d1-omni 对决 Liquid AI D1 Ultra：一个 850MB 的文件对上 0.042 美元的计量器，而算出来的账并非你所料

当你把 d1-omni 与 Liquid AI D1 Ultra 放在一起时，直觉会认为它们分处一个区间的两端，选择关乎野心。一个是 587M 参数的开放权重模型——本周出现在 Ollama 库中的那个 tag 在磁盘上为 850MB，这个检查点自 2026 年 10 月 5 日以来已从 Hugging Face 下载约 13,900 次。另一个是 Liquid AI 于 2026 年 10 月 15 日发布的旗舰决策模型，未披露参数数量，未发布权重，只有一个比任何基准测试都更重要的公开数字：每百万输入 token 0.042 美元。租用一个前沿决策模型，还是拥有一个小模型，听起来像是预算问题。拿真实工作负载算一笔账，它多半就不再是预算问题了——小模型的优势不在于便宜，而在于它属于你。

这个区别值得精确界定，因为被比较的二者并不是同一货架上的两个模型。Liquid AI D1 Ultra 是你调用的端点。d1-omni 是你运行的文件。二者都回答同样三种问题形态——带概率的“是/否”、带每个标签概率的标签，或量表上的一个位置——并且都在单次前向传播中返回这些答案，生成零个输出 token。此后的一切，包括答案的成本以及当答案发生漂移时由谁负责，都取决于你选择了二者中的哪一个。

租赁侧，按照 Liquid AI 实际计费的方式定价

Liquid AI D1 Ultra 仅对输入收费，每百万输入 token 收费 0.042 美元，不收取补全费用，因为不存在补全。这就是完整的价目表，而有趣之处在于其下方的图像计费规则。图像按图块以文本费率计费：每个 32×32 像素图块 1.5 个 token，因此一张 1024×1024 图像为 1,536 个 token。而且每个问题都会作为独立的提示词计费，各自携带一份状态副本以及所有附加图像。对同一张照片问四个问题，你就要为这张照片支付四次费用。

为一个天然适合视觉决策的工作负载估算一个具体数字。假设每晚要遍历 25,000 个商品列表，每个列表有一张 1024×1024 的照片和约 200 个 token 的列表文本，并提出两个指定类型的问题——一个是/否问题，判断图片是否与类别匹配；一个是评分问题，评估图片质量。每个提示包含 1,536 个图像 token 加 200 个文本 token，即 1,736 个 token，并且有两个问题，所以每个列表是 3,472 个 token。这一轮就是 8,680 万输入 token，约合 3.65 美元。每晚运行一次，整月下来也就是数百美元的低位。

对任何假设“前沿选项就是昂贵选项”的人来说，这确实是一个令人不安的结果。原因在于定价模型：决策模型从不输出 token，因此成本曲线中没有会急剧膨胀的输出项；而按问题重复计费是一个固定乘数，你可以提前规划，而不是等到账单里才发现一个可变项。

己方，以及其成本究竟藏在哪里

d1-omni 完全没有按调用次数计价的价格。它是一个 587M 参数模型——381M 的共享主干与决策头、94M 的 SigLIP2 视觉编码器（继承自 Liquid AI LFM2.5-VL-450M），以及 112M 音频编码器——按 Liquid 的 LFM 1.0 条款发布，GGUF 构建版本随后于 10 月 6 日推出，MLX 构建版本于 10 月 12 日推出。它的成本就是你已有的硬件，再加上那个没人会放进对比里的部分：让它持续运转所需的工作。

在决定部署的各个维度上，这两个选项有哪些共同点和不同点：

• 权重——已根据 LFM 1.0 为 d1-omni 发布；未为 Liquid AI D1 Ultra 发布。Liquid 仅将其旗舰模型描述为“基于一个更大的开放权重模型，并经过一系列 Liquid 特有的深度定制”。基础模型是开放的；你调用的模型则不是。

• 参数量——d1-omni 为 587M，且已完整逐项列出；d1-ultra 未披露。你无法为旗舰型号确定硬件规格，因为 Liquid 尚未公布其规模。你可以精确确定 600M 的硬件规格：Ollama 的混合 Q8_0 标签中为 850MB，BF16 标签为 1.2GB。

• 价格——d1-omni 无按次计价；d1-ultra 每百万输入 token 为 0.042 美元，图像按每 32×32 补丁 1.5 个 token 计，并且每个问题都会按完整状态重新计费。

• 模态——d1-omni 接受文本加图像，或文本加最长 30 秒的音频，但绝不在同一请求中同时接受两者。 d1-ultra 被描述为多模态，但没有公开的模态细分；Liquid 文档中说明的是问题类型和图像 token 规则。

• 上下文——d1-omni 在文本、图像和音频位置合计为 16,384 个 token，每当附加图像时，状态和问题文本会被削减至 896 个 token，“与训练时一致”。d1-ultra 尚未公布任何上下文数据。

• 延迟 — d1-omni 没有已发布的推理数据，因为 Liquid 表示，对于一个它称为处于活跃开发中的早期研究版本的检查点，它不会报告这些数据；d1-ultra 也是端到端提供服务，同样没有单独发布延迟数据。

• 校准——旗舰模型正是为此接受了明确训练。Liquid 给出的理由是，大多数决策模型都过度自信，因此 d1-ultra 经过了调校，以生成更可靠的概率。d1-omni 自身也带有校准标签，但 600M 是一个实验性检查点，尚无第三方测量过这两个模型中任何一个的校准情况。

这两个分数不是同一把尺子

人们会忍不住在旗舰模型旁边写下 15.95，然后做减法。不要这么做。d1-omni 的 15.95 来自 Decision Index v0.2.1 的公开分项；这个榜单是 Liquid AI 用官方评分器给自己的条目打分，而不是提交条目所得——子项分数为知识 8.3、语言 12.9、检索 35.0、工具 15.1、艺术 6.8，而同一家族中的 d1-3B 为 48.57。Liquid 对 d1-ultra 的说法是，它在 Artificial Analysis Decision Index 上以至少八分的优势获得第一名，但那是另一个榜单、另一个版本，而且在该旗舰模型问世之前就已发布。这两个数字是用不同的尺子衡量不同的东西，对二者诚实的解读只能是差距很大——而不是 40 多分。

经得起比较的那个数字，恰恰是没人公布的：600M 根本没有推理数据，因此如果不自行测量，你就无法说明它在你自己硬件上每次决策的成本。真正决定自建还是租用的，是这项测量，而不是排行榜。

三个工作负载，三种不同的答案

• 每晚 25,000 次图像检查的批处理 — 在 Liquid AI D1 Ultra 上每轮约 3.65 美元，而在 d1-omni 上则是 1.2GB 的下载量，再加上你所指向的任何 GPU。在这个量级下，计费表并不是决定性因素；决定性因素在于你是否想要旗舰机型所宣称的准确度，以及每晚三美元是否比维护一台模型服务器更划算。

• 概率即决策的硬性关卡——审批、审核裁决、按阈值触发的交易。在这里，校准就是产品本身，而 d1-ultra 是两者中 Liquid 声称专门为此训练的唯一一个。一个置信但错误的 0.6 概率比完全没有概率更糟，而且尚无第三方针对这一点检查过任一模型。如果阈值很重要，你希望在边界处信任它之前，先复现供应商的校准声明。

• 设备上的高吞吐量、低风险分类器 — 路由语音指令、对收件箱进行分诊、标记商品条目以供人工审核。这类工作负载完全不需要托管的前沿模型。600M 模型在 850MB 内通过单次前向传播返回带类型的答案，这正是它存在的全部理由；而对于一句状态描述和一张照片来说，896 个 token 的图像预算也足够。

路由边界实际位于何处

这两个模型都不在我们的目录中，这一点值得直说，而不是暗示并非如此：每一次 Liquid AI d1-omni-600M 调用和每一次 Liquid AI d1-ultra 调用都流向你自己的硬件，或流向供应商自己的 API 和第三方平台，而不是经由我们。OrcaRouter 覆盖的是决策模型自身无法完成的那一半流程。一个 587M 的决策模型返回一个标签或概率就停下了；仍然需要有东西来撰写回复、总结案例，或根据评分采取行动。一个 API 覆盖 200+ 个模型，并原样传递每个提供商的标价，同时在经分诊的请求需要分发到多个模型时提供路由 DSL——这比“我们托管决策模型”是更低调的说法，而且这才是实情。

什么会改变答案

这场比较目前取决于两项缺失。Liquid AI D1 Ultra 未公布参数数量，因此无法将其每 token 成本与其所承担任务的规模进行权衡；也没有延迟数据，因此若不进行实测，就无法围绕它设计交互式路径。而 d1-omni 则出于厂商自身的选择未公布推理数据，因此在自建与租用的计算中，有一边只能靠你自己硬件上的基准测试来补全。

如果其中任何一个敲定，决策格局就会改变。d1-ultra 上的独立校准结果将确定网关工作量，而其价格已经比大多数人猜的便宜一个数量级。Liquid 提供的 600M 延迟数据能让人放心地把它放进交互路径，而不用先测试。在此之前，稳妥的解读既狭窄又不光鲜：旗舰模型的定价接近免费，仅凭预算不会促使你自己运行任何东西；而 600M 的真正优势在于，一旦你拿到文件，没人能背着你更改数字、条款或端点。

此类发布背后有据可查的 AI 故障与智能体事件，均收录于OrcaRouter AI 事件档案，其中每条记录都带有自己的来源、严重程度、置信度评级和争议标记。