Liquid AI hat d1-ultraveröffentlicht, sein bislang leistungsfähigstes Entscheidungsmodell. Das Liquid AI d1-ultra Entscheidungsmodell liest Text, Bilder oder beides. Es beantwortet eingegebene Fragen mit einer Wahrscheinlichkeit für jede mögliche Antwort. Dies geschieht in 1 Forward Pass, ohne dass Output-Tokens generiert werden. Für Entwickler bedeutet das Klassifizierungs-, Routing- und Scoring-Aufrufe, ohne für generierten Text zu zahlen. Es ist jetzt über die Liquid API verfügbar zum Preis von $0.042 pro Million Input-Tokens.
TL;DR
- Größe: Parameter und Kontextlänge nicht offengelegt. Basiert auf einem größeren Open-Weight-Backbone als d1.
- Läuft auf: Ausschließlich der gehosteten Liquid API. Keine herunterladbaren Gewichte oder quantisierten Varianten angekündigt.
- Leistung: Führt in allen 8 Kategorien von Liquids 112-Evaluationssuite, laut Liquid.
- Bestes Ergebnis: 65 auf dem Artificial Analysis Decision Index, auf Platz #1 (von Liquid berichtet).
- Schlechtestes Ergebnis: Noch keine öffentliche Aufschlüsselung pro Benchmark oder Parameteranzahl; Angaben stammen vom Anbieter.
Was ist ein Entscheidungsmodell?
Ein Entscheidungsmodell beantwortet begrenzte Fragen mit Wahrscheinlichkeiten statt mit freiem Text. Liquids Dokumentation zu Entscheidungsmodellen beschreibt 3 Fragetypen:
- Noul: eine Ja/Nein-Frage, die eine Wahrscheinlichkeit zwischen 0 und 1 zurückgibt.
- Choice: ein Label aus einer Menge, mit einer Wahrscheinlichkeit pro Label.
- Score: eine wahrscheinlichkeitsgewichtete Position auf einer geordneten Rubrik.
Die Dokumentation empfiehlt Entscheidungsmodelle für Routing, Moderation, Guardrails, Triage und als Ersatz für LLM-as-judge. Für Zusammenfassungen, Chat und Code-Generierung wird ein Sprachmodell empfohlen.
Wie funktioniert d1-ultra?
Jede Anfrage enthält einen Zustand (den Kontext), optionale Bildersowie 1 oder mehrere typisierte Fragen. Das Modell bewertet jede Frage in 1 Aufruf gegen dieselbe Eingabe. Die d1 API reference zeigt Antworten mit output_tokens immer bei 0.
Das Liquid AI Team gibt an, dass d1-ultra einen größeren Open-Weight-Backbone als d1verwendet, zusammen mit umfangreichen Liquid-spezifischen Anpassungen. In Kombination mit Liquids Decision-Training-Pipeline sind die Zuwächse bei Wissensaufgaben am größten.
Das Liquid AI Team hat d1-ultra für unordentliche Fälle gebaut. Zu den Beispielen gehört das Erkennen eines Leiterplattenfehlers anhand einer Spezifikation. Ein weiteres Beispiel ist die Prüfung eines Schadensanspruchs anhand des Kundenfotos.
Wie schneidet d1-ultra bei Benchmarks ab?
Liquid AI verglich d1-ultra mit seinem früheren d1 und TypeSafes Jev 1.14 über 112 Evaluationen hinweg. Laut Liquid AIs Ankündigungübertrifft d1-ultra Jev 1.14 bei allen Aufgaben zum gleichen Preis.
Im unabhängigen Artificial Analysis Decision Indexmeldet Liquid, dass d1-ultra den Platz #1 mit einer Punktzahl von 65 belegt. Der Index mittelt 4 Evaluationen mit jeweils 25%:
- AA-Omniscience-Decision: Wissen und Halluzination
- HLE-MultiChoice: Reasoning
- When2Call: Tool-Aufrufe
- WildGuardTest: Sicherheitsklassifizierung
Zur Einordnung: In Artificial Analysis’ Artikel zum Launch am 13. Oktober wurde Jev 1.13 zuerst mit 58 gelistet. GLiDE und Microsoft-Decision-1 folgten mit jeweils 54.
Vergleich: d1-ultra vs. andere Entscheidungsmodelle
| Merkmal | d1-ultra | d1 | Jev (TypeSafe) | Microsoft-Entscheidung-1 | GLiDE (Fastino) |
|---|---|---|---|---|---|
| Developer | Liquid AI | Liquid AI | TypeSafe AI | Microsoft | Fastino Labs |
| Parameters | Nicht offengelegt | Nicht offengelegt | Nicht offengelegt | Nicht offengelegt | Nicht offengelegt |
| Eingabe | Text, Bilder | Text, Bilder | Text | Nicht offengelegt | Nicht offengelegt |
| Gewichte | Nur API | Nur API | Geschlossen | Nicht offengelegt | Nicht offengelegt |
| AA Decision Index | 65 (von Liquid berichtet) | Nicht offengelegt | 58 (v1.13, 13. Okt) | 54 (13. Okt) | 54 (13. Okt.) |
| Preis | 0,042 $ / 1M Eingabe | Nicht offengelegt | 0,042 $ / 1M Eingabe | 31 $ / 1M Aufgaben (AA) | 119 $ / 1M Aufgaben (AA) |
| Ausgabe-Tokens abgerechnet | Nein | Nein | Nein | Nicht offengelegt | Nicht offengelegt |
Wie deployt man d1-ultra, und was kostet es?
d1-ultra läuft über die Liquid API über den /decisions/v1/systemone Endpunkt mit "model": "d1-ultra". Liquid sagt, Vercel AI Gateway und OpenRouter Unterstützung komme bald. Sie können es zuerst im d1 Playground.
testen. Die Abrechnung umfasst nur Eingabe-Tokens. Laut Liquids Preishinweisenkosten Bilder 1.5 Tokens pro 32×32-Pixel-Patch. Ein 1024×1024-Bild kostet daher 1,536 Tokens. Jede Frage wird als eigener Prompt abgerechnet, einschließlich ihres Textes und aller Bilder. Also werden bei 3 Fragen zu 1 Bild dieses Bild 3-mal abgerechnet.
Die Endpunkt-Dokumentation begrenzt Anfragen auf 8 Bilder und 10,000 Bild-Patches. Der vollständige JSON-Body muss unter 4.5 MB bleiben.
Kernerkenntnisse
- d1-ultra liefert Wahrscheinlichkeiten für Text- und Bildentscheidungen mit 0 Ausgabe-Tokens.
- Liquid meldet einen Spitzenwert (#1) von 65 im Artificial Analysis Decision Index.
- Es kostet 0.042 $ pro 1M Eingabe-Tokens, derselbe Satz wie bei TypeSafes Jev.
- Liquid beansprucht den niedrigsten Kalibrierungsfehler in seinen Tests, was für Routing-Schwellenwerte nützlich ist.
- Größe, Backbone und Gewichte bleiben unveröffentlicht; der Zugang erfolgt ausschließlich über die API.
Schauen Sie sich die offizieller Blogbeitrag, die Dokumentation zum Entscheidungsmodell, und probiere die d1 Playground. Die gesamte Anerkennung gebührt der Forscherin bzw. dem Forscher dieses Projekts. Folgen Sie uns außerdem gerne auf Twitter und vergesst nicht, unserer beizutreten 150k+ ML SubReddit und abonnieren Sie unseren Newsletter. Warte! Bist du auf Telegram? jetzt können Sie uns auch auf Telegram folgen.
Der Beitrag Liquid AI veröffentlicht d1-ultra: Ein multimodales Entscheidungsmodell, das 65 Punkte auf dem AA Decision Index erreicht erschien zuerst auf MarkTechPost.