一张生成的标题卡,标题为“价格减半,速度翻倍”,副标题为“Liquid AI d1.2 对比 Liquid AI D1 Ultra”。两张大型圆角卡片并排:左侧卡片标题为“d1.2”,内容为“$0.02”/“每 100 万输入 token”,以及“每任务 150 毫秒”;右侧卡片标题为“D1 Ultra”,内容为“$0.042”/“每 100 万输入 token”,以及“每任务 301 毫秒”。下方说明文字为“较旧的旗舰型号仍在六项组件中的五项上胜出”,三个描边标签分别写着“66k 对 33k 上下文”、“Brier 0.164 对 0.176”和“由 Artificial Analysis 测量”。OrcaRouter 标志合成在右下角。
Guides & Insights

d1.2 对比 Liquid AI D1 Ultra:价格减半,落后两分,却更擅长你反复执行的工作

作者

Gideon Frost

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

Liquid AI d1.2 每百万输入 token 收费 0.02 美元。Liquid AI D1 Ultra 直到 2026 年 11 月 16 日一直是该系列的旗舰模型,其价格为 0.042 美元。在 Artificial Analysis Decision Index v2.1 上,这款更旧、更贵的模型依然领先——70.58 对 68.69——而且在构成该指数的六项评测中有五项领先。因此,最直观的对比表明旗舰仍然是更好的模型,而这种最直观的对比,恰恰是你从这两行数据中能得出的最没用的东西。

真正区分它们的是形态,而不是排名。D1 Ultra 是用于高难度、单次判断的模型:电路板上的缺陷、对照照片核验的损坏索赔。d1.2 则是用于针对同一状态同时被询问多个问题的模型,速度是两倍,上下文窗口在榜单上列为 66k,而 D1 Ultra 为 33k,并且支持五种 D1 Ultra 不具备的答案类型。$0.022 的差价是真实存在的;它是否就是决定你是否迁移的那个差异,是一个关于你的请求模式的问题,而这可以从已公布的数据行中找到答案。

以真正重要的单位衡量的价格差距

按 token 计,翻倍听起来微不足道。按任务计,比例却并不相同,因为两个模型回答同一个问题所消耗的 token 数量并不一样。Artificial Analysis 按当前标价估算了每百万任务的成本,而该榜单自己给出的数字是:d1.2 为 $63,D1 Ultra 为 $133——2.1× 的差距在 token 核算后依然存在。

• 每百万输入 token 的价格 — d1.2 为 $0.02,而 D1 Ultra 为 $0.042。

每百万任务的建模成本——63美元对133美元,两者均按当前标价计算,且均取自看板而非Liquid。

• 决策指数 v2.1 — 68.69(共 25 个中第 9)对比 70.58(共 25 个中第 6)。

• 每项任务耗时——150 毫秒 vs 301 毫秒。新的低成本模型速度是原来的两倍。

• 上下文窗口——根据 Artificial Analysis 所列,为 66k 个 token 对 33k 个 token;Liquid 自己的发布帖称,两个模型均未列出窗口大小。

• 输入方式——根据板卡,两者均支持文本和图像。d1.2 根据供应商增加了音频,而板卡的规格表尚未跟上这一变化。

• Brier 分数,越低越好——0.164 对 0.176。更便宜的模型校准得更好。

把最后一行读两遍。校准是让概率阈值变得可用的特性,而价格只有一半的模型正是在这一点上胜出。旗舰模型仍然保持的那些优势,关乎的是知道事情本身,而不是知道自己有多确定。

D1 Ultra 仍在哪些方面物有所值

A generated two-column scoreboard titled ‘d1.2 vs D1 Ultra - the scoreboard’. The d1.2 column lists Decision Index 69, AA-Paperclip 62.6, When2Call 96.1, AA-Omniscience 60.9, context window 66k and time per task 150 ms. The D1 Ultra column lists Decision Index 71, AA-Paperclip 64.7, When2Call 93.8, AA-Omniscience 64.4, context window 33k and time per task 301 ms. The footer reads ‘Both rows per Artificial Analysis Decision Index v2.1; context windows as listed by the board, not stated by the vendor.’ The OrcaRouter mark is composited bottom right.

六个组成部分中有五个更青睐较旧的型号,而且其中的模式足够一致,可以据此进行规划。

• AA-Paperclip,文档判定——D1 Ultra 为 64.69,而 d1.2 为 62.60,文档完全正确的比例为 51.3%,而后者为 44.3%。整篇文档全部通过是更严苛的衡量标准:一张有十五个字段的发票,即使十四项正确,也算作未通过。

• EvalSafe-O*NET-AA,职场判断——88.15 对 86.55,准确率 82.9% 对 79.7%。该组件上 1.6 个百分点的差异,接近重跑的噪声底。

• AA-Omniscience-Decision v1.1,知识 — 64.39 对 60.94,准确率为 28.0% 对 30.0%,非幻觉率为 88.6% 对 66.6%。准确率行与弃答行不一致,而弃答行才是主导得分的那一行:D1 Ultra 弃答的频率高得多,并因此获得奖励。

• HLE-MultiChoice v1.1 的难题——47.39 对 44.69。在原始准确率上,差距反而朝另一方向扩大,6.09% 对 5.30%;而在一个所有参与者都低于百分之十的基准上,这不过是噪声。

• AA-Symmetry,对改写的不变性——组件得分 78.66 对 76.52,不过 d1.2 通过更多完整集合,50.0% 对 45.8%。旗舰模型在部分得分上胜出,却在更严格的指标上落败,因此这一行无论从哪方面看都不是一次干净的胜利。

如果你的工作负载是“一份文档、一个难题,答案会交给一个会据此采取行动的人”,那么那些行描述的正是旧款旗舰仍是正确选择的场景,而在这种用量下,价格差异只是一个舍入误差。

当 d1.2 不接近时

一个组件朝相反方向移动,而且移动幅度很大。

• When2Call、工具与函数决策——d1.2 为 96.09,D1 Ultra 为 93.83,准确率分别为 95.5% 和 93.0%。该组件决定智能体是否以正确的参数调用正确的函数,也是新模型在智能体技术栈中最有力的单一论据。

然后还有索引未衡量的一切。五种新的答案类型——一个值及其读取自的字符、带位置的跨度、框、带范围的计数、带每个选项概率的多选——仅存在于 d1.2 上,而索引不会对其中任何一种评分。它们的准确率数字是 Liquid 自己的,基于由公共数据集的留出划分构建的内部测试集,并且在下文出现的所有地方都如此标注。

按厂商给出的数字,两款新模型彼此接近,而且完全没有 D1 Ultra 这一行,因为这些任务类型在它发布时还不存在:在从收据中读取数值方面,d1.2-ultra 和 d1.2 分别为 98% 和 96%;在个人数据片段上,分别为 94%/93% 对 92%/88%;在对象定位上两者均为 94%;而在挑选出所有存在的对象上为 87% 对 90%。这次比较的关键事实不在于百分比,而在于较旧的模型无法表达这些答案,因此需要这些答案的流水线并不是在两个模型之间做选择。它是在一个模型和一种变通方案之间做选择。

计费规则,其价值超过那两个指数点

A headless-browser screenshot of the Artificial Analysis d1-ultra model page, captured 18 November 2026 in English, dated October 2026. The summary panel reads that d1-ultra is among the leading models on the Decision Index and reasonably priced, and notably slow: a Decision Index score of 71 against a median of 66, 301 ms per task against a median of 206 ms, $0.042 per 1M input tokens, and about $133 per 1M tasks against a median of $137. The rank badge reads #6/25 on the Decision Index and #11/25 on cost, and the technical specification lists text and image input with a 33k-token context window.

D1 Ultra 会将每个问题都作为独立的提示词计费,包括每张附加图片。针对一张照片问十个问题,这张照片就会被计费十次:按照 Liquid 所述每 32×32 像素图块 1.5 个 token 计算,一张 1024×1024 的图像为 1,536 个 token,因此十个问题在还没算上任何文本之前,就已包含 15,360 个图像 token。d1.2 对一次请求中的文本和图片只计费一次,之后每个附加问题只增加其自身的文本。

用一个具体请求来算一下:一份 2,000 token 的文档、一张 1024×1024 的图片、十个每个约 30 token 的问题。按旧规则,这个请求大约承载 35,700 个 token;按新规则,大约 3,840 个。按各模型自身的价格计算,在 D1 Ultra 上约为 $0.0015,而在 d1.2 上约为 $0.00008——价格差和计费差会叠加,而不是相互抵消。按每月 250,000 个请求计算,差额约为 $375 对 $20。

这是对 Liquid 自家计费说明的算术推算,并非实测账单;如果每个州只问一个问题,这个比率就会降到 1×。那一个问题就是整个决策:你对同一份文档问的问题越多,这项比较就越不是关于索引点的。

客户端有哪些变化

端点相同—— api.liquid.ai/decisions/v1/systemone——而模型字符串就是迁移的内容。原有的三种问题类型保持原有形式;响应仍是结构化 JSON,每个选项对应一个概率,且不产生输出 token,因此你的解析逻辑无需任何改动。新增的能力是附加式的,不会破坏任何已经正常工作的部分。

关键在于这是运营层面的问题,而非技术层面的问题:D1 Ultra 并未被弃用,两个模型都只按输入 token 计费,而且 Liquid 在同一个控制台中销售两者。没有任何强制推动迁移的因素,这意味着迁移不会自行发生,应当根据可衡量的工作负载来安排,而不是根据发布日期。

同时运行两者,但不对任何一方做出承诺

在进入操作部分之前,先说明一下访问权限:d1.2 和 D1 Ultra 均由 Liquid 自有 API 提供,二者都不在我们的产品目录中——这是对比,而非可用性声明。我们的目录之所以仍有参考意义,是因为Jev 1.14:它在 EvalSafe-O*NET-AA 上保持在 91.14,而 d1.2 为 86.55;它采用相同的 systemone 请求结构,并且每百万输入 token 收费 0.042 美元。如果迁移决策最终取决于一个你无法承受失去的组件,那就应该用这个模型来测试它。

真正合理的拆分应遵循修正后的组件图景,而不是标题。将多问题状态、任何包含图像的内容,以及任何代理继续转交的内容都发送到 d1.2——这正是其上下文窗口、速度以及 When2Call 线索全都指向同一方向的地方。将单个困难文档判断和具有确定答案的知识问题保留在 D1 Ultra 上,直到你自己的样本给出不同结果。两条路由,各有一个条件,按问题类型编写,而不是硬编码到三个服务中:这正是 routing DSL 的用途,并且由于提供商标价以 0% 加价透传,任一 Liquid 价格的变更在发生当天就对路由可见,而不是等到下一次续约。自动故障转移 随后覆盖两个模型之一在迁移中途状态不佳的情况。

A headless-browser screenshot of the OrcaRouter model page for typesafe/jev-1.14, captured 18 November 2026 in English, showing the /v1/decisions/v1/systemone endpoint family, Zero Data Retention availability, a $0.04 list price per million input tokens, and measured latencies of 182 ms and 372 ms.

在这个规模下,影子运行几乎不花什么成本:把你几千条真实状态分别跑过两个模型,比较概率而不是标签,并统计 D1 Ultra 给出 0.85 却出错的案例,再拿这些同样的案例去对照 d1.2。看板说新模型整体校准得更好;只有你的样本能说明它在你数据上是否校准得更好,而迁移决策应该取决于这个数字。