Liquid AI представила d1-ultra: мультимодальну модель ухвалення рішень із результатом 65 в Artificial Analysis Decision Index
Liquid AI випустила d1-ultra, свою найпотужнішу на сьогодні модель прийняття рішень. Модель прийняття рішень Liquid AI d1-ultra опрацьовує текст, зображення або і те, й інше. Вона відповідає на набрані запитання, вказуючи ймовірність для кожної можливої відповіді. Це відбувається за один прямий прохід, і модель не генерує жодних вихідних токенів. Для розробників це означає виклики для класифікації, маршрутизації та оцінювання без необхідності платити за згенерований текст. Вона вже доступна в Liquid API за ціною $0.042 за мільйон вхідних токенів.
Коротко
- Розмір: Кількість параметрів і довжину контексту не розкрито. Побудована на більшій базовій моделі з відкритими вагами, ніж d1.
- Працює на: лише на хостованому Liquid API. Завантажуваних ваг або квантизованих варіантів не анонсовано.
- Продуктивність: за даними Liquid, очолює всі 8 категорій у наборі з 112 оцінювань Liquid.
- Найкращий результат: 65 балів в Artificial Analysis Decision Index, 1-ше місце (за даними Liquid).
- Найгірший результат: детального розподілу за окремими бенчмарками або кількості параметрів поки немає; твердження надані виробником.
Що таке модель прийняття рішень?
Модель прийняття рішень відповідає на обмежені запитання за допомогою ймовірностей, а не довільного тексту. У документації Liquid про моделі прийняття рішень описано 3 типи запитань:
- Noul: запитання з відповіддю «так/ні», яке повертає ймовірність від 0 до 1.
- Choice: один ярлик із набору, із зазначенням ймовірності для кожного ярлика.
- Score: позиція на впорядкованій шкалі, зважена за ймовірністю.
У документації рекомендовано використовувати моделі прийняття рішень для маршрутизації, модерації, захисних обмежень, первинного сортування та заміни LLM-as-judge. Для узагальнення, чатів і генерації коду рекомендовано мовну модель.
Як працює d1-ultra?
Кожен запит містить стан (контекст), необов’язкові зображення та 1 або більше типізованих запитань. Модель оцінює кожне запитання на основі того самого вхідного сигналу за 1 виклик. У довіднику API d1 показано відповіді, у яких output_tokens завжди дорівнює 0.
Команда Liquid AI стверджує, що d1-ultra використовує більшу базову модель із відкритими вагами, ніж d1, а також значні спеціальні модифікації Liquid. У поєднанні з конвеєром навчання прийняття рішень Liquid це дає найбільший приріст у завданнях на знання.
Команда Liquid AI створила d1-ultra для складних і неструктурованих випадків. Серед прикладів — виявлення дефекту друкованої плати відповідно до специфікації. Інший приклад — перевірка заяви про пошкодження за фотографією клієнта.
Як d1-ultra показує себе в бенчмарках?
Liquid AI порівняла d1-ultra зі своєю попередньою моделлю d1 і Jev 1.14 від TypeSafe у 112 оцінюваннях. Згідно з анонсом Liquid AI, d1-ultra перевершує Jev 1.14 у всіх завданнях за тієї самої ціни.
У незалежному Artificial Analysis Decision Index, за даними Liquid, d1-ultra посідає 1-ше місце з результатом 65. Індекс є середнім значенням 4 оцінювань, кожне з яких має вагу 25%:
- AA-Omniscience-Decision: знання та галюцинації
- HLE-MultiChoice: міркування
- When2Call: виклик інструментів
- WildGuardTest: класифікація безпеки
Для контексту: у статті про запуск від 13 жовтня Artificial Analysis поставила Jev 1.13 на перше місце з результатом 58. GLiDE і Microsoft-Decision-1 посіли наступні місця, набравши по 54 бали.
Порівняння: d1-ultra та інші моделі прийняття рішень
| Характеристика | d1-ultra | d1 | Jev (TypeSafe) | Microsoft-Decision-1 | GLiDE (Fastino) |
|---|---|---|---|---|---|
| Розробник | Liquid AI | Liquid AI | TypeSafe AI | Microsoft | Fastino Labs |
| Параметри | Не розкрито | Не розкрито | Не розкрито | Не розкрито | Не розкрито |
| Вхідні дані | Текст, зображення | Текст, зображення | Текст | Не розкрито | Не розкрито |
| Ваги | Лише API | Лише API | Закриті | Не розкрито | Не розкрито |
| AA Decision Index | 65 (за даними Liquid) | Не розкрито | 58 (v1.13, 13 жовтня) | 54 (13 жовтня) | 54 (13 жовтня) |
| Ціна | $0.042 / 1 млн вхідних | Не розкрито | $0.042 / 1 млн вхідних | $31 / 1 млн завдань (AA) | $119 / 1 млн завдань (AA) |
| Оплата за вихідні токени | Ні | Ні | Ні | Не розкрито | Не розкрито |
Як розгорнути d1-ultra і скільки це коштує?
d1-ultra працює в Liquid API через кінцеву точку /decisions/v1/systemone із параметром "model": "d1-ultra". Liquid повідомляє, що підтримка Vercel AI Gateway і OpenRouter з’явиться найближчим часом. Спочатку протестувати модель можна в d1 Playground.
Оплачується лише вхідні токени. Згідно з примітками Liquid щодо ціноутворення, зображення коштують 1,5 токена за фрагмент розміром 32×32 пікселі. Таким чином, зображення розміром 1024×1024 коштує 1 536 токенів. Кожне запитання оплачується як окремий запит, включно з його текстом і всіма зображеннями. Отже, 3 запитання щодо 1 зображення означають оплату цього зображення 3 рази.
У документації кінцевої точки зазначено обмеження: не більше 8 зображень і 10 000 фрагментів зображень на запит. Повний JSON-текст має бути меншим за 4,5 МБ.
Головні висновки
- d1-ultra повертає ймовірності для рішень на основі тексту та зображень, використовуючи 0 вихідних токенів.
- Liquid повідомляє про результат №1 — 65 балів — в Artificial Analysis Decision Index.
- Вартість становить $0.042 за 1 млн вхідних токенів — така сама ставка, як у Jev від TypeSafe.
- Liquid стверджує, що в її тестах модель має найнижчу помилку калібрування, що корисно для визначення порогів маршрутизації.
- Розмір, базова модель і ваги не розкриті; доступ можливий лише через API.
Ознайомтеся з офіційною публікацією в блозі, документацією про моделі прийняття рішень та спробуйте d1 Playground. Уся подяка досліднику цього проєкту. Також підписуйтеся на нас у Twitter і не забудьте приєднатися до нашого сабреддіту про машинне навчання з понад 150 тис. учасників та підписатися на нашу розсилку. Стривайте! Ви є в Telegram? тепер ви також можете приєднатися до нас у Telegram.
Перекладено автоматично з англійської. Оригінал статті — за посиланням нижче.