Liquid AI 发布多模态决策模型 d1-ultra，Artificial Analysis 决策指数得 65 分
Liquid AI 发布决策模型 d1-ultra，可读取文本、图像或两者，对有界问题按概率作答，单次前向传播输出 0 个 token，现已在 Liquid API 上线，输入价格 $0.042/1M tokens。
MarkTechPost· Asif Razzaq·2026-10-16 14:26· 3 小时前AI 评分59
Liquid AI 发布 d1-ultra：一款多模态决策模型，在 AA 决策指数上得分 65
AI 导读
Liquid AI 发布迄今最强的决策模型 d1-ultra，可读取文本、图像或两者，以概率形式回答有界问题，单次前向传播输出 0 个 token。
正文
Liquid AI 已发布 d1-ultra，这是其迄今为止能力最强的决策模型。Liquid AI 的 d1-ultra 决策模型可读取文本、图像或两者。它以每个可能答案对应一个概率的方式回答带类型的问题。它在一次前向传播中完成这一过程，且不生成任何输出 token。对开发者而言，这意味着分类、路由和评分调用无需为生成的文本付费。它现已在 Liquid API 上提供，价格为每百万输入 token 0.042 美元。
TL;DR
- 规模：参数数量和上下文长度未披露。基于比 d1 更大的开放权重骨干网络构建。
- 运行于：仅托管 Liquid API。未公布可下载的权重或量化变体。
- 性能：据 Liquid 称，在 Liquid 的 112 项评估套件中领先全部 8 个类别。
- 最佳：在 Artificial Analysis 决策指数上得分为 65，排名第 1（Liquid 报告）。
- 最差：尚无公开的逐基准细分或参数数量；相关声明均为厂商自报。
什么是决策模型？
决策模型以概率而非自由文本回答有界问题。Liquid 的决策模型文档描述了 3 种问题类型：
- Noul：一个是/否问题，返回 0 到 1 之间的概率。
- Choice：从一组标签中选择一个，每个标签对应一个概率。
- Score：在有序评分标准上的概率加权位置。
文档建议将决策模型用于路由、审核、护栏、分诊以及替代 LLM-as-judge。对于摘要、聊天和代码生成，则建议使用语言模型。
d1-ultra 如何工作？
每个请求携带一个 state（上下文）、可选的 images，以及 1 个或多个带类型的 questions。模型在一次调用中针对同一输入评估每个问题。d1 API 参考显示响应中 output_tokens 始终为 0。
Liquid AI 团队表示，d1-ultra 使用了比 d1 更大的开放权重骨干网络，并进行了大量 Liquid 专属定制。结合 Liquid 的决策训练流水线，其在知识任务上的提升最大。
Liquid AI 团队为处理棘手场景构建了 d1-ultra。其示例包括对照规格发现电路板缺陷。另一个示例是根据客户照片核查损坏索赔。
d1-ultra 在基准测试中表现如何？
Liquid AI 在 112 项评估中将 d1-ultra 与其早前的 d1 以及 TypeSafe 的 Jev 1.14 进行了比较。根据 Liquid AI 的公告，在相同价格下，d1-ultra 在所有任务上均优于 Jev 1.14。
在独立的 Artificial Analysis 决策指数上，Liquid 报告 d1-ultra 以 65 分排名第 1。该指数对 4 项评估各按 25% 取平均：
- AA-Omniscience-Decision：知识与幻觉
- HLE-MultiChoice：推理
- When2Call：工具调用
- WildGuardTest：安全分类
背景方面，Artificial Analysis 的 10 月 13 日发布文章将 Jev 1.13 列在首位，得分为 58。GLiDE 和 Microsoft-Decision-1 紧随其后，各为 54。
对比：d1-ultra 与其他决策模型
| 特性 | d1-ultra | d1 | Jev（TypeSafe） | Microsoft-Decision-1 | GLiDE（Fastino） |
|---|---|---|---|---|---|
| 开发者 | Liquid AI | Liquid AI | TypeSafe AI | Microsoft | Fastino Labs |
| 参数量 | 未披露 | 未披露 | 未披露 | 未披露 | 未披露 |
| 输入 | 文本、图像 | 文本、图像 | 文本 | 未披露 | 未披露 |
| 权重 | 仅 API | 仅 API | 闭源 | 未披露 | 未披露 |
| AA Decision Index | 65（Liquid 报告） | 未披露 | 58（v1.13，10 月 13 日） | 54（10 月 13 日） | 54（10 月 13 日） |
| 价格 | $0.042 / 1M 输入 | 未披露 | $0.042 / 1M 输入 | $31 / 1M 任务（AA） | $119 / 1M 任务（AA） |
| 输出 token 计费 | 否 | 否 | 否 | 未披露 | 未披露 |
如何部署 d1-ultra，费用是多少？
d1-ultra 通过 /decisions/v1/systemone 端点及 "model": "d1-ultra" 在 Liquid API 上运行。Liquid 表示即将支持 Vercel AI Gateway 和 OpenRouter。你可以先在 d1 Playground 中测试。
计费仅涵盖输入 token。根据 Liquid 的定价说明，图像按每 32×32 像素块 1.5 token 计费。因此一张 1024×1024 图像计费 1,536 token。每个问题都作为独立提示计费，包括其文本和所有图像。因此，针对 1 张图像提出 3 个问题，该图像会被计费 3 次。
端点文档将请求限制为 8 张图像和 10,000 个图像块。完整 JSON 正文必须保持在 4.5 MB 以下。
关键要点
- d1-ultra 以 0 输出 token 返回文本和图像决策的概率。
- Liquid 报告在 Artificial Analysis Decision Index 上以 65 分位列第一。
- 价格为每 1M 输入 token $0.042，与 TypeSafe 的 Jev 相同。
- Liquid 声称在其测试中校准误差最低，有助于路由阈值。
- 规模、骨干和权重仍未披露；仅限 API 访问。
查看 官方博客文章、决策模型文档，并试用 d1 Playground。 所有功劳归该项目的研究人员。另外，欢迎在 Twitter 上关注我们，别忘了加入我们的 150k+ ML SubReddit 并订阅 我们的 Newsletter。等等！你在 Telegram 上吗？现在你也可以在 Telegram 上加入我们。
文章 Liquid AI 发布 d1-ultra：一款在 AA Decision Index 上得分 65 的多模态决策模型 首次出现在 MarkTechPost。
来源：MarkTechPost · marktechpost.com
来源：RadarAI · aihot.news