
Liquid AI d1.2-ultra ครองอันดับหนึ่งใน Decision Index ด้วยคะแนน 75 — และจบเป็นอันดับสุดท้ายในหนึ่งในหกการทดสอบของโมเดล
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 90 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 97 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-0717 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- Orcaใหม่OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 133 tok/s
- Orcaใหม่OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 ต่อ 1 ล้านโทเค็น · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 219 tok/s
Liquid AI d1.2-ultra เป็นโมเดลแรกในหมวดนี้ที่ได้รับอันดับหนึ่งจากบุคคลอื่นที่ไม่ใช่บริษัทผู้พัฒนา Artificial Analysis ให้คะแนน 75 บน Decision Index v2.1 พิมพ์ตัวเลขนั้นลงในหน้ากระดานของโมเดลเอง และจัดให้อยู่ในอันดับหนึ่งจาก 24 โมเดลด้านการตัดสินใจ — นำหน้า Drex Max v1.1 ของ Nace.AI ที่ 73 อยู่ 2.2 คะแนน Liquid AI d1.2 ซึ่งเป็นครึ่งที่เล็กกว่าของการเปิดตัวเดียวกัน อยู่อันดับเก้าที่ 69 ทั้งสองรุ่นเปิดตัวเมื่อวันที่ 16 พฤศจิกายน 2026 ทำให้เป็นการเปิดตัวของ Liquid AI ครั้งแรกที่คำกล่าวอ้างเรื่องกระดานจัดอันดับมาพร้อมกับกระดานจัดอันดับอิสระที่มีโมเดลนี้อยู่แล้ว แทนที่จะเป็นตัวเลขจากผู้ขายที่ชี้ไปยังกระดานซึ่งมีอยู่ก่อนโมเดล
บอร์ดเดียวกันยังจัดให้ d1.2-ultra อยู่อันดับสุดท้ายในบรรดา 24 โมเดลนั้นบน HLE-MultiChoice ด้วยความแม่นยำดิบ 2.36% ทั้งสองข้อความเป็นจริงพร้อมกัน โดยวัดโดยองค์กรเดียวกัน ด้วยเครื่องมือเดียวกัน ในวันเดียวกัน และช่องว่างระหว่างสองข้อความนี้คือสิ่งที่มีประโยชน์ที่สุดในการเปิดตัวครั้งนี้
ทำไมคำกล่าวอ้างเกี่ยวกับกระดานผู้นำนี้จึงเป็นคำกล่าวอ้างที่แตกต่างออกไป
ในเดือนตุลาคม Liquid AI ประกาศ d1-ultra พร้อมการอ้างว่าอยู่อันดับหนึ่ง ซึ่งวัดเทียบกับ Decision Index v1.0 ซึ่งเป็นกระดานจัดอันดับที่เผยแพร่ก่อนที่โมเดลนั้นจะมีอยู่จริงสองวัน ไม่มีใครตรวจสอบได้ เพราะโมเดลไม่ได้อยู่บนกระดานนั้น สิ่งนี้ไม่ใช่สิ่งที่เกิดขึ้นในกรณีนี้ Artificial Analysis ทดสอบ d1.2-ultra ด้วยตัวเอง บนฮาร์ดแวร์ของตัวเอง ผ่านฮาร์เนสของตัวเอง และผลลัพธ์คือแถวการจัดอันดับที่มีคะแนนองค์ประกอบหกด้านและมีเส้นโค้งการปรับเทียบแนบมาด้วย เมื่อ Liquid กล่าวว่า "สูงที่สุดบนดัชนีและนำหน้าโมเดลการตัดสินใจที่ดีที่สุดเดิมอยู่สองจุด" ทั้งดัชนีและโมเดลที่ดีที่สุดเดิมต่างเปิดเผยต่อสาธารณะและสอดคล้องกันทั้งคู่
เวอร์ชัน 2.1 เป็นค่าเฉลี่ยถ่วงน้ำหนักของการประเมินหกรายการ โดยน้ำหนักไม่ได้กระจายเท่ากัน AA-Paperclip มีน้ำหนัก 30%: เอกสารส่วนตัว 1,500 ฉบับ — เรซูเม่ ใบเสร็จรับเงิน ใบแจ้งหนี้ งานวิจัย — แต่ละฉบับมีห้าการตัดสินใจและสิบข้อเท็จจริง และให้คะแนนเป็นเอกสารหนึ่งฉบับซึ่งจะนับก็ต่อเมื่อตอบถูกทั้งสิบห้าข้อ EvalSafe-O*NET-AA, AA-Omniscience-Decision v1.1, HLE-MultiChoice v1.1 และ AA-Symmetry v1.1 มีน้ำหนักรายการละ 15% When2Call ชุดทดสอบการเรียกใช้เครื่องมือของ NVIDIA มีน้ำหนัก 10% แต่ละคำถามให้คะแนนเป็น 50 × (1 + c − (p − c)²) โดย c คือคำตอบที่เลือกนั้นถูกหรือไม่ และ p คือความน่าจะเป็นที่โมเดลกำหนดให้กับคำตอบนั้น ซึ่งรวมเป็น 50 × (1 + accuracy − Brier score) การผิดพลาดอย่างมั่นใจมีต้นทุนสูงกว่าการผิดพลาดแบบลังเล และโมเดลที่บอก 0.6 แล้วตอบถูกได้คะแนนดีกว่าโมเดลที่บอก 0.99 แล้วตอบถูก
75 มาจากไหน

เมื่อแยกออกมาดู อันดับแรกนั้นได้แรงหนุนจากการประเมินสองรายการ และถูกปกป้องไว้ด้วยอีกรายการหนึ่ง ส่วนรายการที่เหลือนั้นไม่น่าจดจำหรือแย่กว่านั้น ซึ่งเป็นสิ่งที่ควรรู้ก่อนที่ใครจะถือว่าคะแนนรวมเป็นคำอธิบายของโมเดล
• AA-Paperclip ซึ่งคิดเป็น 30% ของดัชนี — d1.2-ultra ได้คะแนน 75.81 ในคะแนนการตัดสินใจ โดยมีเอกสารที่ถูกต้องสมบูรณ์ 67.7% ทั้งสองอย่างอยู่ในอันดับแรกจาก 24. Drex Max v1.1 อยู่อันดับสองที่ 72.82 โดยมี 63.0% ส่วน SubQ Snap 1.2 อยู่อันดับสามที่ 71.58 โมเดลที่มันมาแทนที่ คือ Liquid AI d1-ultra อยู่ที่ 64.69 และ 51.3%
• When2Call, 10% — d1.2-ultra อยู่อันดับหนึ่งที่ 96.49 นำหน้า SubQ Snap 1.2 ที่ 96.10 และ d1.2 ที่ 96.09 การเรียกใช้เครื่องมือเป็นจุดแข็งที่สุดของวงการนี้อยู่แล้ว ส่วนต่างตรงนี้คือ 1.5 คะแนนในกลุ่มสิบอันดับแรก
• AA-Symmetry, 15% — อยู่อันดับสองที่ 86.34 เป็นรอง Mammoth 27B ที่ 88.25 เมื่อใช้ตัวชี้วัดแบบผ่านทั้งหมดที่เข้มงวดกว่า ภาพก็เปลี่ยนไป: Mammoth ให้คำตอบเดิมเมื่อเปลี่ยนถ้อยคำใน 68.3% ของคำถาม, Elephant 9B ใน 65.8% และ d1.2-ultra ใน 56.7% การเป็นอันดับสองด้านคะแนนไม่ได้หมายความว่าเป็นอันดับสองด้านความสอดคล้อง
• EvalSafe-O*NET-AA, 15% — อันดับสามที่ 89.53 ตามหลัง Jev 1.14ที่ 91.14 นี่คือองค์ประกอบเดียวที่โมเดลของคู่แข่งยังคงนำอยู่ และไม่ใกล้พอที่จะเรียกว่าเป็นสัญญาณรบกวน
• AA-Omniscience-Decision v1.1, 15% — 60.80 ซึ่งอยู่ในระดับกลางของกลุ่ม และต่ำกว่า 64.39 ที่ d1-ultra ทำคะแนนได้
• HLE-MultiChoice v1.1, 15% — ได้ 46.36 ในคะแนนการตัดสินใจ แต่ความแม่นยำดิบอยู่ที่ 2.36% ซึ่งต่ำที่สุดในบรรดาทั้ง 24 รายการ ช่องว่างนี้ไม่ใช่ความขัดแย้ง แต่เป็นหน้าตาของโมเดลที่ปรับเทียบมาดีเมื่อมันปฏิเสธแทบทุกอย่าง อัตราการไม่สร้างข้อมูลเท็จของมันในชุดเดียวกันอยู่ที่ 76.1% หมายความว่าสามในสี่ครั้ง มันตอบถูกว่าตัวเองไม่รู้ แทนที่จะเดา
ตัวชี้วัดหลักที่อยู่ภายใต้ทั้งหกตัว ซึ่งเป็นคะแนนดัชนีความแม่นยำแยกต่างหากของ AA จัดให้ d1.2-ultra อยู่อันดับแรกที่ 61.6 นำหน้า GLiDE v1.2 ที่ 59.4 และ Drex Max v1.1 ที่ 58.2 คะแนน Brier ที่ 0.150 ของมันดีที่สุดในบรรดา 24 ตัว โมเดลไม่ได้ชนะเพราะผ่านการปรับเทียบเพียงอย่างเดียว แต่ชนะด้วยเอกสารและการปรับเทียบร่วมกัน ซึ่งเป็นส่วนผสมที่ดัชนีนี้ถูกสร้างมาเพื่อให้รางวัล
คะแนนที่ไปในทางตรงกันข้าม
มีเวอร์ชันหนึ่งของการเปิดตัวนี้ที่อ่านแล้วดูเหมือนเป็นการกวาดชัยชนะแบบเรียบร้อย และแถว HLE-MultiChoice คือสิ่งที่หักล้างมัน ความแม่นยำดิบที่ 2 1/3 เปอร์เซ็นต์บนข้อสอบปรนัย Humanity's Last Exam ไม่ใช่ความคลาดเคลื่อนจากการปัดเศษ และไม่สามารถอธิบายให้หมดไปได้ด้วยตัวเลือกการปฏิเสธ: โมเดลมีตัวเลือกที่จะงดตอบ และมันเลือกใช้ตัวเลือกนั้น และการงดตอบนั้นถูกให้คะแนนเป็นความซื่อสัตย์มากกว่าความรู้ Decider v1.3 ตอบคำถามเดียวกันได้ถูกต้อง 15.32% Drex Max v1.1 ตอบได้ 8.25% Liquid AI d1.2 โมเดลราคาถูกในการเปิดตัวเดียวกัน ตอบได้ 5.30%
การเปรียบเทียบครั้งสุดท้ายนั่นแหละคือจุดที่แปลก ในแบบประเมินที่เน้นความรู้ โมเดลที่เล็กกว่าและถูกกว่าไม่ได้เป็นตัวที่อ่อนแอกว่า d1.2 ตอบคำถาม AA-Omniscience-Decision ถูกถึง 30.0% เมื่อเทียบกับ 23.6% ของ d1.2-ultra และได้ 5.30% บน HLE เมื่อเทียบกับ 2.36% สิ่งที่ d1.2-ultra ได้มาแลกกับราคาที่แพงขึ้นสองเซนต์ต่อล้านโทเค็นไม่ใช่ความรู้ แต่เป็นการจัดการเอกสาร ความสมมาตร และการปรับเทียบ ซึ่งเป็นครึ่งหนึ่งของงานในเชิงปฏิบัติการ หากภาระงานของคุณคือการดึงข้อมูลจากใบแจ้งหนี้ที่สแกน ข้อแลกเปลี่ยนนั้นถูกต้องอย่างชัดเจน หากเป็นการตอบคำถามยาก ๆ เกี่ยวกับโลก โมเดลที่ถูกกว่าในตระกูลเดียวกันคือตัวที่ดีกว่าอย่างวัดได้ และไม่มีอะไรในโพสต์เปิดตัวที่บอกเรื่องนี้
การเปลี่ยนแปลงเรื่องการเรียกเก็บเงินที่ไม่ได้อยู่ในพาดหัวข่าว
ประโยคที่สำคัญที่สุดในโพสต์ของ Liquid คือกฎการคิดค่าบริการ ไม่ใช่ผลการทดสอบ基準 ภายใต้ d1-ultra ทุกคำถามถูกคิดค่าบริการเป็นพรอมต์ของตัวเอง รวมถึงรูปภาพทั้งหมดที่แนบมาด้วย ดังนั้นการถามสิบคำถามเกี่ยวกับภาพถ่ายหนึ่งภาพจึงต้องจ่ายค่าภาพถ่ายนั้นสิบครั้ง ภายใต้ d1.2 และ d1.2-ultra คำขอจะคิดค่าบริการข้อความและรูปภาพเพียงครั้งเดียว และคำถามเพิ่มเติมแต่ละข้อจะเพิ่มเฉพาะข้อความของคำถามนั้นเท่านั้น
ใช้เอกสาร 2,000 โทเคนที่มีภาพขนาด 1024×1024 หนึ่งภาพ ซึ่งมีค่า 1,536 โทเคนตามอัตราที่ระบุไว้ที่ 1.5 โทเคนต่อแพตช์ขนาด 32×32 พิกเซล และคำถามสั้นสิบข้อที่ประมาณ 30 โทเคนต่อข้อ ภายใต้กฎเดิม คำขอนั้นใช้ประมาณ 35,700 โทเคน ภายใต้กฎใหม่ใช้ประมาณ 3,840 โทเคน ที่ $0.042 ต่อล้านโทเคนอินพุต นั่นคือประมาณ $0.0015 ต่อคำขอ เทียบกับ $0.00016 — ต้นทุนต่ำลงมากกว่าเก้าเท่าเล็กน้อยสำหรับงานเดียวกันในราคาป้ายเดียวกัน ที่ 100,000 คำขอต่อเดือน ความแตกต่างคือประมาณ $150 เทียบกับ $16 ตัวเลขทั้งสองเป็นการคำนวณทางคณิตศาสตร์จากคำอธิบายการเรียกเก็บเงินของผู้ขายเอง ไม่ใช่การวัดจริง
สเปกที่สองที่เปลี่ยนไปคือหน้าต่างบริบท Artificial Analysis ระบุ 66k โทเคนสำหรับโมเดล d1.2 ทั้งสองรุ่น เทียบกับ 33k สำหรับ d1-ultra โพสต์ของ Liquid ไม่ได้ระบุหน้าต่างเลย ดังนั้นตัวเลข 66k จึงเป็นการตีความของกระดานจัดอันดับมากกว่าจะเป็นข้อกำหนดจากผู้จำหน่าย และยังเป็นสองเท่าของสิ่งที่รุ่นก่อนมี สำหรับโมเดลที่หน้าที่ทั้งหมดคือการรับสถานะเข้ามา นั่นคือการเปลี่ยนแปลงในทางปฏิบัติที่ใหญ่กว่าสี่คะแนนดัชนี
คำตอบใหม่ห้าประเภท และเสียง
การเพิ่มขีดความสามารถเหล่านี้เป็นการเพิ่มเติมมากกว่าการรื้อทำใหม่: endpoint เดิม รูปแบบคำขอเดิม คำตอบชนิดใหม่ห้าชนิด และรูปแบบอินพุตใหม่ คำถามสามารถขอค่าที่อ่านได้จากหน้าได้แล้ว — ตัวเลข วันที่ ชื่อ — โดยส่งคืนพร้อมอักขระที่ใช้ในการอ่าน หรือ “ไม่พบ” หากไม่มีอยู่ สามารถขอทุกช่วงของชนิดที่กำหนดพร้อมตำแหน่ง ซึ่งเป็นกรณี PII สามารถขอกรอบรอบวัตถุหนึ่งชิ้น หรือกรอบรอบทุกอินสแตนซ์พร้อมจำนวนนับ สามารถขอค่าประมาณพร้อมช่วงที่แนบมา และสามารถขอทุกตัวเลือกที่ใช้ได้ โดยแต่ละตัวเลือกมีความน่าจะเป็นของตัวเอง
เสียงเป็นส่วนเพิ่มเติมอีกอย่างที่ทำงานได้ทั้งสองทิศทาง คือบันทึกเสียงอาจเป็นสิ่งที่คำถามถามถึง หรืออาจเป็นตัวคำถามเองก็ได้ Liquid รายงานว่า บนบันทึกเสียงที่แยกไว้สำหรับทดสอบ โมเดลทั้งสองตอบคำถามได้ 95% ถึง 97% ไม่ว่าจะเป็นคำถามเกี่ยวกับเสียงใดที่ได้ยิน จาก ESC-50 หรือภาษาที่พูด จาก FLEURS ครอบคลุม 43 ภาษา โดยแต่ละคำถามมีตัวเลือกสามถึงหกตัวเลือก และมีความสับสนระหว่างตัวเลือกที่ใกล้เคียงกัน เช่น สเปนกับโปรตุเกสปนอยู่ในชุดตัวเลือกด้วย
ตัวเลขความแม่นยำสำหรับงานใหม่ทั้งห้ามาจากชุดทดสอบภายในที่สร้างจากส่วนแบ่งที่กันไว้ (held-out splits) ของชุดข้อมูลสาธารณะ และผู้ขายระบุเช่นนั้นอย่างตรงไปตรงมา เนื่องจากยังไม่มีเบนช์มาร์กสาธารณะใดครอบคลุมงานเหล่านี้ อ่านตัวเลขเหล่านี้ในฐานะการประเมินของผู้ขายเอง: 98% และ 96% สำหรับการอ่านค่าจากใบเสร็จบน CORD และ SROIE, 94%/93% ความแม่นยำ (precision) และการเรียกคืน (recall) เทียบกับ 92%/88% สำหรับช่วง PII บน Nemotron PII, 94% สำหรับทั้งสองด้านการระบุตำแหน่งวัตถุทั่วตระกูล RefCOCO, 93% และ 92% สำหรับการนับภายในหนึ่งรายการทั่ว COCO และ 87% เทียบกับ 90% สำหรับการเลือกทุกวัตถุที่มีอยู่ — แถวเดียวที่โมเดลราคาถูกชนะ
กำลังตรวจสอบการเรียกร้องเงิน

ประโยคเรื่องราคาของ Liquid เป็นประโยคที่ตรวจสอบได้ง่ายผิดปกติ: “ไม่มีโมเดลใดได้คะแนนสูงกว่า d1.2 ในราคาที่ถูกกว่า และไม่มีโมเดลใดได้คะแนนสูงกว่า d1.2-ultra ไม่ว่าจะราคาเท่าใดก็ตาม” ทั้งสองครึ่งผ่านการตรวจสอบกับกระดานอันดับได้ ไม่มีสิ่งใดในดัชนี 24 โมเดลที่ได้คะแนนสูงกว่า 74.85 เลย ดังนั้นครึ่งหลังจึงเป็นจริงอย่างไม่ต้องสงสัย สำหรับครึ่งแรก d1.2 อยู่ที่ 68.69 และ 63 ดอลลาร์ต่อล้านงาน ทุกโมเดลที่ได้คะแนนสูงกว่านั้นมีราคาแพงกว่า โดยผู้ท้าชิงราคาถูกที่ใกล้ที่สุดคือ Decider v1.3 ที่ 70.41 และ 68 ดอลลาร์ ข้อกล่าวอ้างนี้เป็นจริง และเป็นจริงบนตัวเลขของคนอื่น而非ของ Liquid ซึ่งหาได้ยากกว่าที่ควรจะเป็น
ตัวเลขต้นทุนเหล่านั้นมาจาก Artificial Analysis ซึ่งรันการประเมินแต่ละครั้งด้วยราคาตามรายการปัจจุบันแล้วหาค่าเฉลี่ย: 133 ดอลลาร์ต่อหนึ่งล้านงานสำหรับ d1.2-ultra อยู่อันดับ 11 จาก 24 เทียบกับค่ามัธยฐานของกลุ่มที่ 135 ดอลลาร์ และ 63 ดอลลาร์สำหรับ d1.2 ซึ่งถูกเป็นอันดับ 3 เวลาต่องานคือ 218 มิลลิวินาทีสำหรับโมเดลใหญ่ และ 150 มิลลิวินาทีสำหรับโมเดลเล็ก เทียบกับค่ามัธยฐานของกลุ่มที่ 209 มิลลิวินาที — รุ่นเรือธงช้ากว่าค่าเฉลี่ยเล็กน้อย โมเดลราคาถูกเร็วกว่าอย่างสบาย ๆ และทั้งสองเร็วกว่าโมเดลเชิงสร้างที่อยู่บนบอร์ดเดียวกันซึ่งใช้เวลา 11 และ 32 วินาทีต่องานถึงหนึ่งลำดับขนาด
ที่ที่คุณสามารถเรียกใช้ได้ และสิ่งที่คุณจะรันมันกับ
ทั้งสองโมเดลเปิดใช้งานแล้ววันนี้บน API ของ Liquid เองที่ api.liquid.ai/decisions/v1/systemone โดยเรียกใช้เป็น d1.2-ultra และ d1.2 ด้วยคีย์จากคอนโซล Liquid และทั้งคู่มีอยู่ใน Liquid playground โพสต์ของ Liquid ระบุว่าจะมีแพลตฟอร์มของบุคคลที่สามเพิ่มเติมเร็ว ๆ นี้ ณ เวลาที่เขียนนี้ API ของผู้ขายเองคือช่องทางที่มีอยู่จริง โมเดลทั้งสองไม่อยู่ในแคตตาล็อกของเรา และบทความนี้ไม่ใช่คำยืนยันความพร้อมใช้งานสำหรับโมเดลใดเลย
สิ่งที่อยู่ในแค็ตตาล็อกของเราคือ Jev 1.14 โมเดลที่นำในองค์ประกอบหนึ่งซึ่ง d1.2-ultra ไม่ได้นำ — EvalSafe-O*NET-AA ที่ 91.14 เทียบกับ 89.53 — ให้บริการผ่านรูปแบบเอนด์พอยต์ systemoneแบบเดียวกัน รับข้อความเป็นอินพุตและส่งออกเป็น JSON แบบมีโครงสร้าง ในราคา $0.042 ต่ออินพุตหนึ่งล้านโทเคน ความบังเอิญนี้มีประโยชน์: ทีมที่ประเมินรีลีสนี้สามารถวางโมเดลใหม่และโมเดลเดิมไว้บนสถานะเดียวกันได้ โดยไม่ต้องมีสัญญาที่สองหรือไลบรารีไคลเอนต์ที่สอง เพราะ API เดียวสำหรับโมเดล 200+ ตัวรองรับทั้งสองรูปแบบอยู่แล้ว ราคาตามรายการถูกส่งผ่านโดยบวกเพิ่ม 0% ดังนั้นหาก Liquid ปรับ $0.042 ตัวเลขที่นี่จะเปลี่ยนตามไปด้วย ไม่ใช่เปลี่ยนทีหลัง และ การ failover อัตโนมัติหมายความว่าโมเดลที่เพิ่งมีอายุหนึ่งวันสามารถรับงานส่วนหนึ่งของเวิร์กโหลดจริงได้ โดยไม่ต้องไว้วางใจให้รับทั้งหมด

คำแนะนำที่ตามมาจากข้อมูล ไม่ใช่จากหน้าตาราคา: ให้ลองรันแบบเงา (shadow-run) กับมัน d1.2-ultra เป็นอันดับหนึ่งด้านเอกสารและอันดับหนึ่งด้านการคาลิเบรต ซึ่งเป็นคู่ที่แข็งแรงจริง ๆ สำหรับไปป์ไลน์การสกัดข้อมูล และเป็นอันดับสุดท้ายในคำถามความรู้ยาก ซึ่งเป็นข้อจำกัดจริง ไม่ใช่แค่หมายเหตุท้ายเล่ม ส่งสถานะที่ไปป์ไลน์ของคุณเห็นจริง ๆ ให้มัน เปรียบเทียบความน่าจะเป็นมากกว่าตัวเลือก top-1 และจับตาดูกรณีที่มันตอบ 0.8 แล้วผิด เพราะหางนั้นคือจุดที่รุ่นก่อนหน้าในเดือนตุลาคมของโมเดลทำคะแนนได้แย่ และเป็นจุดที่การปรับปรุงจะแสดงออกมาหรือไม่ก็ไม่
คำถามที่ยังไม่มีคำตอบไม่ใช่เรื่องที่ว่า 75 เป็นของจริงหรือไม่ — Artificial Analysis วัดค่านี้และเผยแพร่องค์ประกอบแล้ว แต่เป็นเรื่องที่ว่าการประเมินเอกสารที่ถ่วงน้ำหนัก 30% บนเอกสารส่วนตัว 1,500 ฉบับ จะสรุปอ้างอิงไปใช้กับเอกสารของคุณได้หรือไม่ นั่นเป็นคำถามที่เฉพาะตัวอย่างที่คุณติดป้ายกำกับเองเท่านั้นจึงจะตอบได้ และคุ้มค่าที่จะตอบก่อนที่การเปลี่ยนแปลงการเรียกเก็บค่าบริการจะชักจูงให้คุณถามสิบคำถามต่อเอกสารแทนที่จะถามเพียงคำถามเดียว
