Liquid AI가 출시했습니다 d1-ultra, 지금까지 가장 강력한 의사결정 모델입니다. Liquid AI d1-ultra 의사결정 모델은 텍스트, 이미지 또는 둘 다를 읽습니다. 입력된 질문에 대해 각 가능한 답변에 대한 확률로 답합니다. 이를 1회 forward pass로 수행하며 출력 토큰을 생성하지 않습니다. 개발자에게 이는 생성된 텍스트 비용 없이 분류, 라우팅 및 스코어링 호출이 가능하다는 의미입니다. 이 모델은 현재 Liquid API에서 이용 가능하며 백만 입력 토큰당 $0.042입니다.
TL;DR
- 크기: 파라미터 수와 컨텍스트 길이는 공개되지 않았습니다. d1보다 큰 오픈 웨이트 백본을 기반으로 구축되었습니다.
- 실행 환경: 호스티드 Liquid API 전용입니다. 다운로드 가능한 가중치나 양자화 변형은 발표되지 않았습니다.
- 성능: Liquid 발표 기준으로 Liquid의 112개 평가 스위트 전체 8개 카테고리에서 1위.
- 최고: Artificial Analysis Decision Index에서 65점, #1 순위(Liquid 보고).
- 최악: 공개된 벤치마크별 세부 결과나 파라미터 수가 아직 없음; 주장은 벤더 보고 기준.
의사결정 모델이란 무엇인가?
의사결정 모델은 자유 텍스트 대신 확률로 한정된 질문에 답합니다. Liquid의 의사결정 모델 문서 는 3가지 질문 유형을 설명합니다:
- Noul: 0과 1 사이의 확률을 반환하는 예/아니오 질문.
- Choice: 집합에서 하나의 레이블을 선택하며, 각 레이블에 대한 확률이 제공됨.
- Score: 순서가 있는 루브릭에서 확률 가중치가 적용된 위치.
이 문서는 라우팅, 모더레이션, 가드레일, 트리아지 및 LLM-as-judge 대체를 위해 의사결정 모델을 권장합니다. 요약, 채팅 및 코드 생성에는 언어 모델을 권장합니다.
d1-ultra는 어떻게 작동하는가?
각 요청은 상태 (컨텍스트), 선택적인 이미지, 그리고 1개 이상의 타입이 지정된 질문. 모델은 1회 호출에서 모든 질문을 동일한 입력에 대해 평가합니다. d1 API 참조 에서는 응답에 output_tokens 이 항상 0으로 표시됩니다.
Liquid AI 팀은 d1-ultra가 d1보다 큰 오픈 웨이트 백본을 사용하며, 여기에 Liquid 특화의 강력한 커스터마이징이 적용되었다고 밝혔습니다. Liquid의 결정 학습(decision training) 파이프라인과 결합하여, 지식 기반 작업에서 가장 큰 성능 향상을 보입니다.
Liquid AI 팀은 까다로운 사례를 위해 d1-ultra를 만들었습니다. 예시로는 사양서를 기준으로 회로 기판 결함을 발견하는 것이 있습니다. 또 다른 예는 고객의 사진과 대조하여 피해 보험 청구를 검증하는 것입니다.
d1-ultra는 벤치마크에서 어떤 성능을 보일까요?
Liquid AI는 112개 평가에 걸쳐 d1-ultra를 이전 모델인 d1 및 TypeSafe의 Jev 1.14를 112개 평가에서 비교했습니다. 에 따르면 Liquid AI의 발표에 따르면, d1-ultra는 동일한 가격으로 모든 작업에서 Jev 1.14를 능가합니다.
독립적인 Artificial Analysis Decision Index에서 Liquid는 d1-ultra가 65점으로 1위를 차지한다고 보고했습니다. 이 지수는 각 25% 비중의 4개 평가를 평균합니다:
- AA-Omniscience-Decision: 지식 및 환각
- HLE-MultiChoice: 추론
- When2Call: 도구 호출
- WildGuardTest: 안전 분류
참고로 Artificial Analysis의 10월 13일 출시 기사에서는 Jev 1.13을 58점으로 1위에 올렸습니다. GLiDE와 Microsoft-Decision-1이 각각 54점으로 뒤를 이었습니다.
비교: d1-ultra 대 기타 의사결정 모델
| 기능 | d1-ultra | d1 | Jev (TypeSafe) | Microsoft-Decision-1 | GLiDE (Fastino) |
|---|---|---|---|---|---|
| Developer(개발사) | Liquid AI | Liquid AI | TypeSafe AI | Microsoft | Fastino Labs |
| Parameters(파라미터) | Not disclosed(비공개) | Not disclosed(비공개) | Not disclosed(비공개) | Not disclosed(비공개) | Not disclosed(비공개) |
| Input(입력) | Text, images(텍스트, 이미지) | Text, images(텍스트, 이미지) | Text(텍스트) | Not disclosed(비공개) | Not disclosed(비공개) |
| Weights(가중치) | API only(API 전용) | API only(API 전용) | Closed(비공개) | Not disclosed(비공개) | Not disclosed(비공개) |
| AA Decision Index(AA 결정 지수) | 65 (Liquid-reported)(65, Liquid 보도 기준) | Not disclosed(비공개) | 58 (v1.13, 10월 13일) | 54 (10월 13일) | 54 (10월 13일) |
| 가격 | $0.042 / 1M 입력 | 공개되지 않음 | $0.042 / 1M 입력 | $31 / 1M 작업 (AA) | $119 / 1M 작업 (AA) |
| 출력 토큰 과금 | 아니요 | 아니요 | 아니요 | 공개되지 않음 | 공개되지 않음 |
d1-ultra는 어떻게 배포하며 비용은 얼마인가요?
d1-ultra는 Liquid API 를 통해 /decisions/v1/systemone 엔드포인트에서 "model": "d1-ultra"와 함께 실행됩니다. Liquid에 따르면 Vercel AI Gateway 및 OpenRouter 지원이 곧 제공될 예정입니다. 먼저 d1 Playground.
에서 테스트해 볼 수 있습니다. 과금은 입력 토큰만을 대상으로 합니다. Liquid의 가격 정책에 따르면, 이미지는 32×32픽셀 패치당 1.5 토큰의 비용이 듭니다. 따라서 1024×1024 이미지는 1,536 토큰이 듭니다. 각 질문은 텍스트와 모든 이미지를 포함하여 자체 프롬프트로 과금됩니다. 따라서 이미지 1개에 대한 질문 3개는 해당 이미지에 대해 3번 과금됩니다.
엔드포인트 문서 는 요청을 이미지 8개 및 이미지 패치 10,000개로 제한합니다. 전체 JSON 본문은 4.5 MB 미만이어야 합니다.
핵심 요약
- d1-ultra는 출력 토큰 0개로 텍스트 및 이미지 판단에 대한 확률을 반환합니다.
- Liquid는 Artificial Analysis Decision Index에서 1위 점수인 65점을 기록했습니다.
- 1M 입력 토큰당 $0.042의 비용이 들며, 이는 TypeSafe의 Jev와 동일한 요율입니다.
- Liquid은 테스트에서 가장 낮은 보정 오차를 기록했으며, 이는 라우팅 임계값 설정에 유용합니다.
- 크기, 백본 및 가중치는 공개되지 않았으며, 접근은 API로만 가능합니다.
다음을 확인해 보세요 공식 블로그 게시물, 해당 의사결정 모델 문서, 그리고 다음을 사용해 보세요 d1 Playground. 이 프로젝트의 연구자에게 모든 공이 돌아갑니다. 또한, 언제든지 저희를 팔로우해 주세요. 트위터 그리고 저희 ML 서브레딧 150k+ 구독자 및 구독하기 우리의 뉴스레터. 잠깐만요! 텔레그램 쓰시나요? 이제 텔레그램에서도 저희와 함께하실 수 있습니다.
해당 게시글 Liquid AI, AA Decision Index에서 65점을 기록한 멀티모달 의사결정 모델 d1-ultra 출시 최초 게재: MarkTechPost.