหนึ่งของการลองใช้โมเดลที่เพิ่งมีอายุได้สองวันโดยไม่ต้องเดิมพันเส้นทางโปรดักชันกับมัน: กำหนดเส้นทางส่วนหนึ่งไปที่ d1.2-ultra เก็บตัวเดิมไว้เป็นฐานรอง และปล่อยให้ช่วงบ่ายที่ย่ำแย่ของผู้ให้บริการรายใดรายหนึ่งทำให้อัตราการตอบลดลง แทนที่จะทำให้ทั้งไปป์ไลน์ล่ม นั่นเป็นวิธีที่ถูกกว่าในการเรียนรู้ว่า 75 เป็นของจริงหรือไม่ เมื่อเทียบกับการรอผลทดสอบมาตรฐานของคนอื่น

คำถามที่ยังไม่มีคำตอบไม่ใช่ว่าโมเดลเหล่านี้เปิดตัวแล้วหรือไม่ — เปิดตัวแล้ว พร้อมราคาและ endpoint — แต่คือว่าประเภทคำตอบใหม่ทั้งห้าจะยังคงได้ผลนอกชุดแบ่งแบบ held-out ของ Liquid เองหรือไม่ ยังไม่มีใครเผยแพร่ตัวเลขที่เป็นอิสระสำหรับประเภทใดประเภทหนึ่งเลย และจนกว่าจะมีคนทำเช่นนั้น จุดยืนที่ซื่อตรงคือรีลีสนี้เพิ่มสัญญาเอาต์พุตที่มีประโยชน์จริง โดยอ้างอิงหลักฐานที่เป็นของผู้ขายเองทั้งหมด

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube