一張生成的標題卡,標題為「同等價格的升級」,副標題為「Liquid AI d1.2-ultra 取代 Liquid AI d1-ultra」。兩條水平長條圖上下堆疊:上方較短的長條標示為 d1-ultra,右端數值為 70.58;下方較長的長條標示為 d1.2-ultra,右端為 74.85。右側三個外框標籤分別寫著「66k 上下文,從 33k 提升」、「每個任務 218 毫秒,從 301 毫秒降低」以及「每 1M 輸入 token 同樣 $0.042」。OrcaRouter 標誌合成於右下角。
Guides & Insights

d1.2-ultra 對比 Liquid AI D1 Ultra:相同價格、兩倍上下文,但有一處變差了

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

Liquid AI d1.2-ultra 的費用與 Liquid AI D1 Ultra 完全相同:每百萬輸入 token 為 0.042 美元,輸出 token 不計費,端點相同,你原本就會送出的三種問題類型也相同。它於 2026 年 11 月 16 日推出,比它所取代的模型晚了一個月,而且在綜合分數上表現更好——在 Artificial Analysis Decision Index v2.1 上為 74.85,對比 70.58,排名 24 個中的第一,對比第六。所以升級免費又明顯,你應該採用。這個決定值得寫成一篇文章,而不是一行變更記錄,原因在於:已公布的十六項組成指標中有四項退步,而其中兩項正是閾值驅動流程感受最深的指標。

這種模式很具體。新模型在閱讀文件方面好得多,在改寫情況下也好得多,但在知道事情與拒絕回答方面稍差。如果你的流程把 Liquid AI D1 Ultra 當作抽取引擎,後繼模型是直接的勝利。如果把它當作守門員,預期在情況模糊時說「我不知道」,那麼後繼模型就是雙模型決策,而不是單純替換。

兩款型號在同一台儀器上

A generated two-column scoreboard titled ‘d1.2-ultra vs d1-ultra - the scoreboard’. The d1.2-ultra column reads Decision Index 75, AA-Paperclip 75.8 at 67.7% all-pass, AA-Symmetry 86.3, AA-Omniscience accuracy 23.6%, context window 66k and price $0.042 per 1M input. The d1-ultra column reads Decision Index 71, AA-Paperclip 64.7 at 51.3% all-pass, AA-Symmetry 78.7, AA-Omniscience accuracy 28.0%, context window 33k and price $0.042 per 1M input. The footer reads ‘All figures per Artificial Analysis Decision Index v2.1; context windows as listed by Artificial Analysis, not stated by the vendor.’

這項比較異常乾淨,因為這兩列資料都是由同一個組織、在同一個排行榜的同一個版本上產生的,而大多數升級決策並非如此。Artificial Analysis 在 Decision Index v2.1 上跑了 d1-ultra 與 d1.2-ultra,因此這裡沒有任何內容取決於把廠商數字拿來與獨立數字相比,也不取決於某次指數改版在兩個版本之間移動了門檻。廠商自己為新模型打出的標題——第一名、領先兩分——與它所點名的排行榜相符。

• 價格 — 兩者皆為每百萬輸入 token 0.042 美元。完全相同,且升級後維持不變。

• 決策指數 v2.1 — d1.2-ultra 74.85(24 項中第 1)對比 d1-ultra 70.58(第 6)。

{{1}}上下文視窗{{/1}}——依董事會的技術規格,{{2}}66k 個 token 對比 33k{{/2}}。Liquid 的發布貼文並未說明這兩款模型的視窗大小。

• 每項任務耗時 — 218 毫秒對比 301 毫秒。升級後也快了三分之一。

• 每百萬項任務的成本 — 兩者皆為 133 美元,這與在相同 token 價格及每項任務 token 數量相近時所預期的結果相符。

• Brier 分數 — 0.150 對 0.176,數值越低越好。這是最能直接說明「校準得更好」的單一數字。

計費規則已經改變,而它的價值超過那些指數點數。

在 d1-ultra 下,每個問題都會被視為各自的提示來計費,並包含所有附加圖片。若針對同一張照片問十個問題,你就會為那張照片付十次費;以 1024×1024 的圖片來說,這表示在任何文字被計入之前,就要把 1,536 個 token 乘以十。在 d1.2-ultra 下,請求會對其文字與圖片只計費一次,而每增加一個問題,只會增加該問題本身的文字。

用一個貼近實際的請求來算算看:一份 2,000 個 token 的文件、一張 1024×1024 的圖片、十個各約 30 個 token 的問題。舊規則收費約 35,700 個 token;新規則收費約 3,840 個 token。在同樣每百萬 token $0.042 的價格下,換算下來每筆請求是 $0.0015 對上 $0.00016——同樣的工作便宜了略超過九倍,而且是在相同的公開價格下、來自同一家供應商,也沒有任何公告標題附帶於此。每月 100,000 筆請求時,約 $150 會變成約 $16。

這兩個數字都是根據供應商自家的帳單說明推算出來的算術結果,而不是對實際帳單的測量;而這個比率完全取決於你每個州問多少個問題。每份文件只問一個問題,這兩個模型的成本就相同。問到十個問題,所謂的「免費」升級就成了本次版本發佈中最大的成本變動。

新模型實際上在哪些方面做得更好

A headless-browser screenshot of the Artificial Analysis model page for d1-ultra, captured 17 November 2026 in English, showing the Liquid AI vendor label, the heading ‘d1-ultra: Release, Decision Index Score, Performance & Price’, a Decision Index score of 71, a 33k-token context window, a time-per-task figure of 301 ms, and a summary describing the model as reasonably priced but notably slow.

四個組件上升,其中兩個大幅上升。

• AA-Paperclip,占指數的 30%——決策分數為 75.81 對 64.69,而完全正確的文件比例為 67.7% 對 51.3%。在權重最高的元件上,文件全通過率相差十一點,這就是十二點綜合增益的全部關鍵。如果你從發票、收據或履歷中擷取欄位,這就是你該看的數字,因為一份文件只要漏掉十五個答案中的一個,無論如何都算漏掉。

• AA-Symmetry,15% — 86.34 對 78.66,全通過一致性從 45.8% 提升至 56.7%。把問題換個說法、調換選項順序、將是/否題改成否定問法,新模型仍能更常維持原本的答案。

• When2Call,10% — 96.49 對 93.83。工具呼叫原本就是這個系列的強項;這是在已接近上限的元件上取得的較小增幅。

• EvalSafe-O*NET-AA,15% — 89.53 對 88.15。在職場文件判斷方面提高了一點五分,這已接近雜訊,不應被當成改進來宣傳。

• AA-Omniscience-Decision v1.1,15% — 決策分數為 60.80,相較於 64.39。在這個一半知識、一半誠實的組成部分上下降了四點。

• HLE-MultiChoice v1.1,15% — 46.36 對 47.39。在整體表現都疲弱的這個項目上下降了一分。

這兩項迴歸,用白話來說

全知度下降並非評分假象;它出現在底層的準確率與棄答資料列中,而這兩者彼此不一致,這種不一致在您遷移之前值得先弄清楚。

• AA-Omniscience-Decision 準確率 — d1-ultra 答對了 28.0% 的題目,d1.2-ultra 為 23.6%。前代知道得更多。

• AA-Omniscience-Decision 非幻覺 —— d1-ultra 88.6%,d1.2-ultra 83.8%。前代模型在避免憑空編造答案方面同樣表現更佳。這兩列的變化方向一致,意味著這是真正的能力變化,而非模型在運用其棄答時審慎程度的轉變。

• HLE-MultiChoice 準確率——6.09% 對比 2.36%,新模型在原始準確率上於 24 個模型中墊底。它在同一組題目上的非幻覺率上升,從 56.9% 升至 76.1%,因此準確率下降有一部分是以更多棄答換來的。但並非全然如此:上述全知配對顯示,該模型回答得更少,而且答對的也更少。

對管線而言,後果比聽起來更窄。如果你依機率設門檻,並把低信心的案例交給人工處理,那麼更常棄權的模型反而是在幫你,而 83.8% 的非幻覺數字在 24 個模型中仍排第六。如果你把模型當成自動閘門,用來處理需要知道事實的問題——這項主張是否符合政策、這段程式碼是否符合規格——那麼更便宜的前代模型明顯更好,也就沒有理由不繼續在這一塊使用它。

你必須在用戶端中變更什麼

幾乎沒什麼要做的,而這正是現在就做、而不是等到一季後再做的原因。端點還是一樣,api.liquid.ai/decisions/v1/systemone,呼叫時帶有"model": "d1.2-ultra";三種問題類型不變;回應仍是結構化 JSON,每個選項各有一個機率,且沒有輸出 token。這次遷移只是字串變更和重新部署。

新增的內容是附加式的,值得了解,因為它移除的是變通做法,而不是增加功能。五種答案類型加入現有類型:從頁面讀取某個值,並回傳它所讀取到的字元,或「未找到」;回傳某類型的每個片段及其位置,這涵蓋了無需第二個模型的 PII 遮蔽;回傳圍繞單一物件或每個實例的方框,外加計數;回傳帶有範圍的估計值;以及回傳每個適用選項及其各自的機率。音訊輸入可雙向運作——錄音可以是主體,也可以是問題,以口說而非打字的方式提出。

這五項任務的準確率宣稱皆出自 Liquid 本身,依據的是以公開資料集的留出切分所建立的內部測試集,因為目前尚無公開基準涵蓋這些任務。根據供應商提供的數字,兩個模型表現接近:從收據讀取數值為 98% 對 96%,PII 片段為 94%/93% 對 92%/88%,物件定位則各為 94%;而在最後兩項任務中,較舊模型並非每一列都較弱——新模型在「計數誤差在 1 以內」以 93% 對 92% 勝出,卻在「挑出所有存在物件」以 87% 對 90% 落敗。

同時並排執行舊的和新的

兩者都保留才是誠實的遷移做法,而且成本很低:它們是同一端點上的不同模型字串,且目前兩者都在 Liquid 自家 API 上,價格相同,金鑰來自 console.liquid.ai。兩者都不在我們的目錄中,而本文也不是對其中任一者的可用性聲明。

路由層在此變得有用之處,在於兩個模型之間的分工是依每個問題來決定,而不是依每個服務來決定。後繼模型適合用來傳送文件、圖像,以及任何你會設定閾值的內容;前代模型則適合用來傳送偏重事實的判斷,因為它在準確率和棄答列上的表現仍然更好。把它組成兩條路由,置於一個 API之後——路由 DSL 讓你依問題類型或狀態大小來分流,而不是依手寫的服務邊界來分流——兩個模型就不再爭奪同一個位置。我們這邊完全不會改變$0.042這筆不論哪個模型都需支付的成本:供應商牌價以0% 加價轉嫁,因此 Liquid 價格變動當天就會在此生效,而不是等到下一個計費週期。而當供應商 API 狀況不佳時,自動容錯移轉能讓文件路由維持運作,而不是讓單一供應商成為整條管線的單點故障。

這次升級,每項一行

處理文件、圖像、模糊狀態,以及任何需要設定閾值的項目,都採用 d1.2-ultra——它在文件元件上高出十一分,在對稱性上高出八分,速度快三分之一,上下文視窗加倍,而且如果你每個狀態問超過一個問題,還能讓帳單減少一個數量級。

保留 d1-ultra 用於事實密集型閘控;在此類情況下,其全知準確率與非幻覺列仍雙雙較高,且 HLE 準確率幾乎是後繼模型的三倍,儘管這兩個數字都很小。

只有在你的狀態不包含任何圖片、每個狀態各只有一個問題,而且沒有門檻時,才完全跳過遷移。這種情況就是兩個模型的成本相同,而新模型在你使用的每一項評估上都明顯更好。在這種情況下,唯一值得等待的理由,就是要花上十九個小時才能確認沒有東西壞掉。

A headless-browser screenshot of the OrcaRouter model page for typesafe/jev-1.14, captured 17 November 2026 in English, showing the /v1/systemone endpoint, Zero Data Retention availability, an input and output list price of $0.04, and measured latencies of 182 ms and 372 ms.