
Liquid AI d1.2 ra mắt với đầu vào âm thanh và đầu ra bounding box — và mô hình giá rẻ mới là mô hình đáng quan tâm.
- OrcaMỚIOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 trên 1 triệu token · 180 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 · 89 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 98 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 · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 79 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 · 118 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 · 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 · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 114 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 và Liquid AI d1.2-ultra đã ra mắt trên API của nhà cung cấp vào ngày 16 tháng 11 năm 2026, và con số nổi bật thuộc về mô hình đắt tiền hơn: d1.2-ultra đạt 75 điểm trên Artificial Analysis Decision Index v2.1, đứng đầu trong 25 mô hình ra quyết định được bảng xếp hạng xếp hạng. Thay đổi quan trọng hơn nằm ở phần thân yêu cầu, không phải ở bảng xếp hạng. Cả hai mô hình giờ đây đều trả về những câu trả lời mà thế hệ trước không thể diễn đạt — một giá trị cùng các ký tự mà nó được đọc ra từ đó, một danh sách các span kèm vị trí của chúng, một hộp giới hạn, một số đếm kèm một khoảng xung quanh nó, một tập các tùy chọn mà mỗi tùy chọn mang xác suất riêng — và cả hai đều nhận âm thanh, dù là đối tượng được hỏi đến hay chính là câu hỏi.
Đó là một kiểu phát hành khác hẳn so với một lần cải thiện độ chính xác. Trước đây, một mô hình quyết định trả về một nhãn và một xác suất, nghĩa là bất kỳ pipeline nào cần bằng chứng đằng sau nhãn đều phải gắn thêm một mô hình thứ hai để tìm ra nó. d1.2 trả lời kèm bằng chứng, trong một lượt truyền xuôi, với giá 0,02 USD cho mỗi triệu token đầu vào. d1.2-ultra làm điều tương tự với giá 0,042 USD. Cả hai đều không tạo token đầu ra, nên vẫn không có gì để truyền phát: đây là những mô hình mà bạn gọi và nhận lại một đối tượng có cấu trúc.
Cả hai hiện đều đang hoạt động trên API riêng của Liquid và không ở đâu khác mà nhà cung cấp xác nhận. Phần dưới đây tách bạch những gì Liquid báo cáo với những gì Artificial Analysis đo được, vì trong bản phát hành này, hai bộ số không giống nhau và sự khác biệt đó rất quan trọng.
Những gì thực sự đã được giao, từng mục một
Năm loại câu trả lời mới mang tính bổ sung. Endpoint không thay đổi, ba loại câu hỏi ban đầu không thay đổi, và một ứng dụng khách gửi cùng JSON như hôm qua sẽ nhận được cùng dạng phản hồi.
• Đọc một giá trị — hỏi xem một hóa đơn còn phải trả bao nhiêu và nhận về con số cùng các ký tự nguồn mà nó được đọc ra, hoặc chuỗi "not found" khi trường đó không tồn tại. Đây là tính năng loại bỏ nhiều mã keo nhất, vì cách xử lý tạm thời thông thường là một lệnh gọi sinh thứ hai để đọc lại trang.
• Tìm mọi đoạn thuộc cùng một loại — mọi tên, số điện thoại và địa chỉ email trong một ghi chú, kèm vị trí của từng đoạn trong văn bản. Đó là một primitive che thông tin, và đây là lần đầu tiên dòng sản phẩm này cung cấp một primitive như vậy.
• Định vị các vật thể trong một bức ảnh — một khung bao quanh chữ ký trên một biểu mẫu đã quét, hoặc một khung bao quanh mọi lần xuất hiện của một đối tượng cùng với số lượng. “Không tìm thấy” là một câu trả lời có sẵn, và điều này quan trọng hơn nghe có vẻ: một bộ phát hiện đối tượng buộc phải luôn trả về một khung sẽ bịa ra một khung.
• Ước tính một con số kèm theo một khoảng — mười hai người trong ảnh, có khả năng từ mười đến mười bốn. Khoảng đó là phần trung thực của kết quả đầu ra, và đây là phần mà nếu không có, hầu hết các nhóm sẽ phải tự hiệu chỉnh.
• Hãy chọn mọi tùy chọn phù hợp — thanh toán và giao hàng, mỗi tùy chọn có xác suất riêng, thay vì chỉ một kết quả thắng duy nhất. Trước đây, phân loại đa nhãn được giả lập bằng cách đặt cùng một câu hỏi một lần cho mỗi nhãn và trả chi phí cho trạng thái mỗi lần.
Âm thanh đến từ cả hai chiều. Bản ghi âm có thể chính là đối tượng — ngôn ngữ nào đang được nói, liệu phía sau có tiếng còi báo động hay không — hoặc câu hỏi có thể được nói ra thay vì gõ bằng bàn phím. Liquid báo cáo độ chính xác 95% đến 97% trên các bản ghi âm held-out trong ESC-50 và FLEURS, với ba đến sáu lựa chọn cho mỗi câu hỏi và có cả những cặp dễ nhầm lẫn như tiếng Tây Ban Nha với tiếng Bồ Đào Nha trong danh sách.
Một thay đổi về cách tính phí đi kèm và rất dễ bị bỏ sót. Giờ đây, một yêu cầu chỉ tính phí văn bản và hình ảnh của nó một lần, và mỗi câu hỏi bổ sung chỉ cộng thêm phần văn bản của chính câu hỏi đó. Ở thế hệ trước, mỗi câu hỏi đều tính lại phí toàn bộ lời nhắc bao gồm mọi hình ảnh đính kèm, nên một cuộc hỏi đáp mười câu về một bức ảnh phải trả tiền cho bức ảnh đó mười lần.
Bảng, và vị trí thứ nhất đứng đầu trong điều gì

Artificial Analysis hiện đã chấm điểm cả hai mô hình mới trên Decision Index v2.1, và các con số không phải do nhà cung cấp tự báo cáo: hội đồng đã tự vận hành chúng, trên cùng sáu bài đánh giá, theo giá niêm yết hiện hành. d1.2-ultra đạt 74,85, đứng đầu trong 25 mô hình ra quyết định và cao hơn đối thủ gần nhất trong nhóm mô hình ra quyết định, Drex Max v1.1 ở mức 72,62, tới 2,2 điểm. d1.2 đạt 68,69, đứng thứ chín trong 25, cao hơn mức trung vị của nhóm là 66.
Điều cần lưu ý là “first” chỉ có phạm vi giới hạn. Cùng bảng xếp hạng đó cũng chấm điểm hai mô hình ngôn ngữ tổng quát trên cùng một công cụ, và cả hai đều đánh bại d1.2-ultra hoàn toàn: Claude Haiku 5.5 (Max) đạt 76,49 và GPT-6 Luna (Max) đạt 75,67. Cả hai đều không phải mô hình ra quyết định, và cái giá của phép so sánh này rất đắt — 6.218 đô la và 1.548 đô la mỗi triệu tác vụ, so với 133 đô la — nhưng “đứng số một trên Chỉ số Quyết định” mà không có chữ quyết định trong đó thì không phải là điều bảng xếp hạng thể hiện.
Điều mà bảng xếp hạng thực sự xác nhận, một cách độc lập, là câu chuyện về hiệu chuẩn. Điểm quyết định trên chỉ số này trừ đi điểm Brier của xác suất gắn với câu trả lời được chọn, vì vậy một mô hình đúng nhưng tự tin quá mức sẽ bị phạt. d1.2-ultra có điểm Brier là 0,150, d1.2 là 0,164, và mô hình mà chúng thay thế, d1-ultra, là 0,176. Mô hình mới rẻ hơn được hiệu chuẩn tốt hơn so với mô hình flagship cũ dù đạt điểm tổng thể thấp hơn 1,9 điểm, đây là kiểu chênh lệch chỉ xuất hiện khi có người khác chạy harness.
Thời gian và chi phí cùng hoàn thiện bức tranh tổng thể nhưng lại kéo về hai hướng đối lập. d1.2 chạy ở 150 ms mỗi tác vụ, nhanh thứ tám trên bảng xếp hạng và chỉ thấp hơn một chút so với mức trung vị 206 ms. d1.2-ultra chạy ở 218 ms, chậm hơn mức trung vị và đứng thứ 15. Về chi phí cho mỗi triệu tác vụ, bảng xếp hạng xếp d1.2 ở mức $63, rẻ thứ ba trong số 25, và d1.2-ultra ở mức $133, đứng thứ mười một so với mức trung vị $137.
Các con số của nhiệm vụ mới, và ai đã tạo ra chúng.

Chưa có benchmark công khai nào bao quát bất kỳ loại nào trong năm loại câu trả lời mới, vì vậy mọi con số độ chính xác cho chúng đều đến từ các bộ kiểm thử nội bộ của chính Liquid, được xây dựng từ các phần tách giữ lại của các bộ dữ liệu công khai. Đây là đánh giá của nhà cung cấp đối với mô hình của chính họ trên dữ liệu do họ lựa chọn, và cần được hiểu đúng như vậy.
• Đọc một giá trị từ hoá đơn, trên CORD và SROIE — 98% cho d1.2-ultra, 96% cho d1.2. Một lần đọc được tính là đúng khi nó tìm thấy mục tiêu hoặc nói đúng rằng mục tiêu không tồn tại, điều này khiến trường hợp không tìm thấy trở thành một phần của điểm số thay vì được miễn trừ.
• Các span dữ liệu cá nhân, trên Nemotron PII — độ chính xác 94% và độ thu hồi 93% đối với ultra, 92% và 88% đối với d1.2. Khoảng cách độ thu hồi năm điểm là mức chênh lệch lớn nhất giữa hai mô hình trên bất kỳ nhiệm vụ nào trong số năm nhiệm vụ, và đây là yếu tố quan trọng đối với việc che thông tin, nơi một span bị bỏ sót chính là lỗi khiến bạn bị phạt tiền.
• Định vị đối tượng, trên họ RefCOCO — 94% cho cả hai. Không có sự tách biệt nào cả.
• Đếm trong phạm vi một, trên COCO — 93% cho ultra, 92% cho d1.2.
• Chọn mọi đối tượng có mặt, trên COCO — 87% cho ultra so với 90% cho d1.2, hàng duy nhất mà mô hình rẻ hơn giành chiến thắng.
Vậy bản premium mang lại mức cải thiện rõ ràng khi đọc các giá trị và khi recall theo span, còn với các tác vụ không gian thì gần như không đáng kể. Nếu trường hợp sử dụng của bạn là các hộp, mô hình $0.02 là thứ nên thử trước.
Âm thanh, và bảng thông số kỹ thuật vẫn chưa theo kịp
Âm thanh là tuyên bố có khoảng cách lớn nhất giữa thông báo và hồ sơ độc lập. Bài đăng của Liquid mô tả đầu vào âm thanh như một năng lực nổi bật của cả hai mô hình; thông số kỹ thuật của Artificial Analysis cho cả hai vẫn liệt kê phương thức đầu vào là văn bản và hình ảnh, và chỉ số này không có đánh giá âm thanh, nên không có gì trên bảng kiểm chứng tuyên bố đó. Đó không phải là mâu thuẫn — bảng chỉ đơn giản là chưa đạt tới đó — nhưng điều đó có nghĩa là năng lực âm thanh hiện chỉ là tuyên bố của nhà cung cấp mà không có kiểm chứng của bên thứ ba phía sau.
Lưu ý tương tự cũng áp dụng cho năm kiểu câu trả lời mới: chỉ số không đo lường kiểu nào trong số đó. Một mô hình có thể đứng đầu bảng xếp hạng nhưng lại không được đo lường ở chính việc bạn thực sự muốn làm với nó.
Bảng hiệu chuẩn của nhà cung cấp đáng đọc vì một lý do khác. Trên 13 bộ chuẩn đánh giá và 22.505 câu hỏi được cả năm mô hình trả lời, Liquid đặt sai số hiệu chuẩn ở mức 0,8 điểm cho d1.2-ultra, 1,2 cho d1.2, 2,7 cho Jev 1.14, 3,7 cho Decider v1.3 của Perplexity, và 7,2 cho GPT-6 Luna trên endpoint Decisions của nó. Đó là những con số do nhà cung cấp tự chạy trên một bộ câu hỏi do nhà cung cấp tự chọn. Điểm Brier của hội đồng cho thấy cùng một xu hướng trên cùng hai mô hình, đây là thứ gần nhất với một ý kiến thứ hai có được trong tuần này.
Đang đối chiếu câu chi phí với bảng

Liquid đưa ra một tuyên bố hiếm thấy là có thể bị chứng minh sai: không có mô hình nào đạt điểm cao hơn d1.2 với chi phí thấp hơn, và không có mô hình nào đạt điểm cao hơn d1.2-ultra ở bất kỳ mức giá nào. Cả hai vế đều trụ vững trên bảng, với cùng lưu ý về phạm vi như trước.
• Nửa sau gần như hiển nhiên đúng trong số các mô hình ra quyết định — không có gì khác trên bảng 25 mô hình đạt điểm trên 74,85 cả. Nó chỉ không đúng nếu hai mô hình ngôn ngữ tổng quát được chấp nhận, và chúng tốn chi phí cao gấp 12 đến 47 lần cho mỗi triệu tác vụ.
• Nửa đầu vẫn đứng vững trên bảng quyết định: mọi mô hình quyết định đạt điểm trên 68.69 của d1.2 đều tốn nhiều hơn cho mỗi triệu tác vụ. Đối thủ rẻ gần nhất là Decider v1.3 của Perplexity ở mức 70.41 và $68, tức dưới hai điểm chỉ số với năm đô la mỗi triệu tác vụ — trường hợp gần nhất mà bảng đạt tới một phản ví dụ, và vẫn nằm ở phía đúng trong câu của Liquid.
• Các con số chi phí là của chính Artificial Analysis, được tính theo giá niêm yết hiện hành và lấy trung bình theo trọng số của chỉ số. Đây là chi phí mô hình hóa cho mỗi tác vụ, không phải hóa đơn, và sẽ thay đổi nếu nhà cung cấp thay đổi giá.
Điểm cuối cùng ấy chính là nơi một lớp định tuyến chứng tỏ được giá trị của mình thay vì tự quảng bá. Bản phát hành này đã thay đổi quy tắc tính phí của Liquid, giảm một nửa giá thực tế của mô hình rẻ so với mẫu flagship cũ, và thực hiện điều đó cách đây hai ngày. Về phía chúng tôi, giá niêm yết của nhà cung cấp được chuyển tiếp với mức đánh dấu 0%, nên khi nhà cung cấp giảm giá, mức giảm đó được áp dụng ở đây ngay trong ngày thay vì đến kỳ gia hạn hợp đồng tiếp theo — $0.02 và $0.042 trong bài này là con số của nhà cung cấp, không phải bản trình bày lại đã cộng thêm mức đánh dấu.
Tuần này cần làm gì nếu bạn đã vận hành một mô hình ra quyết định
Không có nội dung nào trong bài này là thông báo về tính khả dụng: cả hai mô hình mới đều đã có trên API của Liquid, và chưa mô hình nào trong số đó có trong danh mục của chúng tôi. Lý do nhắc đến mô hình của chúng tôi là vì bản phát hành này là bản phát hành mô hình quyết định, và mô hình quyết định mà chúng tôi thực sự cung cấp là Jev 1.14 — dòng duy nhất trên bảng đánh bại d1.2-ultra ở một thành phần, EvalSafe-O*NET-AA với 91,14 so với 89,53, trên cùng dạng yêu cầu systemone với giá $0,042 mỗi triệu token đầu vào. Dù bạn kết luận thế nào về năm kiểu câu trả lời mới, phân khúc an ninh và nơi làm việc đã có một giải pháp đương nhiệm mà bạn có thể đối chuẩn ngay hôm nay.
Động thái hợp lý trước khi các nền tảng bên thứ ba mà Liquid hứa hẹn thực sự xuất hiện là một lần chạy shadow. Hãy gửi các trạng thái mà pipeline của bạn vốn đã thấy tới cả hai mô hình d1.2, so sánh xác suất thay vì nhãn top-1, và tập trung cụ thể vào những trường hợp mô hình trả lời 0,8 và sai. Phần đuôi đó chính là nơi thế hệ trước yếu nhất, và đó là điều duy nhất bản phát hành này tuyên bố đã khắc phục mà chỉ số chỉ có thể xác nhận một phần.
Chuyển đổi dự phòng tự động là nửa còn lại của việc dùng thử một mô hình mới ra mắt được hai ngày mà không đặt cược cả một luồng sản xuất vào nó: định tuyến một phần lưu lượng đến d1.2-ultra, giữ mô hình hiện hành ở phía sau, và để một buổi chiều tệ ở một nhà cung cấp làm giảm tỷ lệ trả lời thay vì khiến toàn bộ pipeline sập. Đó là cách rẻ hơn để biết liệu 75 có thật hay không so với việc chờ benchmark của người khác.
Câu hỏi còn bỏ ngỏ không phải là liệu các mô hình này đã được phát hành hay chưa — chúng đã được phát hành, kèm giá và một endpoint — mà là liệu năm kiểu câu trả lời mới có đứng vững bên ngoài các tập held-out của chính Liquid hay không. Chưa ai công bố một con số độc lập cho bất kỳ kiểu nào trong số đó, và cho đến khi có người làm vậy, quan điểm trung thực là bản phát hành này bổ sung một hợp đồng đầu ra thực sự hữu ích dựa trên bằng chứng hoàn toàn thuộc về nhà cung cấp.
