
Liquid AI d1.2 搭載音訊輸入與邊界框輸出——而便宜的那款模型才是有趣的。
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百萬 tokens · 180 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百萬 tokens · 223 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 89 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 98 tok/s
- orca新Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百萬 tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百萬 tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百萬 tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
Liquid AI d1.2 與 Liquid AI d1.2-ultra 於 2026 年 11 月 16 日在廠商 API 上線,而最受矚目的數字屬於價格較高的版本:d1.2-ultra 在 Artificial Analysis Decision Index v2.1 上得分 75,在該排行榜所排名的 25 個決策模型中位居第一。更具關鍵影響的變化在請求主體,而非排行榜。兩款模型現在都能回傳前一代無法表達的答案——一個數值,外加讀取該數值所依據的字元、一份帶有位置的片段清單、一個邊界框、一個附帶範圍的計數、一組各自帶有機率的選項——而且兩者都接受音訊,無論音訊是被詢問的對象,還是問題本身。
這是一種有別於準確度提升的發布。決策模型過去只回傳一個標籤和一個機率,這意味著任何需要標籤背後證據的管線,都必須額外接上第二個模型才能取得。d1.2 在一次前向傳遞中連同證據一併回答,每百萬個輸入 token 收費 $0.02。d1.2-ultra 以 $0.042 做到同樣的事。兩者都不產生輸出 token,因此仍然沒有可串流的內容:這些是你呼叫後會取回結構化物件的模型。
目前兩者都已在 Liquid 自家的 API 上線,除此之外,廠商不證實其他任何地方有提供。以下內容會區分 Liquid 所回報的數據與 Artificial Analysis 實測的數據,因為在本次發布中,這兩者並不是同一組數字,而這個差異很重要。
實際出貨了什麼,逐項說明
這五種新答案類型是附加式的。端點維持不變,三種原始題型維持不變,而用戶端若送出與昨天相同的 JSON,就會得到相同結構的回應。
• 讀取一個值 — 詢問發票上應付多少金額,並取得該數字以及讀取來源的字元;若欄位不存在,則取得字串 "not found"。這是最能減少膠水程式碼的一項,因為常見的變通做法是再進行一次生成式呼叫來重新讀取頁面。
• 找出某一類型的每一個範圍——筆記中的每個姓名、電話號碼和電子郵件地址,以及它們在文字中的位置。這是一項遮蔽基元,也是這個系列首次提供這樣的功能。
• 在圖片中定位物件——在掃描表單上的簽名周圍畫一個框,或在物件的每一個出現位置周圍各畫一個框並附上數量。「未找到」是一個可用的答案,這比聽起來更重要:一個必須總是回傳框的物件偵測器會憑空捏造一個。
• 以範圍來估算數字——照片中有十二個人,合理範圍是十到十四人。範圍是輸出中誠實的部分,也是多數團隊原本必須自行校準的部分。
• 請選取所有適用選項——帳單與配送各自有對應的機率,而不是只有單一勝出者。多標籤分類過去是藉由對每個標籤各問一次相同問題,並每次都要為狀態付費來模擬。
音訊會以雙向傳入。錄音本身可以是被辨識的對象——說的是哪種語言、背景有沒有警笛——或者問題可以用口說而非打字。Liquid 在 ESC-50 與 FLEURS 的留出錄音上報告 95% 到 97% 的準確率,每個問題有三到六個選項,而且混合了西班牙語對葡萄牙語這類容易混淆的組合。
有一項計費變更隨之而來,而且很容易被忽略。現在,一次請求中的文字與圖片只會計費一次,而每個額外問題只會增加該問題本身的文字費用。在上一代中,每個問題都會重新計費完整的提示內容,包括每一張附加圖片,因此對同一張照片提出十個問題,就要為那張照片付十次費用。
董事會,以及第一名是在什麼之中排名第一

Artificial Analysis 已讓兩款新模型在 Decision Index v2.1 上獲得評分,而且這些數字並非廠商自行回報:該排行榜自行執行評測,採用相同的六項評估,並以目前定價計算。{{1}}d1.2-ultra{{/1}} 以 74.85 在 25 個決策模型中排名第一,領先最接近的決策模型競爭對手 {{2}}Drex Max v1.1{{/2}} 的 72.62 達 2.2 分。{{3}}d1.2{{/3}} 以 68.69 在 25 個中排名第九,高於同類中位數 66。
值得謹記的但書是,「第一」是有範圍限定的。同一份排行榜也用同一套評測工具為兩個通用語言模型評分,而兩者都徹底擊敗 d1.2-ultra:Claude Haiku 5.5 (Max) 為 76.49,GPT-6 Luna (Max) 為 75.67。兩者都不是決策模型,而且這項比較的代價極為高昂——每百萬項任務分別為 6,218 美元與 1,548 美元,對比之下為 133 美元——但拿掉「決策」二字的「Decision Index 第一名」,並不是排行榜所呈現的結果。
排行榜獨立佐證的,正是校準這件事。這個指數的決策分數會減去所選答案所附機率的 Brier 分數,因此答對但過度自信的模型會受到懲罰。d1.2-ultra 的 Brier 為 0.150,d1.2 為 0.164,而它們所取代的模型 d1-ultra 為 0.176。較便宜的新模型儘管總體得分低 1.9 分,校準卻比舊旗艦更好;這種分歧只有在其他人跑測試框架時才會顯現。
時間與成本共同補全了全貌,但兩者走向相反。d1.2 每項任務執行時間為 150 毫秒,在排行榜上排名第八快,略低於 206 毫秒的中位數。d1.2-ultra 的執行時間為 218 毫秒,慢於中位數,排名第 15。就每百萬項任務的成本而言,排行榜將 d1.2 列為 63 美元,在 25 個中第三便宜;d1.2-ultra 則為 133 美元,排名第 11,而中位數為 137 美元。
新任務的數字,以及這些數字是誰產生的

目前尚無任何公開基準測試涵蓋這五種新答案類型中的任何一種,因此它們的每一項準確率數字都來自 Liquid 自家的內部測試集,而這些測試集是從公開資料集的留出分割所建立。它們是廠商針對自家模型、在其自行選擇的資料上所做的評估,應該就照這個意義來解讀。
• 從收據讀取數值,在 CORD 與 SROIE 上——d1.2-ultra 為 98%,d1.2 為 96%。當讀取能找到目標,或正確表示目標不存在時,即計為正確,這使「未找到」的情況成為評分的一部分,而非免費過關。
• 個人資料片段,在 Nemotron PII 上——ultra 達到 94% 的精確率與 93% 的召回率,d1.2 則為 92% 與 88%。這五個百分點的召回率差距,是兩個模型在五項任務中任何一項上最大的落差,而這對遮蔽作業而言正是最要緊的一項:漏掉一個片段,就是會讓你挨罰的失誤。
• 物件定位,在 RefCOCO 系列上——兩者皆為 94%。完全沒有區別。
• 在 COCO 上,計數誤差在 1 以內 — ultra 為 93%,d1.2 為 92%。
• 在 COCO 上挑出所有存在的物件——ultra 為 87%,d1.2 為 90%,這是便宜模型唯一勝出的一列。
所以付費版在讀取數值與 span 回溯上有明顯增益,但在空間任務上幾乎沒有幫助。如果你的用途是框選,那就該先測試每百萬 token 0.02 美元的模型。
音訊,以及那張尚未跟上腳步的規格表
音訊是公告與獨立紀錄之間落差最大的主張。Liquid 的文章將音訊輸入描述為兩款模型的招牌能力;Artificial Analysis 對這兩款模型的技術規格仍將輸入模態列為文字與圖像,而該指數也沒有音訊評估,因此排行榜上沒有任何項目檢驗這項主張。這並不矛盾——排行榜只是還沒做到那裡——但這確實意味著音訊能力目前只是廠商說法,背後沒有第三方查核。
同樣的警告也適用於五種新的答案類型:這個指數完全沒有衡量它們。一個模型可能在排行榜上名列第一,卻在你實際想用它來做的事情上沒有被衡量。
廠商的校準表值得從另一個角度閱讀。在 13 項基準測試與全部五個模型共回答的 22,505 個問題中,Liquid 將 d1.2-ultra 的校準誤差列為 0.8 點、d1.2 為 1.2 點,並將 2.7 點歸給 Jev 1.14、Perplexity 的 Decider v1.3 為 3.7 點,而 GPT-6 Luna 在其 Decisions 端點上為 7.2 點。這些是廠商在其自行選定的問題集上跑出的數字。評測委員會的 Brier 分數在同樣這兩個模型上指向相同方向,這是本週所能取得最接近第二意見的佐證。
對照看板檢查成本句子

Liquid 提出了一個異常可證偽的主張:沒有模型能以更低的價格獲得比 d1.2 更高的分數,也沒有模型能在任何價格下獲得比 d1.2-ultra 更高的分數。這兩個部分都在排行榜上站得住腳,並帶有與先前相同的範圍限定說明。
• 後半部分在決策模型中幾乎顯然成立——在 25 個模型的排行榜上,其他模型根本沒有任何一個得分高於 74.85。只有在納入兩個通用語言模型時才會不成立,而它們每百萬項任務的成本高出 12 到 47 倍。
• 在決策排行榜上,前半段成立:每個分數高於 d1.2 的 68.69 的決策模型,每百萬項任務的成本都更高。最接近的便宜挑戰者是 Perplexity 的 Decider v1.3,分數 70.41、價格 68 美元;也就是每百萬項任務多花五美元,換取不到兩個指數點——這是排行榜最接近反例的一次,但仍站在 Liquid 那句話的正確一側。
• 這些成本數字由 Artificial Analysis 自行計算,採用目前定價並以指數權重平均得出。它們是每項任務的模型化成本,並非帳單;若供應商調整價格,這些數字也會隨之變動。
最後這一點,正是路由層證明自身價值、而非自我宣傳的地方。本次版本變更了 Liquid 的計費規則,讓便宜模型相較舊旗艦的實際價格減半,而且兩天前就完成了。在我們這邊,供應商定價會以 0% 加成直接傳遞,因此廠商降價當天就會反映在這裡,而不是等到下一次合約續約——本文中的 $0.02 和 $0.042 是廠商的數字,不是對它們加價後的重新表述。
本週該做什麼——如果你已經在運行決策模型
這篇文章完全不是在宣布可用性:兩款新模型都已登上 Liquid 的 API,且都尚未進入我們的型錄。之所以還提到我們的模型,是因為這次發布屬於決策模型發布,而我們實際提供服務的決策模型是 Jev 1.14——它是榜單上唯一在單一元件上勝過 d1.2-ultra 的項目,EvalSafe-O*NET-AA 為 91.14 對 89.53,且在相同的 systemone 請求形態下,每百萬輸入 token 收費 $0.042。無論你對五種新答案類型得出什麼結論,安全與職場這一切片已有現任者可讓你今天就用來做基準比較。
在 Liquid 承諾的第三方平台真正出現之前,說得通的做法是先做一次影子運行。把你管線已經看到的狀態同時送進兩個 d1.2 模型,比較機率而非 top-1 標籤,並特別檢視模型給出 0.8 卻答錯的那些案例。那個尾部正是前一代最弱的地方,也是這次版本宣稱已修復、而指標只能部分證實的唯一一點。
自動容錯移轉是嘗試一個才推出兩天的模型、又不必把正式生產路徑押在它身上的另一半做法:將一部分流量導向 d1.2-ultra,讓現役模型留在它後面作為後備,並讓某家供應商的一個糟糕下午只會拉低回答率,而不是讓整條管線停擺。這比等待別人的基準測試,更能便宜地驗證 75 是否為真。
真正的問題不是這些模型有沒有推出——它們確實推出了,還附有價格與端點——而是這五種新答案類型在 Liquid 自家的留出切分之外是否站得住腳。目前還沒有人針對其中任何一種發表過獨立數字,而在有人做到之前,誠實的立場是:這次發布在完全出自廠商自身的證據上,新增了一份確實有用的輸出契約。
