Liquid AI представила d1-ultra: мультимодальную модель принятия решений с результатом 65 в Artificial Analysis Decision Index
Liquid AI выпустила d1-ultra — свою самую мощную на сегодняшний день модель принятия решений. Модель принятия решений Liquid AI d1-ultra работает с текстом, изображениями или обоими типами данных. Она отвечает на введённые вопросы, указывая вероятность каждого возможного ответа. Модель делает это за один прямой проход и не генерирует выходные токены. Для разработчиков это означает возможность выполнять вызовы для классификации, маршрутизации и выставления оценок без оплаты сгенерированного текста. Модель уже доступна через Liquid API по цене $0.042 за миллион входных токенов.
Кратко
- Размер: Количество параметров и длина контекста не раскрыты. Модель построена на более крупной базе с открытыми весами, чем d1.
- Работает на: Только через размещённый Liquid API. О загружаемых весах или квантованных версиях не сообщалось.
- Производительность: По данным Liquid, лидирует во всех 8 категориях набора из 112 оценок Liquid.
- Лучший результат: 65 в Artificial Analysis Decision Index, 1-е место (по данным Liquid).
- Худший результат: Подробная разбивка по отдельным тестам и количество параметров пока не опубликованы; заявления основаны на данных поставщика.
Что такое модель принятия решений?
Модель принятия решений отвечает на вопросы с ограниченным набором вариантов, выдавая вероятности вместо произвольного текста. В документации Liquid по моделям принятия решений описаны 3 типа вопросов:
- Noul: вопрос с ответом «да/нет», который возвращает вероятность от 0 до 1.
- Choice: одна метка из набора с вероятностью для каждой метки.
- Score: позиция в упорядоченной шкале, взвешенная по вероятности.
В документации модели принятия решений рекомендуются для маршрутизации, модерации, защитных ограничений, первичной сортировки и замены LLM-as-judge. Для суммаризации, чатов и генерации кода рекомендуется использовать языковую модель.
Как работает d1-ultra?
Каждый запрос содержит состояние (контекст), необязательные изображения и 1 или более типизированных вопросов. Модель оценивает каждый вопрос относительно одних и тех же входных данных за 1 вызов. В справочнике API d1 показаны ответы, в которых значение output_tokens всегда равно 0.
Команда Liquid AI сообщает, что d1-ultra использует более крупную базу с открытыми весами, чем d1, а также многочисленные специфические для Liquid доработки. В сочетании с конвейером обучения Liquid для принятия решений наибольший прирост наблюдается в задачах, связанных со знаниями.
Команда Liquid AI создала d1-ultra для работы со сложными, неструктурированными случаями. Среди примеров — обнаружение дефекта печатной платы по сравнению со спецификацией. Другой пример — проверка заявления о повреждении по фотографии клиента.
Как d1-ultra показывает себя в тестах?
Liquid AI сравнила d1-ultra со своей более ранней моделью d1 и Jev 1.14 от TypeSafe по 112 оценкам. Согласно сообщению Liquid AI, d1-ultra превосходит Jev 1.14 по всем задачам при одинаковой цене.
В независимом Artificial Analysis Decision Index, по данным Liquid, d1-ultra занимает 1-е место с результатом 65. Индекс представляет собой среднее значение 4 оценок, каждая из которых имеет вес 25%:
- AA-Omniscience-Decision: знания и галлюцинации
- HLE-MultiChoice: рассуждение
- When2Call: вызов инструментов
- WildGuardTest: классификация безопасности
Для сравнения, в статье о запуске от 13 октября Artificial Analysis поставила Jev 1.13 на первое место с результатом 58. GLiDE и Microsoft-Decision-1 следовали за ней с результатом 54 каждый.
Сравнение: d1-ultra и другие модели принятия решений
| Характеристика | d1-ultra | d1 | Jev (TypeSafe) | Microsoft-Decision-1 | GLiDE (Fastino) |
|---|---|---|---|---|---|
| Разработчик | Liquid AI | Liquid AI | TypeSafe AI | Microsoft | Fastino Labs |
| Параметры | Не раскрыты | Не раскрыты | Не раскрыты | Не раскрыты | Не раскрыты |
| Входные данные | Текст, изображения | Текст, изображения | Текст | Не раскрыто | Не раскрыто |
| Веса | Только API | Только API | Закрытые | Не раскрыто | Не раскрыто |
| AA Decision Index | 65 (по данным Liquid) | Не раскрыто | 58 (v1.13, 13 октября) | 54 (13 октября) | 54 (13 октября) |
| Цена | $0.042 / 1 млн входных токенов | Не раскрыта | $0.042 / 1 млн входных токенов | $31 / 1 млн задач (AA) | $119 / 1 млн задач (AA) |
| Оплачиваются выходные токены | Нет | Нет | Нет | Не раскрыто | Не раскрыто |
Как развернуть d1-ultra и сколько это стоит?
d1-ultra работает через Liquid API с использованием конечной точки /decisions/v1/systemone и параметра "model": "d1-ultra". Liquid сообщает, что поддержка Vercel AI Gateway и OpenRouter появится в ближайшее время. Сначала протестировать модель можно в песочнице d1.
Оплата взимается только за входные токены. Согласно примечаниям Liquid о ценах, изображения стоят 1,5 токена за участок размером 32×32 пикселя. Таким образом, изображение размером 1024×1024 стоит 1 536 токенов. Каждый вопрос оплачивается как отдельный запрос, включая его текст и все изображения. Поэтому 3 вопроса по 1 изображению означают оплату этого изображения 3 раза.
Документация конечной точки ограничивает запросы 8 изображениями и 10 000 участками изображений. Полное тело JSON не должно превышать 4,5 МБ.
Главные выводы
- d1-ultra возвращает вероятности для решений на основе текста и изображений, используя 0 выходных токенов.
- Liquid сообщает о результате 65 и 1-м месте в Artificial Analysis Decision Index.
- Модель стоит $0.042 за 1 млн входных токенов — столько же, сколько Jev от TypeSafe.
- Liquid заявляет о наименьшей в своих тестах ошибке калибровки, что полезно для определения порогов маршрутизации.
- Размер, база и веса остаются нераскрытыми; доступ возможен только через API.
Ознакомьтесь с официальной публикацией в блоге, документацией по моделям принятия решений и попробуйте песочницу d1. Вся благодарность принадлежит исследователю этого проекта. Также подписывайтесь на нас в Twitter и не забудьте присоединиться к нашему 150k+ ML-сабреддиту и подписаться на нашу рассылку. Постойте! Вы есть в Telegram? теперь вы также можете присоединиться к нам в Telegram.
Переведено автоматически с английского. Оригинал статьи — по ссылке ниже.