Liquid AI выпустила модели решений d1.2 с поддержкой аудио
Liquid AI представила d1.2 и d1.2-ultra — размещаемые в облаке модели для принятия решений, работающие с текстом, изображениями и аудио. Они не создают связный текст, а возвращают вероятности для заранее заданных вариантов и структурированные ответы, используя ноль выходных токенов. На один вопрос допускается до 65 536 входных токенов, а один вызов может содержать до 128 вопросов. Число параметров не раскрывается; пока модели доступны только через размещённый Liquid API.
В d1.2 появились пять типов ответов: извлечение значения с указанием исходного фрагмента, поиск всех совпадающих отрезков, определение объектов с ограничивающими прямоугольниками, оценка числа с диапазоном и выбор нескольких подходящих вариантов. Аудио принимается в формате 16-bit PCM WAV и тарифицируется из расчёта 10 токенов в секунду. На отложенных записях ESC-50 и FLEURS модели правильно ответили на 95–97% вопросов.
В Artificial Analysis Decision Index v2.1 d1.2-ultra набрала 75 баллов — это лучший результат среди представленных в статье моделей решений; d1.2 получила 69. По собственной проверке Liquid AI на 13 бенчмарках и 22 505 вопросах ошибка калибровки составила 0,8 и 1,2 пункта соответственно. Выпуск весов запланирован, но дата не названа. Предыдущие модели d1 устарели и не поддерживают аудио и новые задачи.
Текст подготовлен ИИ Sakhanda Wire по материалу MarkTechPost. Факты, цитаты и полный контекст — в оригинальной статье ниже.