
d1.2 vs Liquid AI D1 Ultra: Nửa giá, kém hai điểm và làm tốt hơn công việc bạn lặp lại
- OrcaMỚIOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 trên 1 triệu token · 184 tok/s
- tencentMỚITencent: Hy4 Flash2026-11-16$0.02 / $0.07 trên 1 triệu token · 223 tok/s
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 87 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 96 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 trên 1 triệu token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 41 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 · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 trên 1 triệu token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
Liquid AI d1.2 có giá 0,02 USD cho mỗi triệu token đầu vào. Liquid AI D1 Ultra, mô hình từng là flagship của dòng này cho đến ngày 16 tháng 11 năm 2026, có giá 0,042 USD. Trên Artificial Analysis Decision Index v2.1, mô hình cũ hơn và đắt hơn vẫn dẫn trước — 70,58 so với 68,69 — và dẫn trước ở năm trong số sáu bài đánh giá cấu thành nên chỉ số này. Vậy nên, so sánh nổi bật cho thấy flagship vẫn là mô hình tốt hơn, và so sánh nổi bật lại chính là thứ ít hữu ích nhất bạn có thể rút ra từ hai hàng này.
Điều thực sự phân biệt chúng là hình thái chứ không phải thứ hạng. D1 Ultra là một mô hình dành cho những phán đoán khó, chỉ một lần: một lỗi trên bo mạch, một yêu cầu bồi thường thiệt hại được đối chiếu với ảnh. d1.2 là một mô hình để được hỏi nhiều điều về cùng một trạng thái, với tốc độ gấp đôi, với cửa sổ ngữ cảnh mà bảng thông số ghi là 66k so với 33k của D1 Ultra, và với năm kiểu câu trả lời mà D1 Ultra không có. Mức chênh lệch $0.022 là có thật; liệu đó có phải là mức chênh lệch quyết định việc bạn chuyển đổi hay không lại là câu hỏi về kiểu yêu cầu của bạn, và điều đó có thể trả lời được từ các dòng đã công bố.
Chênh lệch giá, tính theo những đơn vị thực sự quan trọng
Tính theo mỗi token, việc tăng gấp đôi nghe có vẻ tầm thường. Tính theo mỗi tác vụ, tỷ lệ đó không giống nhau, vì hai mô hình không tiêu thụ cùng số lượng token để trả lời cùng một câu hỏi. Cách mô hình hóa của Artificial Analysis tính chi phí trên mỗi triệu tác vụ theo giá niêm yết hiện tại, và con số của chính bảng xếp hạng là $63 cho d1.2 so với $133 cho D1 Ultra — khoảng cách 2,1× vẫn tồn tại sau khi hạch toán token.
• Giá mỗi triệu token đầu vào — $0,02 cho d1.2 so với $0,042 cho D1 Ultra.
• Chi phí mô hình hóa trên mỗi triệu tác vụ — 63 đô la so với 133 đô la, cả hai theo giá niêm yết hiện hành, cả hai đều lấy từ bảng chứ không phải từ Liquid.
• Decision Index v2.1 — 68.69 (#9 trên 25) so với 70.58 (#6 trên 25).
• Thời gian mỗi tác vụ — 150 ms so với 301 ms. Mô hình giá rẻ mới nhanh gấp đôi.
• Cửa sổ ngữ cảnh — 66k token so với 33k, theo như Artificial Analysis liệt kê; các bài đăng ra mắt của chính Liquid không nêu cửa sổ ngữ cảnh cho cả hai mô hình.
• Phương thức nhập — văn bản và hình ảnh cho cả hai, theo bo mạch. d1.2 bổ sung âm thanh, theo nhà cung cấp, điều mà bảng thông số kỹ thuật của bo mạch chưa cập nhật kịp.
• Điểm Brier, càng thấp càng tốt — 0.164 so với 0.176. Mô hình rẻ hơn là mô hình được hiệu chuẩn tốt hơn.
Hãy đọc dòng cuối hai lần. Calibration là thuộc tính khiến một ngưỡng xác suất trở nên dùng được, và mô hình có giá bằng một nửa giành được nó. Những điểm mà mẫu flagship vẫn giữ được là những điểm về việc biết sự vật, chứ không phải về việc biết nó chắc chắn đến mức nào.
Nơi D1 Ultra vẫn xứng đáng với mức giá của mình

Năm trong số sáu thành phần nghiêng về mô hình cũ hơn, và quy luật trong đó đủ nhất quán để có thể dựa vào đó mà lập kế hoạch.
• AA-Paperclip, các quyết định về tài liệu — 64.69 cho D1 Ultra so với 62.60 cho d1.2, với 51.3% tài liệu hoàn toàn chính xác so với 44.3%. Toàn bộ tài liệu đạt tất cả là thước đo khắt khe hơn: một hóa đơn mười lăm trường với mười bốn trường đúng vẫn bị tính là sai.
• EvalSafe-O*NET-AA, đánh giá tại nơi làm việc — 88,15 so với 86,55 và độ chính xác 82,9% so với 79,7%. Chênh lệch 1,6 điểm ở thành phần này, gần với mức nhiễu nền của một lần chạy lại.
• AA-Omniscience-Decision v1.1, knowledge — 64.39 so với 60.94, với độ chính xác 28.0% so với 30.0% và tỷ lệ không ảo giác 88.6% so với 66.6%. Dòng độ chính xác và dòng từ chối trả lời không đồng thuận, và dòng từ chối trả lời là dòng chi phối điểm số: D1 Ultra từ chối thường xuyên hơn nhiều và được thưởng vì điều đó.
• HLE-MultiChoice v1.1, các câu hỏi khó — 47.39 so với 44.69. Về độ chính xác thô, khoảng cách lại mở rộng theo hướng ngược lại, 6.09% so với 5.30%, và đó là nhiễu trên một bộ đánh giá mà toàn bộ nhóm đều dưới mười phần trăm.
• AA-Symmetry, bất biến khi diễn đạt lại — 78.66 so với 76.52 trên điểm thành phần, mặc dù d1.2 vượt qua nhiều bộ hoàn chỉnh hơn, 50.0% so với 45.8%. Mô hình chủ lực thắng ở điểm từng phần và thua ở thước đo chặt chẽ hơn, nên dòng này không phải là một chiến thắng rõ ràng theo cả hai cách đánh giá.
Nếu khối lượng công việc của bạn là “một tài liệu, một câu hỏi khó, câu trả lời được chuyển cho một người sẽ hành động dựa trên đó,” thì những dòng đó mô tả chính xác trường hợp mà mẫu flagship cũ vẫn là lựa chọn đúng, và chênh lệch giá ở khối lượng đó chỉ là sai số làm tròn.
Trường hợp d1.2 không gần
Một thành phần di chuyển theo hướng ngược lại, và nó di chuyển một quãng đường dài.
• When2Call, các quyết định về công cụ và hàm — 96.09 cho d1.2 so với 93.83 cho D1 Ultra, với độ chính xác 95.5% so với 93.0%. Đây là thành phần quyết định liệu một tác nhân có gọi đúng hàm với đúng đối số hay không, và đây là lý lẽ đơn lẻ mạnh nhất cho mô hình mới trong một ngăn xếp tác nhân.
Rồi còn có mọi thứ mà chỉ số không đo lường. Năm kiểu câu trả lời mới — một giá trị kèm các ký tự mà từ đó nó được đọc ra, các đoạn trích kèm vị trí, hộp, số đếm kèm khoảng, chọn nhiều kèm xác suất theo từng tùy chọn — chỉ tồn tại trên d1.2, và chỉ số không chấm điểm bất kỳ kiểu nào trong số đó. Các con số độ chính xác của chúng là của chính Liquid, trên các tập kiểm thử nội bộ được xây dựng từ các phần tách giữ lại của những bộ dữ liệu công khai, và chúng được ghi nhãn như vậy ở mọi nơi chúng xuất hiện bên dưới.
Theo số liệu của nhà cung cấp, hai mô hình mới khá sát nhau và hoàn toàn không có dòng D1 Ultra, vì các loại tác vụ chưa tồn tại khi nó ra mắt: 98% và 96% khi đọc một giá trị từ hóa đơn đối với d1.2-ultra và d1.2, 94%/93% so với 92%/88% trên các đoạn dữ liệu cá nhân, 94% cho cả hai ở định vị đối tượng, và 87% so với 90% ở việc chọn mọi đối tượng hiện có. Sự thật liên quan cho so sánh này không phải là các tỷ lệ phần trăm — mà là mô hình cũ hơn không thể biểu đạt những câu trả lời này, vì vậy một pipeline cần chúng không phải đang chọn giữa hai mô hình. Nó đang chọn giữa một mô hình và một giải pháp thay thế.
Quy tắc thanh toán, vốn có giá trị hơn hai điểm chỉ số

D1 Ultra tính phí mỗi câu hỏi như một prompt riêng, bao gồm mọi hình ảnh đính kèm. Hỏi mười câu về một bức ảnh thì bức ảnh đó bị tính phí mười lần: theo mức 1,5 token cho mỗi ô 32×32 pixel do Liquid công bố, một ảnh 1024×1024 là 1.536 token, vì vậy mười câu hỏi mang 15.360 token hình ảnh trước cả một chữ văn bản. d1.2 chỉ tính phí văn bản và hình ảnh của một yêu cầu một lần, và mỗi câu hỏi thêm chỉ cộng thêm phần văn bản của chính nó.
Hãy tính trên một yêu cầu cụ thể: một tài liệu 2,000 token, một hình ảnh 1024×1024, mười câu hỏi, mỗi câu khoảng 30 token. Theo quy tắc cũ, yêu cầu này mang khoảng 35,700 token; theo quy tắc mới, khoảng 3,840. Theo mức giá riêng của từng mô hình, con số đó là khoảng $0.0015 trên D1 Ultra so với khoảng $0.00008 trên d1.2 — khoảng cách giá và khoảng cách tính phí cộng dồn thay vì triệt tiêu nhau. Với 250,000 yêu cầu mỗi tháng, mức chênh lệch là khoảng $375 so với $20.
Đây là phép tính trên chính mô tả tính phí của Liquid, không phải một hoá đơn được đo lường, và tỷ lệ sẽ sụp về 1× nếu bạn hỏi một câu cho mỗi tiểu bang. Câu hỏi duy nhất đó chính là toàn bộ quyết định: bạn càng hỏi nhiều câu về cùng một tài liệu thì so sánh càng ít liên quan đến điểm chỉ số.
Có gì thay đổi trong client
Endpoint vẫn giữ nguyên — api.liquid.ai/decisions/v1/systemone — và chuỗi mô hình chính là bước chuyển đổi. Ba loại câu hỏi ban đầu vẫn giữ nguyên hình thức; phản hồi vẫn là JSON có cấu trúc với một xác suất cho mỗi tùy chọn và không có token đầu ra, nên không có gì trong việc phân tích cú pháp của bạn thay đổi. Những gì bạn nhận được mang tính bổ sung và không làm hỏng bất cứ thứ gì vốn đã hoạt động.
Điểm mấu chốt nằm ở vận hành chứ không phải kỹ thuật: D1 Ultra không bị ngừng hỗ trợ, cả hai mô hình chỉ tính phí trên token đầu vào và Liquid bán cả hai từ cùng một bảng điều khiển. Không có yếu tố thúc ép nào để chuyển đổi, nghĩa là việc di chuyển sẽ không tự diễn ra và nên được lên lịch dựa trên một khối lượng công việc có thể đo lường thay vì dựa vào ngày ra mắt.
Chạy cả hai mà không cam kết với bên nào
Một lưu ý về quyền truy cập trước phần vận hành: d1.2 và D1 Ultra đều được cung cấp từ API riêng của Liquid, và cả hai đều không có trong danh mục của chúng tôi — đây là so sánh, không phải tuyên bố về tính sẵn có. Lý do danh mục của chúng tôi lại liên quan là Jev 1.14, mô hình đạt EvalSafe-O*NET-AA ở mức 91,14 trong khi d1.2 đạt 86,55, sử dụng cùng cấu trúc yêu cầu systemone và tính phí $0.042 cho mỗi triệu token đầu vào. Nếu quyết định chuyển đổi chỉ còn phụ thuộc vào một thành phần mà bạn không thể đánh mất, thì đó chính là mô hình để bạn kiểm tra nó.
Cách phân tách hợp lý đi theo bức tranh thành phần đã được sửa chữa thay vì dòng tiêu đề. Hãy gửi các trạng thái nhiều câu hỏi, bất cứ thứ gì có hình ảnh trong đó và bất cứ thứ gì mà một agent định tuyến chuyển tiếp sang d1.2 — đó là nơi cửa sổ ngữ cảnh, tốc độ và When2Call của nó đều hội tụ về cùng một hướng. Giữ các phán đoán tài liệu khó, đơn lẻ và các câu hỏi kiến thức có câu trả lời xác định trên D1 Ultra cho đến khi mẫu của chính bạn cho kết quả khác. Hai tuyến, mỗi tuyến một điều kiện, được viết theo loại câu hỏi thay vì bị mã hóa cứng vào ba dịch vụ: đó chính là việc mà DSL định tuyến dùng để làm, và vì giá niêm yết của nhà cung cấp được chuyển qua với mức tăng giá 0%, một thay đổi đối với một trong hai mức giá Liquid sẽ hiện rõ với hệ thống định tuyến ngay trong ngày nó xảy ra thay vì ở lần gia hạn tiếp theo. Tự động chuyển đổi dự phòng sau đó bao phủ trường hợp một trong hai mô hình có một buổi chiều tồi tệ giữa lúc di chuyển.

Một lần chạy thử ngầm gần như không tốn gì ở quy mô này: đưa vài nghìn trạng thái thực của bạn qua cả hai mô hình, so sánh xác suất thay vì nhãn, và đếm các trường hợp D1 Ultra cho là 0.85 và bị sai, đối chiếu với cùng những trường hợp đó trên d1.2. Ban lãnh đạo nói mô hình mới được hiệu chỉnh tốt hơn về tổng thể; mẫu của bạn là thứ duy nhất cho biết liệu nó có được hiệu chỉnh tốt hơn trên dữ liệu của bạn hay không, và đó là con số mà quá trình chuyển đổi nên dựa vào.
