Liquid AI d1-ultra vs Liquid AI d1: เอนด์พอยต์เดียวกัน คำถามเดียวกัน ราคาสองเท่า — นี่คือจุดตัด

คำตอบที่ตรงไปตรงมาที่สุดคือ: Liquid AI d1-ultra มีค่าใช้จ่าย $0.042 ต่อโทเคนอินพุต 1 ล้านโทเคน และ Liquid AI d1 มีค่าใช้จ่าย $0.02 ต่อโทเคนอินพุต 1 ล้านโทเคน ทั้งคู่ถูกเรียกที่ URL เดียวกันด้วยประเภทคำถามสามแบบเดียวกัน และตัวที่แพงกว่าคือตัวที่ควรใช้เมื่อการตอบผิดมีค่าใช้จ่ายสูงกว่าการเพิ่มอัตราต่อการเรียกของคุณเป็นสองเท่า นั่นคือการตัดสินใจทั้งหมด และมันเรียบง่ายอย่างผิดปกติเพราะไม่มีอย่างอื่นเกี่ยวกับสองโมเดลนี้ที่แตกต่างกันในเชิงโครงสร้าง ทั้งสองถูกเปิดตัวห่างกันสิบวัน — d1 เมื่อวันที่ 5 ตุลาคม 2026 ในฐานะโมเดลการตัดสินใจตัวแรกของ Liquid AI, d1-ultra เมื่อวันที่ 15 ตุลาคม ในฐานะสมาชิกที่มีความสามารถมากที่สุดของตระกูล — และทั้งคู่ถูกสร้างมาเพื่อทำสิ่งเดียวกัน: รับสถานะของข้อความ รูปภาพ หรือทั้งสองอย่าง พร้อมคำถามที่มีการระบุชนิดตั้งแต่หนึ่งข้อขึ้นไป และคืนค่าความน่าจะเป็นจากการฟอร์เวิร์ดพาสครั้งเดียว โดยสร้างโทเคนเอาต์พุตเป็นศูนย์และไม่มีอะไรให้สตรีม การเปรียบเทียบแบบนี้ยังเป็นจุดที่โหมดความล้มเหลวปรากฏขึ้น: เหตุการณ์ AI และความล้มเหลวของเอเจนต์ที่ได้รับการบันทึกไว้ซึ่งอยู่เบื้องหลังโมเดลในระดับนี้ถูกรวบรวมไว้ใน OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง เกรดความเชื่อมั่น และแฟล็กข้อโต้แย้งเป็นของตัวเอง

สิ่งที่ทำให้คู่นี้ควรค่าแก่การเป็นชิ้นงานมากกว่าจะเป็นเพียงเชิงอรรถ ก็คือทั้งสองเป็นตัวแทนที่ใช้แทนกันได้ ไม่ใช่บันไดที่มีขั้นกลาง คุณไม่ได้รัน d1 แล้วถอยไปใช้ d1-ultra ในกรณีที่ยาก อย่างที่คุณจะทำกับโมเดลกำเนิดขนาดเล็กและขนาดใหญ่ เพราะทั้งคู่ถูกควบคุมด้วยสตริงโมเดลเดียวกันในบอดี้คำขอเดียวกัน การสลับใช้จ่ายแค่คำเดียวในเพย์โหลด JSON ดังนั้นคำถามจึงไม่ใช่ว่าการอัปเกรดพร้อมใช้ในทางเทคนิคหรือไม่ — แต่คือว่า $0.022 ต่อโทเคนอินพุตหนึ่งล้านโทเคนที่เพิ่มขึ้นนั้นซื้ออะไรที่เวิร์กโหลดเฉพาะของคุณรู้สึกได้หรือไม่ และนั่นตอบได้ด้วยตัวเลขที่ Liquid AI เผยแพร่

อะไรที่แตกต่างจริง ๆ ในรอบเดียว

ความแตกต่างที่เปิดเผยออกมานั้นมีน้อยกว่าที่ส่วนต่างราคาบ่งชี้ไว้ และสิ่งที่ขาดหายไปก็สำคัญไม่แพ้สิ่งที่มีอยู่

• ราคา — $0.042 ต่อ 1 ล้านโทเคนอินพุตสำหรับ d1-ultra เทียบกับ $0.02 สำหรับ d1 โดยทั้งคู่คิดค่าบริการเฉพาะอินพุตเท่านั้น ไม่มีค่าใช้จ่ายเอาต์พุต และทั้งคู่คิดภาพเป็นข้อความในอัตรา 1.5 โทเคนต่อแพตช์ขนาด 32×32 พิกเซล

• โครงข่ายหลัก — d1-ultra ถูกอธิบายว่าสร้างขึ้นบน "โมเดลน้ำหนักเปิดที่ใหญ่กว่า พร้อมชุดการปรับแต่งเฉพาะ Liquid แบบหนักหน่วง"; ส่วนประกาศของ d1 กล่าวเพียงว่ามันถูกสร้างขึ้นสำหรับรุ่นแรกของตระกูล โดยไม่ได้ระบุโครงข่ายหลักเช่นกัน

• ความครอบคลุมด้านภาษา — โพสต์เปิดตัวของ Liquid AI สำหรับ d1-ultra ระบุว่า 44 ภาษา ไม่มีการเผยแพร่ตัวเลขที่เทียบเคียงได้สำหรับ d1

• การจัดอันดับดัชนี — d1-ultra ถูกอ้างว่าครองอันดับนำใน Artificial Analysis Decision Index อย่างน้อยแปดคะแนน; d1 ถูกประกาศพร้อมกับการเปรียบเทียบการใช้งานจริงหกรายการกับ GPT-6.1 Sol และ Claude Opus 5.5 แทนที่จะเป็นคะแนนดัชนี

• จำนวนพารามิเตอร์ — ไม่เปิดเผยสำหรับทั้งสองราย หน้าต่างบริบทของ d1-ultra ก็ไม่ได้ระบุโดยผู้จำหน่ายเช่นกัน และปรากฏเฉพาะในแค็ตตาล็อกเกตเวย์ของบุคคลที่สามที่ 32,768 โทเค็น ซึ่งเราถือว่ายังไม่ได้รับการยืนยันมากกว่าจะเป็นข้อมูลจำเพาะ

• ความหน่วง — d1 มีการเผยแพร่ไว้ที่ 200 ถึง 300 ms สำหรับการตัดสินใจเชิงข้อความ ส่วน d1-ultra ไม่มีตัวเลขความหน่วงที่เผยแพร่เลยแม้แต่ค่าเดียว

ช่องว่างคู่สุดท้ายนั่นคือสิ่งที่ควรสังเกต โมเดลที่ใหม่กว่าและแพงกว่าคือรุ่นที่มีเอกสารสเปกว่างเปล่ากว่า คุณกำลังถูกขอให้จ่ายในอัตรา 2.1 เท่า สำหรับโมเดลที่ขนาด ความยาวบริบท และความเร็ว ล้วนไม่เปิดเผย โดยอาศัยเพียงคำกล่าวอ้างเรื่องการปรับเทียบและตัวเลขดัชนีที่ผู้ขายรายงานเอง

ข้อกล่าวอ้างที่ Liquid AI กำลังนำเสนอจริง ๆ

อ่านโพสต์ของ d1-ultra ให้ละเอียด แล้วจะเห็นว่าจุดขายไม่ใช่ความแม่นยำ แต่คือความแม่นยำเพียงอย่างเดียวไม่พอสำหรับโมเดลตัดสินใจ เพราะโมเดลตัดสินใจยังให้ค่าความน่าจะเป็นออกมาด้วย และส่วนใหญ่มั่นใจเกินจริง ตัวแยกประเภทที่บอก 0.97 แต่จริง ๆ หมายถึง 0.72 จะทำลายไปป์ไลน์ที่อิงเกณฑ์ตัดสิน แม้ว่าความแม่นยำ top-1 ของมันจะยอดเยี่ยมก็ตาม เพราะทุกการดำเนินการอัตโนมัติที่คุณทำเมื่อค่าสูงกว่าเกณฑ์นั้นล้วนตั้งอยู่บนข้อสมมติที่เป็นเท็จ โพสต์ระบุว่า d1-ultra ถูกฝึกมาโดยเฉพาะเพื่อให้ความน่าจะเป็นของมันถูกปรับเทียบได้ดีขึ้น และรายงานการเปิดตัวระบุว่า จากการประเมินที่ไม่ซ้ำกัน 112 รายการ มันเอาชนะ Jev 1.14 ได้ในทุกงานด้วยการปรับเทียบที่ดีกว่าในราคาเดียวกัน

นี่เป็นข้อโต้แย้งทางการขายที่แตกต่างจาก "ฉลาดกว่า" อย่างแท้จริง และยังเป็นข้อกล่าวอ้างที่ยากที่สุดในบรรดาเอกสารเปิดตัวทั้งสองฉบับสำหรับคนนอกที่จะตรวจสอบด้วยตนเอง ไม่มีสิ่งใดในประกาศที่ให้คุณตรวจสอบการปรับเทียบบนข้อมูลของคุณเองก่อนตัดสินใจได้ หากไปป์ไลน์ของคุณใช้ argmax และเพิกเฉยต่อความน่าจะเป็น ข้อเสนอเรื่องการปรับเทียบก็ใช้ไม่ได้กับคุณ และกรณีของ d1-ultra ก็ลดเหลือเพียงช่องว่างของดัชนี หากไปป์ไลน์ของคุณใช้ความน่าจะเป็นเป็นเกณฑ์ — อนุมัติอัตโนมัติเมื่อสูงกว่า 0.9 ส่งต่อเมื่อต่ำกว่า — การปรับเทียบก็เป็นตัวเลขเดียวที่สำคัญ และเป็นตัวเลขที่คุณจะต้องสร้างขึ้นเองจากตัวอย่างที่มีป้ายกำกับ

เมื่อการเพิ่มเป็นสองเท่าคุ้มทุนด้วยตัวมันเอง

ลองคำนวณดูที่ปริมาณมากพอจนส่วนต่างของอัตราไม่ใช่แค่สัญญาณรบกวนอีกต่อไป ด่านกลั่นกรองที่ถามคำถาม noul หนึ่งข้อต่อโพสต์ 500,000 โพสต์ต่อเดือน โดยใช้ประมาณ 400 โทเคนอินพุตต่อโพสต์ คิดเป็น 200 ล้านโทเคนอินพุตต่อเดือน

• สำหรับ d1 — $4.00 ต่อเดือน. สำหรับ d1-ultra — $8.40 ต่อเดือน. ส่วนต่างสี่ดอลลาร์ไม่ใช่รายการในงบประมาณ; มันน้อยกว่าค่าชั่วโมงวิศวกรที่ใช้ตัดสินใจ

• เมื่อนำหลักเกณฑ์เดียวกันนี้ไปใช้กับอินพุตรูปภาพ จำนวนโทเค็นจะพุ่งสูงขึ้นอย่างรวดเร็ว เพราะรูปภาพขนาด 1024×1024 เพียงรูปเดียวก็เท่ากับโทเค็นอินพุต 1,536 โทเค็น และทุกคำถามจะถูกคิดค่าใช้จ่ายซ้ำทั้งข้อความและรูปภาพทั้งหมดของมัน การถามคำถามห้าข้อเกี่ยวกับรูปเดียวกันจึงเท่ากับต้องจ่ายค่ารูปนั้นถึงห้าครั้ง ซึ่งเป็นความผิดพลาดด้านการออกแบบที่ควรหลีกเลี่ยงไม่ว่าคุณจะเลือกรุ่นใดก็ตาม

• ที่ 20,000 ล้านโทเคนอินพุตต่อเดือน — ตัวจำแนกประเภทขนาดใหญ่ ไม่ใช่โครงการนำร่อง — d1 มีค่าใช้จ่ายประมาณ $400 และ d1-ultra ประมาณ $840 ช่องว่างที่แท้จริงตอนนี้เป็นเรื่องจริง และยังคงต่ำกว่าหนึ่งพันดอลลาร์สำหรับปริมาณงานที่ประมวลผลเทียบเท่ากับภาพหลายสิบล้านภาพ

ข้อสรุปที่การคำนวณนี้บังคับให้ได้ไม่ใช่ข้อสรุปที่คนคาดหวัง สำหรับงานตัดสินใจเกือบทั้งหมด ความต่างราคาระหว่าง d1-ultra กับ d1 นั้นน้อยเกินกว่าจะเป็นปัจจัยชี้ขาด ซึ่งหมายความว่าควรตัดสินใจจากคุณภาพของคำตอบเพียงอย่างเดียว ข้อยกเว้นที่น่าสนใจกลับตรงกันข้าม: หากปริมาณการใช้งานของคุณมหาศาลจริง ๆ และงานของคุณง่าย — เป็นด่านตัดสินแบบไบนารีบนข้อความสั้น ไม่มีรูปภาพ — คุณไม่ควรเลือกระหว่างสองตัวนี้เลย เพราะ d1-3B แบบ open-weight ทำงานนั้นได้ในราคา 0 ต่อการเรียกใช้ ราคาของทั้งคู่นั้นใกล้กันพอที่คำถามจริงคือรุ่นที่อยู่ต่ำกว่าทั้งสองลงไป

เมื่อแบบจำลองการตัดสินใจเป็นเครื่องมือที่ไม่เหมาะสม

โมเดลทั้งสองมีเอกสารระบุว่าออกแบบมาสำหรับงานสี่ประเภทเดียวกัน ได้แก่ การจำแนกประเภทและการจัดเส้นทาง การให้คะแนนและการจัดอันดับ เกตแบบไบนารี และการตรวจสอบแบบหลายรูปแบบ เอกสารของผู้ขายเองก็ชัดเจนไม่แพ้กันว่าพวกมันไม่ได้มีไว้ทำอะไร — การสร้างข้อความอิสระ การสนทนาหลายรอบ การสรุปความ การให้เหตุผลแบบปลายเปิด และการเขียนโค้ด ไม่มีโทเคนเอาต์พุตให้สตรีม ดังนั้นแอปพลิเคชันที่คาดหวังว่าจะได้ข้อความร้อยเรียงกลับมาจะได้รับข้อผิดพลาด ไม่ใช่คำตอบที่แย่ลง นี่เป็นสิ่งที่ควรระบุไว้ เพราะความอยากที่จะหยิบโมเดลสำหรับตัดสินใจมาใช้เป็นตัวแทนราคาถูกของการเรียกใช้โมเดลเชิงสร้างนั้น เป็นสาเหตุที่ทำให้ไปป์ไลน์ลงเอยด้วยการนำโมเดลแบบนี้ไปใช้ผิดวัตถุประสงค์ได้พอดี

หลักฐานที่เผยแพร่สำหรับโมเดลรุ่นเก่านั้นอย่างน้อยก็เป็นรูปธรรม จากการทดสอบแอปพลิเคชันจริงหกรายการเมื่อวันที่ 5 ตุลาคม 2026 มีรายงานว่า d1 ทำได้เทียบเท่าหรือเอาชนะ GPT-6.1 Sol ในสี่รายการ ด้วยต้นทุนที่ต่ำกว่า 19 ถึง 200 เท่า และตอบได้เร็วกว่าในทุกงาน หนึ่งในหกรายการนั้นเป็นการตรวจสอบด้วยภาพชิ้นส่วนจากสี่สายการผลิต — แผงวงจร เทียน เม็ดมะม่วงหิมพานต์ และหมากฝรั่ง บนชุดข้อมูล VisA — โดยที่โมเดลแยกของดีออกจากของเสียได้ด้วยความแม่นยำ 85 ถึง 97 เปอร์เซ็นต์ โดยไม่มีการฝึกเฉพาะงาน อีกรายการหนึ่งตัดโทเค็นออก 52 เปอร์เซ็นต์ในการทำ context compaction หนึ่งรอบ นั่นเป็นการประเมินที่ผู้ขายเป็นผู้ดำเนินการ โดยมีระเบียบวิธีที่ระบุไว้ และก็ยังคงเป็นผู้ขายที่ดำเนินการอยู่: หนึ่งรอบต่อโมเดลต่อแอปพลิเคชัน ราคาตามประกาศโดยไม่มีส่วนลดแคช และคำถามเกี่ยวกับโค้ดและการบีบอัดหลายข้อถูกเขียนขึ้นหลังจากไปป์ไลน์ของ d1 ถูกกำหนดตายตัวแล้ว จงอ่านสิ่งเหล่านี้เป็นหลักฐานว่าหมวดหมู่นี้ใช้งานได้ ไม่ใช่เป็นกระดานคะแนนที่คุณสามารถนำไปใช้กับงานของคุณเองได้

การตัดสินใจอัปเกรด โดยทั่วไป

เริ่มที่ d1 ไม่ใช่เพราะมันเป็นโมเดลที่ดีกว่า — คำกล่าวอ้างของดัชนีบอกว่าไม่ใช่ — แต่เพราะที่ $0.02 ต่อล้านโทเคนอินพุต โดยไม่มีค่าใช้จ่ายสำหรับเอาต์พุต การเรียกไม่กี่แสนครั้งมีค่าใช้จ่ายแค่ไม่กี่เซนต์ และวิธีที่เร็วที่สุดในการรู้ว่าโมเดลสำหรับการตัดสินใจเหมาะกับไปป์ไลน์ของคุณหรือไม่ คือการเอาโมเดลไปวางไว้หน้าทราฟฟิกจริงแล้วดูการแจกแจงความน่าจะเป็นที่มันส่งกลับมา บันทึกความน่าจะเป็น ไม่ใช่แค่ป้ายกำกับ หากมันกระจุกตัวแน่นรอบค่าสุดขั้วและเกณฑ์ของคุณมีเสถียรภาพ คุณก็ได้การสอบเทียบมาฟรี และไม่มีเหตุผลที่จะจ่ายเพิ่ม

ย้ายไปที่ d1-ultra เมื่อความล้มเหลวเฉพาะที่ระบุชื่อได้ปรากฏในบันทึกนั้น: คำถามความรู้ที่ยาก ข้อกล่าวอ้างที่คลุมเครือทางสายตา กรณีที่โมเดลส่งคืน 0.6 และหมายความตามนั้นจริง การย้ายครั้งนี้เป็นการเปลี่ยนสตริงโมเดลบนเอนด์พอยต์เดียวกัน ดังนั้นจึงสามารถเลือกได้ — ใช้ d1-ultra กับเส้นทางที่แสดงความล้มเหลว ใช้ d1 กับเส้นทางอื่นทั้งหมด นั่นคือรูปแบบที่ซื่อตรงของการเปรียบเทียบนี้ มันไม่ใช่การเลือกอย่างใดอย่างหนึ่ง แต่เป็นการตั้งค่าต่อเส้นทาง และราคาใกล้เคียงกันมากพอที่คุณจะสามารถจัดการได้อย่างแม่นยำ

มีจุดยุ่งยากในทางปฏิบัติอยู่หนึ่งจุดที่ควรวางแผนล่วงหน้า หากการตัดสินใจของคุณป้อนเข้าสู่ขั้นตอนการสร้างข้อความ ไม่ว่าจะเป็นการตอบกลับ บทสรุป หรือการเรียกใช้เครื่องมือ คุณกำลังดูแลความสัมพันธ์กับผู้ให้บริการถึงสองราย ไม่ใช่รายเดียว OrcaRouter ยุบครึ่งหลังของเรื่องนี้ให้เหลือเพียง: คีย์เดียวที่เข้ากันได้กับ OpenAI ใช้ได้กับโมเดลสร้างข้อความกว่า 200 โมเดล ในราคาตามที่ผู้ให้บริการประกาศไว้ ส่งผ่านถึงคุณโดยบวกเพิ่ม 0% ดังนั้นการเปลี่ยนแปลงราคาจากต้นทางจะปรากฏบนบิลของคุณภายในวันเดียวกัน แทนที่จะรอถึงการต่อสัญญาครั้งถัดไป พร้อมด้วยการสลับไปยังผู้ให้บริการรายอื่นอัตโนมัติเมื่อเกิดข้อขัดข้องอยู่เบื้องหลังเอนด์พอยต์เดียวกัน เพื่อให้ชัดเจนเรื่องขอบเขต: เราไม่ได้โฮสต์โมเดลสำหรับการตัดสินใจของ Liquid AI ดังนั้นการเรียก d1 หรือ d1-ultra จึงยังคงส่งไปที่ API ของ Liquid AI เอง และสิ่งที่เรารับช่วงต่อคือทุกอย่างที่อยู่ปลายน้ำของการตัดสินใจ

สิ่งที่ต้องจับตาก่อนที่คุณจะตัดสินใจใช้ d1-ultra ในวงกว้าง

ตัวเลขสองตัว ซึ่งปัจจุบันขาดหายไปทั้งคู่ ตัวแรกคือความหน่วง ตัวเลข 200 ถึง 300 มิลลิวินาทีของ d1 ไม่ได้บอกอะไรคุณเกี่ยวกับ d1-ultra และโมเดลใหม่กว่าไม่ได้เผยแพร่อะไรเลย ดังนั้นเส้นทางใดก็ตามที่ไวต่อความหน่วงควรปล่อยแบบ canary แทนที่จะย้ายทั้งหมด ตัวที่สองคือการวัดคาลิเบรชันที่เป็นอิสระ การเปรียบเทียบจากการประเมิน 112 ครั้ง และคะแนนนำ 8 จุดบนดัชนี เป็นการรายงานของ Liquid AI เอง และตัวเลขดัชนีนั้นมาถึงบทความนี้ผ่านประกาศของผู้ขายและการรายงานข่าวเกี่ยวกับประกาศนั้น มากกว่าจะมาจากตารางที่เราโหลดเองได้ เมื่อมีใครสักคนทำซ้ำเส้นโค้งความน่าเชื่อถือสำหรับโมเดลใดโมเดลหนึ่งบนข้อมูลสาธารณะ ราคาที่สูงกว่า 2.1 เท่าก็จะกลายเป็นการตัดสินใจซื้อ แทนที่จะเป็นการตัดสินใจตามดุลพินิจ

จนถึงตอนนั้น จุดยืนที่ผ่านการตรวจสอบอย่างละเอียดคือแนวทางอนุรักษ์นิยม d1 เป็นโมเดลการตัดสินใจที่มีความสามารถ ราคาถูก และได้รับการพิสูจน์โดยผู้ขายเอง ในราคาที่ทำให้การทดลองแทบไม่มีค่าใช้จ่าย d1-ultra เป็นการปรับปรุงที่น่าเชื่อถือ พร้อมกับข้อกล่าวอ้างที่เฉพาะเจาะจงและฟังดูตรวจสอบได้ และมีสเปกชีตที่บางเป็นพิเศษรองรับอยู่เบื้องหลัง การจ่ายเงินเป็นสองเท่าสำหรับตัวที่สองก่อนที่คุณจะมีความล้มเหลวอยู่ในมือ คือการซื้อประกันภัยต่อปัญหาที่คุณยังไม่เคยสังเกตเห็น — ซึ่งในปริมาณเท่านี้ ไม่ใช่ความผิดพลาดมากเท่ากับความคลาดเคลื่อนจากการปัดเศษ เพียงอย่าปล่อยให้ความคลาดเคลื่อนจากการปัดเศษกลายเป็นสถาปัตยกรรม