
d1.2-ultra so với Liquid AI D1 Ultra: Cùng mức giá, gấp đôi ngữ cảnh, và một điểm lại tệ hơn
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 90 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 97 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaMỚIOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 87 tok/s
- OrcaMỚIOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 133 tok/s
- OrcaMỚIOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 trên 1 triệu token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 trên 1 triệu token · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Trí tuệ
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Trí tuệ
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 trên 1 triệu token · 219 tok/s
Liquid AI d1.2-ultra có giá đúng bằng Liquid AI D1 Ultra: 0,042 USD mỗi triệu token đầu vào, không tính phí token đầu ra, cùng endpoint, cùng ba loại câu hỏi mà bạn đã gửi. Nó ra mắt ngày 16 tháng 11 năm 2026, một tháng sau mô hình mà nó thay thế, và nó tốt hơn ở điểm tổng hợp — 74,85 so với 70,58 trên Artificial Analysis Decision Index v2.1, đứng đầu trong 24 so với vị trí thứ sáu. Vì vậy, việc nâng cấp là miễn phí và hiển nhiên, và bạn nên chọn nó. Điều khiến quyết định này đáng một bài viết thay vì một dòng changelog là việc bốn trong số mười sáu chỉ số thành phần được công bố đã đi lùi, và hai trong số đó chính là những chỉ số mà một pipeline dựa trên ngưỡng nhạy cảm nhất.
Mô thức này rất cụ thể. Mô hình mới đọc tài liệu tốt hơn nhiều, tốt hơn nhiều khi bị diễn đạt lại, và hơi kém hơn ở việc biết các thứ và ở việc từ chối trả lời. Nếu pipeline của bạn dùng Liquid AI D1 Ultra làm engine trích xuất, thì phiên bản kế nhiệm là một thắng lợi rõ ràng. Nếu nó được dùng như một người gác cổng lẽ ra phải nói "Tôi không biết" khi tình huống mơ hồ, thì phiên bản kế nhiệm là một quyết định hai mô hình, không phải một sự thay thế.
Cả hai mẫu trên cùng một thiết bị

Phép so sánh này sạch một cách bất thường vì cả hai hàng đều do cùng một tổ chức tạo ra trên cùng một phiên bản của cùng một bảng xếp hạng, điều không đúng với hầu hết các quyết định nâng cấp. Artificial Analysis đã chạy d1-ultra và d1.2-ultra trên Decision Index v2.1, nên ở đây không có gì phụ thuộc vào việc so sánh một con số của nhà cung cấp với một con số độc lập, hay vào một lần sửa đổi chỉ số làm thay đổi tiêu chí giữa hai bản phát hành. Tiêu đề của chính nhà cung cấp cho mô hình mới — vị trí thứ nhất, dẫn trước hai điểm — khớp với bảng xếp hạng mà họ nêu tên.
• Giá — $0.042 cho mỗi triệu token đầu vào đối với cả hai. Hoàn toàn giống nhau và không thay đổi sau bản nâng cấp.
• Chỉ số Quyết định v2.1 — d1.2-ultra 74,85 (hạng 1/24) so với d1-ultra 70,58 (hạng 6).
• Cửa sổ ngữ cảnh — 66k token so với 33k, theo thông số kỹ thuật của hội đồng. Các bài đăng ra mắt của Liquid không nêu cửa sổ nào cho cả hai mô hình.
• Thời gian mỗi tác vụ — 218 ms so với 301 ms. Bản nâng cấp cũng nhanh hơn một phần ba.
• Chi phí cho mỗi triệu tác vụ — $133 cho cả hai, đúng như kỳ vọng với mức giá token giống hệt nhau và số lượng token tương tự cho mỗi tác vụ.
• Điểm Brier — 0,150 so với 0,176, càng thấp càng tốt. Đây là con số duy nhất nói trực tiếp nhất rằng "được hiệu chỉnh tốt hơn".
Quy tắc thanh toán đã thay đổi, và nó có giá trị hơn các điểm chỉ số
Dưới d1-ultra, mỗi câu hỏi được tính phí như một prompt riêng, bao gồm mọi hình ảnh đính kèm. Đặt mười câu hỏi về một bức ảnh thì bạn phải trả tiền cho bức ảnh đó mười lần, với ảnh 1024×1024, nghĩa là 1.536 token nhân với mười trước khi bất kỳ văn bản nào được tính. Dưới d1.2-ultra, yêu cầu chỉ tính phí văn bản và hình ảnh của nó một lần, và mỗi câu hỏi bổ sung chỉ cộng thêm văn bản của chính câu hỏi đó.
Hãy cùng tính qua một yêu cầu thực tế: một tài liệu 2.000 token, một ảnh 1024×1024, mười câu hỏi khoảng 30 token mỗi câu. Quy tắc cũ tính khoảng 35.700 token; quy tắc mới tính khoảng 3.840. Với cùng mức $0,042 mỗi triệu, tức là $0,0015 so với $0,00016 mỗi yêu cầu — rẻ hơn hơn chín lần một chút cho cùng một công việc, ở cùng mức giá đã công bố, từ cùng nhà cung cấp, mà không kèm theo tiêu đề thông báo nào. Với 100.000 yêu cầu mỗi tháng, khoảng $150 trở thành khoảng $16.
Cả hai con số đều là phép tính dựa trên mô tả tính phí của chính các nhà cung cấp chứ không phải đo đạc từ một hóa đơn thực tế, và tỷ lệ này phụ thuộc hoàn toàn vào số câu hỏi bạn đặt cho mỗi trạng thái. Hỏi một câu cho mỗi tài liệu thì hai mô hình có chi phí như nhau. Hỏi mười câu, và bản nâng cấp "miễn phí" lại là thay đổi chi phí lớn nhất trong bản phát hành.
Mô hình mới thực sự làm tốt hơn ở điểm nào

Bốn thành phần đã tăng lên, và hai trong số đó đã tăng rất nhiều.
• AA-Paperclip, 30% của chỉ số — 75.81 so với 64.69 về điểm quyết định, và 67.7% so với 51.3% tài liệu hoàn toàn chính xác. Mười một điểm tỷ lệ tài liệu đạt tất cả trên thành phần có trọng số lớn nhất chính là toàn bộ câu chuyện của mức tăng tổng hợp mười hai điểm. Đây là con số cần nhìn vào nếu bạn trích xuất các trường từ hóa đơn, biên lai hoặc sơ yếu lý lịch, vì một tài liệu bỏ sót một trong mười lăm câu trả lời thì dù thế nào vẫn bị tính là bỏ sót.
• AA-Symmetry, 15% — 86.34 so với 78.66, với độ nhất quán đạt tất cả tăng từ 45.8% lên 56.7%. Diễn đạt lại câu hỏi, xáo trộn các lựa chọn, phủ định một câu hỏi có/không, và mô hình mới giữ nguyên câu trả lời của mình thường xuyên hơn nhiều.
• When2Call, 10% — 96.49 so với 93.83. Gọi công cụ vốn đã là điểm mạnh của dòng mô hình này; đây là mức tăng nhỏ hơn ở một thành phần vốn đã gần đạt mức trần.
• EvalSafe-O*NET-AA, 15% — 89.53 so với 88.15. Một điểm rưỡi về đánh giá tài liệu nơi làm việc, mức gần như nhiễu và không nên được quảng bá như một sự cải thiện.
• AA-Omniscience-Decision v1.1, 15% — 60,80 so với 64,39 trên điểm quyết định. Giảm bốn điểm ở thành phần vốn nửa kiến thức và nửa trung thực.
• HLE-MultiChoice v1.1, 15% — 46.36 so với 47.39. Giảm một điểm ở thành phần mà toàn bộ nhóm đều yếu.
Hai hồi quy, nói một cách đơn giản
Sự sụt giảm toàn tri không phải là một artefact tính điểm; nó xuất hiện trong các hàng độ chính xác và từ chối trả lời bên dưới, và chúng mâu thuẫn với nhau theo cách đáng để hiểu trước khi bạn chuyển đổi.
• Độ chính xác AA-Omniscience-Decision — d1-ultra trả lời đúng 28,0% số câu hỏi, d1.2-ultra 23,6%. Phiên bản tiền nhiệm biết nhiều hơn.
• AA-Omniscience-Decision non-hallucination — d1-ultra 88,6%, d1.2-ultra 83,8%. Phiên bản tiền nhiệm cũng tốt hơn ở việc không bịa ra câu trả lời. Cả hai dòng đều thay đổi theo cùng một hướng, nghĩa là đây là thay đổi năng lực thực sự chứ không phải sự dịch chuyển về mức độ thận trọng mà mô hình dành cho các lần từ chối trả lời.
• Độ chính xác HLE-MultiChoice — 6,09% so với 2,36%, mô hình mới đứng cuối trong số 24 mô hình về độ chính xác thô. Tỷ lệ không ảo giác của nó trên cùng bộ dữ liệu đã tăng, từ 56,9% lên 76,1%, vì vậy mức giảm độ chính xác một phần là cái giá của việc từ chối trả lời nhiều hơn. Nhưng không hoàn toàn: cặp "omniscience" ở trên cho thấy mô hình trả lời ít hơn VÀ đúng ít hơn.
Hệ quả đối với một pipeline hẹp hơn vẻ ngoài của nó. Nếu bạn đặt ngưỡng theo xác suất và chuyển các trường hợp độ tin cậy thấp cho con người, thì một mô hình từ chối trả lời nhiều hơn đang giúp bạn, và con số 83,8% không ảo giác vẫn đứng thứ sáu trong số 24. Nếu bạn dùng mô hình làm cổng tự động cho những câu hỏi đòi hỏi phải biết một dữ kiện — tuyên bố này có nhất quán với chính sách không, đoạn mã này có khớp với đặc tả không — thì phiên bản tiền nhiệm rẻ hơn lại tốt hơn một cách rõ rệt, và không có lý do gì để không tiếp tục dùng nó cho phần đó.
Bạn phải thay đổi gì trong client của mình
Gần như không có gì, và đó chính là lý do nên làm ngay bây giờ thay vì đợi đến quý sau. Điểm cuối vẫn giữ nguyên, api.liquid.ai/decisions/v1/systemone, được gọi với "model": "d1.2-ultra"; ba loại câu hỏi không thay đổi; phản hồi vẫn là JSON có cấu trúc với xác suất cho mỗi lựa chọn và không có token đầu ra. Việc di chuyển chỉ là thay đổi một chuỗi và triển khai lại.
Những gì mới mang tính bổ sung, và đáng để biết vì nó loại bỏ các cách xử lý vòng vo thay vì thêm tính năng. Năm kiểu trả lời mới gia nhập cùng những kiểu hiện có: đọc một giá trị từ trang và trả về các ký tự mà giá trị đó được đọc ra, hoặc "không tìm thấy"; trả về mọi đoạn của một loại kèm vị trí, bao trùm việc biên tập PII mà không cần mô hình thứ hai; trả về một khung bao quanh một đối tượng hoặc mọi đối tượng cùng số lượng; trả về một ước lượng kèm khoảng; và trả về mọi lựa chọn áp dụng được cùng xác suất riêng của nó. Đầu vào âm thanh hoạt động theo cả hai chiều — bản ghi có thể là chủ thể, hoặc có thể là câu hỏi, được nói thay vì gõ.
Các tuyên bố về độ chính xác cho năm tác vụ đó là của chính Liquid, trên các bộ kiểm thử nội bộ được xây dựng từ các phần tách giữ lại của các bộ dữ liệu công khai, vì chưa có chuẩn đánh giá công khai nào bao phủ chúng. Theo số liệu của nhà cung cấp, hai mô hình rất sát nhau: 98% so với 96% khi đọc một giá trị từ biên lai, 94%/93% so với 92%/88% trên các đoạn PII, 94% mỗi mô hình ở tác vụ định vị đối tượng, và ở hai tác vụ cuối, mô hình cũ không phải mô hình yếu hơn ở mọi dòng — mô hình mới thắng ở tác vụ đếm trong phạm vi một với 93% so với 92% và thua ở tác vụ chọn mọi đối tượng hiện diện với 87% so với 90%.
Chạy song song bản cũ và bản mới.
Giữ cả hai là một cách chuyển đổi trung thực và không tốn kém: chúng là các chuỗi model khác nhau trên cùng một endpoint và cả hai hiện đều nằm trên API riêng của Liquid, với cùng mức giá, cùng khóa từ console.liquid.ai. Cả hai đều không có trong danh mục của chúng tôi, và bài viết này không phải là tuyên bố về tính sẵn có cho bên nào.
Điều khiến một lớp định tuyến trở nên hữu ích ở đây là việc phân tách giữa hai mô hình là quyết định theo từng câu hỏi chứ không phải theo từng dịch vụ. Mô hình kế nhiệm là mô hình để gửi tài liệu, hình ảnh và bất kỳ thứ gì bạn sẽ đặt ngưỡng; mô hình tiền nhiệm là mô hình để gửi các phán đoán nặng về dữ kiện, nơi các hàng về độ chính xác và khả năng từ chối trả lời của nó vẫn tốt hơn. Hãy kết hợp điều đó thành hai tuyến phía sau một API — DSL định tuyến cho phép bạn tách theo loại câu hỏi hoặc theo kích thước trạng thái thay vì theo ranh giới dịch vụ được mã hóa thủ công — và hai mô hình không còn cạnh tranh cho cùng một vị trí. Không có gì về phía chúng tôi thay đổi mức $0.042 mà một trong hai mô hình phải trả: giá niêm yết của nhà cung cấp được chuyển tiếp với mức markup 0%, vì vậy một thay đổi giá của Liquid sẽ có hiệu lực ở đây ngay trong ngày thay vì vào chu kỳ thanh toán tiếp theo. Và khi API của một nhà cung cấp gặp trục trặc, chuyển đổi dự phòng tự động là thứ giữ cho tuyến tài liệu vẫn hoạt động thay vì biến một nhà cung cấp thành điểm lỗi duy nhất cho toàn bộ pipeline.
Bản nâng cấp, mỗi mục một dòng
Hãy dùng d1.2-ultra cho tài liệu, cho hình ảnh, cho các trạng thái mơ hồ và cho bất cứ thứ gì bạn đặt ngưỡng dựa trên — nó tốt hơn mười một điểm ở thành phần tài liệu, tốt hơn tám điểm ở tính đối xứng, nhanh hơn một phần ba, tăng gấp đôi cửa sổ ngữ cảnh và, nếu bạn hỏi nhiều hơn một câu cho mỗi trạng thái, sẽ cắt hóa đơn của bạn xuống một bậc độ lớn.
Giữ d1-ultra cho cơ chế gating thiên về sự kiện, nơi các hàng độ chính xác omniscience và non-hallucination của nó vẫn đều cao hơn, và nơi độ chính xác HLE gần gấp ba lần của mô hình kế nhiệm, dù cả hai con số đều nhỏ.
Chỉ bỏ qua hoàn toàn việc migration nếu các state của bạn không chứa hình ảnh, mỗi state chỉ có một câu hỏi và không có ngưỡng — trường hợp mà hai mô hình có chi phí như nhau và mô hình mới đơn giản là tốt hơn ở mọi đánh giá bạn dùng. Trong trường hợp đó, lý do duy nhất để chờ là mười chín giờ cần thiết để phát hiện ra rằng không có gì bị hỏng.

