一張生成的標題卡,標題為{{1}}「價格減半,速度加倍」{{/1}},副標題為{{2}}「Liquid AI d1.2 對比 Liquid AI D1 Ultra」{{/2}}。兩張大型圓角卡片並排:左側標題為{{3}}「d1.2」{{/3}},顯示{{4}}「$0.02」{{/4}},下方為「每 100 萬輸入 token」,再加上「每項任務 150 毫秒」;右側標題為{{5}}「D1 Ultra」{{/5}},顯示{{6}}「$0.042」{{/6}},下方為「每 100 萬輸入 token」,再加上「每項任務 301 毫秒」。下方說明文字寫著{{7}}「較舊的旗艦仍在六個元件中的五個勝出」{{/7}},三個外框標籤寫著「66k 對 33k 上下文」、「Brier 0.164 對 0.176」和「由 Artificial Analysis 測量」。OrcaRouter 標誌合成於右下角。
Guides & Insights

d1.2 對決 Liquid AI D1 Ultra:價格只要一半、落後兩分,卻在你反覆執行的工作上表現更佳

作者

Gideon Frost

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 每百萬輸入 token 的費用是 0.02 美元。Liquid AI D1 Ultra 是直到 2026 年 11 月 16 日之前一直是該系列旗艦的模型,費用為 0.042 美元。在 Artificial Analysis Decision Index v2.1 上,較舊、較貴的模型仍然領先——70.58 對 68.69——而且在该指數所依據的六項評估中,有五項領先。因此,單看標題式比較會說旗艦仍是更好的模型,而這種標題式比較,正是你從這兩列資料中能得到的最沒用的東西。

真正區分它們的是形態,而非排名。D1 Ultra 是針對困難、單次判斷的模型:電路板上的缺陷、對照照片核實的損害索賠。d1.2 則是針對就同一狀態被詢問多個問題的模型,速度快一倍,其上下文視窗在規格表上列為 66k,而 D1 Ultra 為 33k,並且具備五種 D1 Ultra 沒有的回答類型。$0.022 的差異確實存在;但這是否就是決定你是否遷移的差異,取決於你的請求模式,而這可以從公開的資料列中得到答案。

以真正重要的單位來看的價格差距

以每個 token 計,翻倍聽起來微不足道。但以每項任務計,比例就不同了,因為兩個模型回答同一個問題所消耗的 token 數量並不相同。Artificial Analysis 以現行牌價推算每百萬項任務的成本,而該排行榜自身的數字是 d1.2 為 $63、D1 Ultra 為 $133——這是 2.1× 的差距,即使把 token 計算方式納入考量,這個差距依然存在。

• 每百萬個輸入 token 的價格 — d1.2 為 $0.02,D1 Ultra 為 $0.042。

• 每百萬項任務的模型化成本 — 63 美元對 133 美元,兩者均按現行定價計算,且均取自看板而非 Liquid。

• 決策指數 v2.1 — 68.69(25 個中第 9)對比 70.58(25 個中第 6)。

• 每項任務耗時 — 150 毫秒對比 301 毫秒。新的低成本模型速度快一倍。

• 上下文視窗 — 66k tokens 對 33k,依據 Artificial Analysis 所列;Liquid 自家的發布文章則未提及任一模型的視窗。

• 輸入方式——依板卡所述,兩者皆為文字與影像。依廠商所述,d1.2 新增了音訊,而板卡的規格表尚未跟上。

• Brier 分數,越低越好——0.164 對 0.176。較便宜的模型反而是校準得更好的那一個。

把最後一行讀兩遍。校準是讓機率閾值可用的特性,而價格只要一半的模型在這點上勝出。旗艦模型仍保有的優勢,在於知道事情本身,而不在於知道自己有多確定。

D1 Ultra 在哪些方面仍值回票價

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.

六個組成部分中有五個偏向較舊的型號,而其中呈現的模式一致性足以據此規劃。

• AA-Paperclip,文件判定——D1 Ultra 為 64.69,d1.2 為 62.60;51.3% 的文件完全正確,相較之下為 44.3%。整份文件全部通過是更嚴苛的衡量方式:一張十五欄位的發票答對十四欄,仍算失誤。

• EvalSafe-O*NET-AA,職場判斷 — 88.15 對 86.55,準確率 82.9% 對 79.7%。該元件上有 1.6 點的差異,這接近重跑的雜訊底線。

• AA-Omniscience-Decision v1.1,知識 — 64.39 對 60.94,準確率 28.0% 對 30.0%,非幻覺率 88.6% 對 66.6%。準確率列與棄答列不一致,而主導分數的是棄答列:D1 Ultra 更常拒答,並因此獲得獎勵。

• HLE-MultiChoice v1.1,難題——47.39 對 44.69。就原始準確率而言,差距反而朝另一方向擴大,6.09% 對 5.30%,而且在整個領域都低於百分之十的基準上,這只是雜訊。

• AA-Symmetry,改寫不變性——元件分數為 78.66 對 76.52,不過 d1.2 通過更多完整集合,50.0% 對 45.8%。旗艦方案在部分給分上勝出,卻在更嚴格的衡量指標上落敗,因此這一列無論從哪方面看都不是明確的勝利。

如果你的工作負載是「一份文件、一個難題,答案會交給會據此採取行動的人」,那些列所描述的正是舊款旗艦仍然正確選擇的情況,而在那樣的用量下,價差只是四捨五入的誤差。

在 d1.2 不接近的地方

其中一個元件朝相反方向移動,而且移動幅度很大。

• When2Call、工具與函式決策——d1.2 為 96.09,對上 D1 Ultra 的 93.83;準確率則為 95.5% 對 93.0%。這是決定代理是否以正確引數呼叫正確函式的元件,也是在代理式堆疊中支持新模型最有力的單一論據。

再來是 index 未衡量的一切。五種新的答案類型——附有讀取來源字元的數值、帶有位置的範圍、方框、帶有範圍的計數,以及帶有各選項機率的複選——僅存在於 d1.2,而 index 並未對其中任何一項計分。它們的準確率數字是 Liquid 自家的,來自以公開資料集留出切分所建立的內部測試集,且在下文每次出現時都如此標註。

以廠商提供的數字來看,兩個新模型彼此接近,而且完全沒有 D1 Ultra 這一列,因為它推出時這些任務類型並不存在:d1.2-ultra 和 d1.2 從收據讀取數值的準確率為 98% 與 96%,個人資料片段為 94%/93% 對上 92%/88%,物件定位兩者皆為 94%,而在找出所有存在物件方面則是 87% 對上 90%。這項比較的關鍵事實不是百分比——而是較舊的模型無法表達這些答案,因此需要這些答案的流程並不是在兩個模型之間做選擇,而是在一個模型與一種變通方案之間做選擇。

計費規則,其價值高於那兩個指數點

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 會將每個問題都視為獨立的提示詞來計費,包括每張附加的圖片。針對一張照片問十個問題,這張照片就會被收費十次:依照 Liquid 所述的每 32×32 像素區塊 1.5 個 token,一張 1024×1024 圖片就是 1,536 個 token,因此十個問題在還沒算到任何文字之前,就已包含 15,360 個圖片 token。d1.2 對一次請求的文字和圖片只收費一次,而每個額外問題只會增加其本身的文字。

用一個具體請求來算:一份 2,000 token 的文件、一張 1024×1024 圖像、十個約 30 token 的問題。在舊規則下,該請求大約計入 35,700 token;在新規則下,大約 3,840。按各模型自身的價格計算,D1 Ultra 上約為 $0.0015,而 d1.2 上約為 $0.00008——價格差距與計費差距會疊加,而不是相互抵消。每月 250,000 次請求時,差別約為 $375 對上 $20。

這是對 Liquid 自家帳務說明的算術推演,並非實測帳單;而且若每個州只問一個問題,比例就會降到 1×。那一個問題就是整個決策:你對同一份文件問的問題越多,這項比較就越不是在談指數點。

用戶端有哪些變更

端點不變——api.liquid.ai/decisions/v1/systemone——而模型字串就是這次遷移的關鍵。三種原始問題類型維持原有格式;回應仍是結構化 JSON,每個選項都有一個機率,且沒有輸出 token,因此你的解析邏輯完全不用改變。你獲得的是附加功能,不會破壞任何原本已可運作的內容。

真正的關鍵在於營運層面,而非技術層面:D1 Ultra 並未遭到淘汰,兩款模型都只按輸入 token 計費,而 Liquid 也在同一個主控台販售這兩款模型。目前沒有推動你遷移的強制因素,這意味著遷移不會自行發生,因此應該依照你能實際衡量的工作負載來安排時程,而不是依照產品上市日期。

同時運行兩者,但不對任何一方做出承諾。

在進入操作部分之前,先說明一下存取方式:d1.2 與 D1 Ultra 兩者都由 Liquid 自家 API 提供,且都不在我們的目錄中——這是比較,並非可用性聲明。我們的目錄之所以相關,是因為Jev 1.14在 EvalSafe-O*NET-AA 上拿下 91.14 分,而 d1.2 為 86.55;它採用相同的 systemone 請求格式,且每百萬個輸入 token 收費 $0.042。如果遷移決策取決於一個你不能失去的元件,那就是你應該用來測試該元件的模型。

真正合理的分流依據,是修正後的元件全貌,而不是標題數字。把多問題狀態、任何含圖像的內容,以及任何由代理轉派到 d1.2 的項目,全都送給 d1.2——它的上下文視窗、速度與 When2Call 領先程度,全都指向同一個方向。至於單一且困難的文件判斷,以及有明確答案的知識性問題,則留在 D1 Ultra 上,直到你自己的樣本出現相反結果為止。兩條路由、各一個條件,依問題類型撰寫,而不是硬編碼進三個服務裡:這正是路由 DSL的用途;而且因為供應商牌價是以0% 加成直接傳遞,任一個 Liquid 價格的變動,在發生的當天就能反映到路由上,而不必等到下次續約。自動容錯移轉則涵蓋了兩個模型中有一個在遷移途中狀況不佳的情況。

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.

在這個規模下,影子運行幾乎不花成本:讓幾千個真實狀態跑過兩個模型,比較機率而非標籤,並統計 D1 Ultra 給出 0.85 卻判斷錯誤的案例,對照 d1.2 在相同案例上的表現。看板顯示新模型整體校準得更好;只有你的樣本才能說明它在你的資料上是否校準得更好,而這才是遷移決策應該依據的數字。