AI News

Liquid AI 发布 d1.2 与 d1.2-ultra 全模态决策模型

Liquid AI 模型与工程博客更新于 11月16日 23:31

d1.2: State-of-the-Art Omnimodal Decision Models | Blog | Liquid AI

AI 导读

Liquid AI 发布决策模型 d1.2 和 d1.2-ultra,新增音频输入和五项任务,d1.2-ultra 在 Artificial Analysis Decision Index v2.1 上以 75 分位列第一,比此前最好的决策模型高 2 分。两款模型已在 Liquid API 上线,输入 token 价格分别为每百万 0.02 美元和 0.042 美元。新增任务包括从文本读取数值、定位文本片段、在图片中框选目标、估算数量并给出区间、多选适用选项;在 13 个基准、22,505 道题的校准测试中,d1.2-ultra 的校准误差为 0.8 点,d1.2 为 1.2 点。

推荐理由

精选AI 评分 65

原文给出新模型在决策索引上的排名、校准误差和五类新任务的内部评测数据,可据此判断决策模型的能力边界。

主题

标签

正文 · AI 翻译

今天,我们发布 d1.2 和 d1.2-ultra,这是我们决策模型的新版本,现已支持音频输入和五项新任务。此外,d1.2-ultra 在 Artificial Analysis Decision Index v2.1 上位列决策模型第一。

两款模型今天均已在 Liquid API 上线,d1.2 的价格为每百万输入 token 0.02 美元,d1.2-ultra 为 0.042 美元。

d1.2 和 d1.2-ultra 为 API 新增了五项任务:

从输入中读取一个值(文本、数字或日期)。针对发票提问“应付金额是多少?”,模型会返回正确的值以及读取该值所依据的字符。如果发票上没有显示该值,模型会回答“未找到”,而不是猜测。

在文本中找出某一类别的所有片段(跨度)。例如,要求找出便条中的所有个人数据,模型会返回每个片段,如姓名、电话号码和电子邮件地址,并给出其在文本中的位置。

在图片中定位目标(单个目标返回一个框,每个实例返回各自的框)。例如,询问扫描表格上的签名在哪里,模型会返回围绕签名的矩形框(或“未找到”)。要求找出照片中的每一棵树,模型会返回围绕每棵树的矩形框以及数量。

估算一个数字(带区间的数字)。询问照片中有多少人,模型会返回其最佳猜测(例如 12)和一个区间(例如 10 到 14)。

选出所有适用选项(将 multiple 设为 true 的选择题)。询问一条支持消息涉及哪些主题,模型会返回每个适用的主题,例如账单和配送,每个主题都带有各自的概率。

d1.2 和 d1.2-ultra 还接受音频作为输入。音频输入可以是你所询问的对象,例如某人说的是哪种语言,或者背景中是否有警笛声。问题本身也可以是一段录音,以口述而非打字的方式提出。

Artificial Analysis Decision Index

Artificial Analysis Decision Index v2.1 在六个基准上评估决策模型,涵盖简历、收据和研究论文上的决策与抽取,以及工具调用和困难知识问答。它还会对模型为每个答案赋予的概率进行评分,因此一个自信的错误答案比一个犹豫的答案代价更高。

d1.2-ultra 得分为 75,是该指数上的最高分,比此前最好的决策模型高两分。

两款模型在各自价位上也取得了最佳得分。在 Decision Index v2.1 上,没有模型能以更低的价格获得高于 d1.2 的得分,也没有模型能在任何价位上获得高于 d1.2-ultra 的得分。

校准

决策模型提供的概率只有在其正确时才有用。当它说 80% 时,它应该在大约 80% 的情况下是正确的,这样你才能设置阈值。例如,你可以自动将模型置信度低的任务转交人工审核。

校准误差衡量模型预测概率与其实际正确频率之间的差距。在全部五个模型作答的 13 个基准、22,505 道题上,d1.2-ultra 的校准误差为 0.8 点,d1.2 为 1.2 点,Jev 1.14 为 2.7 点,Perplexity 的 Decider v1.3 为 3.7 点,GPT-6 Luna 在其 Decisions API 上为 7.2 点。

新任务的准确率

目前还没有公开基准衡量这五项新任务,因此我们在由公开数据集留出划分构建的内部测试集上对它们进行了评估。在这些内部基准中,一次读取或一个框在找到目标时计为正确,或在目标不存在时回答“未找到”计为正确。

从收据中读取一个值(CORD、SROIE)

98%

96%

在文档中找出每一处个人数据,精确率 / 召回率(Nemotron PII)

94% / 93%

92% / 88%

在照片中定位所描述的物体(RefCOCO、RefCOCO+、RefCOCOg)

94%

估算照片中物体的数量,误差在一个以内(COCO)

93%

92%

选出照片中存在的每个物体(COCO)

87%

90%

在留出录音上,两款模型对关于它们听到哪种声音(ESC-50)或说的是哪种语言(FLEURS,43 种语言)的问题,回答正确率为 95% 到 97%。每道题提供三到六个选项,其中包含容易混淆的选项,例如西班牙语和葡萄牙语,或者提出一个是非题。

可用性与定价

在 Liquid API 上以 d1.2-ultra 和 d1.2 调用模型,使用来自 console.liquid.ai 的密钥(Dashboard > API Keys)。

新的答案类型使用相同的端点和请求格式。以下示例从一张发票中读取三个值,并询问第四个发票上未注明的值。

import os, requests

invoice = "ACME SA\nInvoice 2026-117\nTotal due: 1 234,50 EUR\nPay before 03/04/2026 (day/month/year)"

response = requests.post( "https://api.liquid.ai/decisions/v1/systemone", headers={"Authorization": f"Bearer {os.environ['LIQUID_API_KEY']}"}, json={ "model": "d1.2-ultra", "state": invoice, "questions": { "payee": {"type": "text", "instructions": "Who issued the invoice?"}, "total": {"type": "number", "instructions": "How much is due?"}, "due": {"type": "date", "instructions": "By when must it be paid?"}, "vat": {"type": "number", "instructions": "How much VAT is charged?"}, }, }, )

a = response.json()["answers"] print(a["payee"]["text"], a["total"]["number"], a["due"]["date"], a["vat"]["number"]) # ACME SA 1234.5 2026-04-03 None

完整的 API 参考见决策模型文档。

两款模型仅对输入 token 计费。一张图片按文本费率每 32x32 像素块计 1.5 个 token,因此一张 1024x1024 的图片计 1,536 个 token。一次请求的文本和图片只计费一次,每增加一个问题只增加其自身的文本。即将登陆 OpenRouter 和 Vercel。在 Liquid Console 上试用

引用

如需引用,请使用以下参考文献或 BibTeX:

Liquid AI, "d1.2: State-of-the-Art Omnimodal Decision Models", Liquid AI Blog, Nov 2026.

@article{liquidAI2026d1.2, author = {Liquid AI}, title = {d1.2: State-of-the-Art Omnimodal Decision Models}, journal = {Liquid AI Blog}, year = {2026}, note = {www.liquid.ai/blog/d1-2}, }

来源

Liquid AI 模型与工程博客