Liquid AI d1-ultra 對比 Liquid AI d1：相同端點、相同問題、價格兩倍——這就是交叉點

最簡短而誠實的答案是：Liquid AI d1-ultra 每百萬輸入 token 收費 $0.042，而 Liquid AI d1 每百萬輸入 token 收費 $0.02，兩者都以相同的 URL 呼叫，並支援相同的三種問題類型；當出錯的代價高於每次呼叫費率翻倍時，就該使用較昂貴的那一個。這就是整個決策，而且它異常單純，因為這兩個模型在其他方面沒有任何結構性差異。它們相隔十天推出——d1 於 2026 年 10 月 5 日推出，是 Liquid AI 的首個決策模型；d1-ultra 於 10 月 15 日推出，是該系列中能力最強的成員——兩者都是為了做同一件事而打造：接受一段文字、圖像或兩者兼具的狀態，加上一個或多個具型別的問題，並從單次前向傳遞回傳機率，不生成任何輸出 token，也沒有任何內容需要串流。像這樣的比較也正是失效模式浮現之處：這一類模型背後有紀錄的 AI 事件與代理失效，都收集在 OrcaRouter AI Incident Archive，其中每一筆項目都附有自己的來源、嚴重性、信心等級與爭議標記。

這對組合之所以值得寫成一篇報導，而不是只值一個註腳，在於它們是替代品，而不是一條有中間階梯的梯子。你不會像使用小型與大型生成模型那樣，先跑 d1，遇到難解的案例再退回 d1-ultra，因為兩者都被鎖在同一个請求本體裡的同一个模型字串之後。切換的代價只是 JSON 酬載裡的一個詞。所以問題不在於升級在技術上是否可行——而在於每百萬輸入 token 多付的 0.022 美元，是否買得到你特定工作負載感受得到的任何東西，而這用 Liquid AI 已公布的數字就能回答。

一次處理下來，實際上有什麼差異？

已揭露的差異比價格差距所暗示的來得少，而缺少的那些，與出現的那些同樣重要。

• 價格 — d1-ultra 每百萬輸入 token 為 $0.042，而 d1 為 $0.02，兩者皆僅依輸入計費，不收取輸出費用，且皆將圖像以文字方式計算，每 32×32 像素區塊為 1.5 個 token。

• 骨幹 — d1-ultra 被描述為基於「一個較大型的開放權重模型，並帶有一系列 Liquid 專屬的重度客製化」；d1 的公告則只說它是為該系列的第一代所打造，同樣未指名任何骨幹。

• 語言涵蓋範圍 — Liquid AI 針對 d1-ultra 的發布貼文指出支援 44 種語言。d1 則未發布可相比的數字。

• 指數排名 — d1-ultra 據稱在 Artificial Analysis Decision Index 中領先至少八分；d1 公布時，是以六項與 GPT-6.1 Sol 和 Claude Opus 5.5 的真實應用比較，而非指數分數。

• 參數數量 — 兩者皆未揭露。d1-ultra 的上下文視窗同樣未由廠商說明，僅出現在第三方閘道目錄中，標示為 32,768 個 token，我們將其視為未經確認，而非正式規格。

• 延遲 — d1 在文字決策方面公布的數據為 200 至 300 毫秒。d1-ultra 則完全沒有公布任何延遲數據。

最後那兩項落差才是值得注意的地方。較新、較貴的模型，正是規格表更空的那一個。你被要求以 2.1 倍的費率付費，買一個尺寸、上下文長度和速度全都未揭露的模型，憑藉的只是一項校準聲明和一個供應商自己回報的指數數字。

Liquid AI 實際上所提出的主張

仔細讀 d1-ultra 那篇文章，它的賣點並不是準確率，而是：對決策模型來說，光有準確率並不足夠，因為決策模型也會輸出機率，而其中大多數都過度自信。一個嘴裡說 0.97、實際意思卻是 0.72 的分類器，會毀掉一套基於閾值的流程，即使它的前 1 準確率非常出色，因為你在該閾值之上採取的每一個自動化動作，都是基於錯誤的前提。文章說，d1-ultra 的訓練就是特地要讓它的機率有更好的校準；而發布說明指出，在 112 項不重複評估中，它在每項任務上都勝過 Jev 1.14，並以相同價格提供更好的校準。

這是與「更聰明」截然不同的銷售論點，而且也是任一版本中，外部人士最難驗證的一項主張。公告裡沒有任何內容能讓你在決定採用前，用自己的資料檢查校準。如果你的流程取 argmax 而忽略機率，校準這個賣點就不適用於你，d1-ultra 的理由就只剩下指標差距。如果你的流程是依機率設閾值——高於 0.9 自動核准，低於則向上呈報——那麼校準就是唯一重要的數字，而且是你必須自行從標註樣本中產生的數字。

當倍增本身就能回本時

用一個能讓費率差異不再只是雜訊的量級來算清楚。一個審核關卡每則貼文詢問一個 noul 問題，每月 500,000 則貼文，每則大約 400 個輸入 token，就是每月 2 億個輸入 token。

• d1 方案：每月 $4.00。d1-ultra 方案：每月 $8.40。這 4 美元的差額不是一條預算項目；它比花在決定上的工程師工時成本還小。

• 把同樣的門檻套用到圖片輸入，token 數量就會快速攀升，因為單一張 1024×1024 圖片就是 1,536 個輸入 token，而每個問題都會重新計費其文字與所有圖片。針對同一張照片問五個問題，就會為那張照片付五次費用，這是不管你選哪個模型都值得避免的設計失誤。

• 在每月 200 億個輸入 token 的情況下——這是大規模分類器，而非試點——d1 的成本約為 400 美元，d1-ultra 則約為 840 美元。絕對差距如今已真實存在，而對於一個處理量相當於數千萬張影像的工作負載而言，這個差距仍低於一千美元。

這套計算所推導出的結論，並不是人們預期的那個。對絕大多數決策工作負載而言，d1-ultra 與 d1 之間的價差太小，不足以成為決定性因素，這表示決定應完全取決於答案的品質。有趣的例外則正好相反：如果你的用量確實極大，而任務很簡單——對短文字做二元判斷、不涉及圖片——你根本不該在這兩者之間做選擇，因為開放權重的 d1-3B 能以每次呼叫零成本完成那項工作。這對產品的定價夠接近，真正的問題是它們下面那個。

當決策模型是錯誤的工具時

這兩個模型都記載了同樣的四項用途：分類與路由、評分與評等、二元閘門，以及多模態檢測。供應商自己的文件也同樣清楚說明它們不適用於哪些用途——自由形式生成、多輪對話、摘要、開放式推理、撰寫程式碼。由於沒有可串流的輸出符元，因此若應用程式預期會收到散文式回覆，將會得到錯誤，而不是較差的答案。這點值得說明，因為把決策模型當作生成式呼叫的廉價替代品來取用的誘惑，正是管線最終誤用其中一個模型的方式。

針對較舊模型所發表的證據，至少是具體的。在 2026 年 10 月 5 日測試的六個真實應用中，據報導 d1 在其中四個上追平或超越 GPT-6.1 Sol，成本低 19 至 200 倍，並且在每項任務上都回答得更快。這六個之一是在 VisA 資料集上，對來自四條生產線的零件——電路板、蠟燭、腰果和口香糖——進行的視覺檢測運行，該模型在未經任務特定訓練的情況下，以 85% 至 97% 的準確率將良品與瑕疵品分類。另一個則在上下文壓縮處理中移除了 52% 的符元。那些是由供應商執行的評估，並附有明確說明的方法論，而且它們仍然是由供應商執行的：每個應用、每個模型只跑一次，採用的是不含快取折扣的定價，且若干程式碼與壓縮問題是在 d1 的流程已經固定之後才撰寫的。請把它們解讀為該類別確實可行的證據，而不是可直接套用到你自己任務上的記分板。

升級決定，一般而言

先從 d1 開始。不是因為它是更好的模型——指標排名顯示它並不是——而是因為每百萬輸入 token 只要 $0.02，且不收取輸出費用，數十萬次呼叫也只花費幾美分，而要了解一個決策模型是否適合你的管線，最快的方法就是讓它面對真實流量，並檢視它回傳的機率分布。記錄機率，而不只是標籤。如果它們緊密集中在極端值附近，而且你的閾值穩定，你就免費獲得了校準，沒有理由再付更多錢。

當那個日誌中出現某個具體、有明確名稱的失敗時，就改用 d1-ultra：困難的知識問題、視覺上有歧義的主張，以及模型回傳 0.6 且確實如此的情況。這次遷移只是在同一個端點上變更模型字串，所以可以有選擇性——在出現失敗的路由上使用 d1-ultra，其餘全部使用 d1。這才是這個比較誠實的樣貌。這不是二選一；這是逐路由的設定，而且價格夠接近，讓你可以負擔得起精準處理。

有一個實際的細節值得事先規劃。如果你的決策要餵給生成步驟——回覆、摘要、工具呼叫——你維護的是兩段供應商關係，而不是一段。OrcaRouter 把那後半段收攏起來：一把相容 OpenAI 的金鑰，橫跨 200 多個生成式模型，以供應商定價原價轉嫁、0% 加價，因此上游的價格變動會當天反映在你的帳單上，而不是等到下一次合約續約，並具備跨供應商自動容錯移轉，全都位於同一個端點背後。準確界定範圍：我們不代管 Liquid AI 的決策模型，所以 d1 或 d1-ultra 呼叫仍然送往 Liquid AI 自家的 API，我們承載的是決策之後的所有下游環節。

在大規模採用 d1-ultra 之前，你該注意什麼？

有兩個數字，目前都付之闕如。第一個是延遲：d1 的 200 至 300 毫秒數據，完全無法說明 d1-ultra 的任何情況，而較新的型號也未公布任何資訊，因此任何對延遲敏感的請求路徑都應先做金絲雀測試，而非全盤遷移。第二個是獨立的校準量測。這項 112 次評估的比較以及八點的指數領先幅度，都是 Liquid AI 自家的報告，而該指數數字是透過廠商的公告與隨之而來的新聞報導才進入本文，並非來自我們自己能載入的表格。當有人在公開資料上為這兩個模型重現出可靠性曲線時，那 2.1 倍的溢價就會成為一項採購決策，而不是憑個人判斷的取捨。

在那之前，經得起檢視的立場是保守的那一方。d1 是一個能力足夠、價格便宜、且由自家供應商親自驗證過的決策模型，其價格讓實驗幾乎不需成本。d1-ultra 則是一項看似合理的改良，附帶著一個具體、聽起來可驗證的主張，背後卻是一份異常單薄的規格表。在你手上還沒有任何失敗案例之前就為第二個付雙倍價錢，是在為一個你尚未觀察到的問題買保險——而在這樣的用量規模下，這與其說是錯誤，不如說是捨入誤差。只是別讓這個捨入誤差變成整體架構。