Liquid AI erweitert sein wahrscheinlichkeitsbasiertes Entscheidungsmodell d1 um Bildverarbeitung

Wie sich ein Entscheidungsmodell von einem Chatbot unterscheidet

Liquid AI bezeichnet d1 als sein erstes Entscheidungsmodell. Es nimmt unstrukturierte Daten wie Text, Bilder oder beides entgegen, dazu eine oder mehrere Fragen. Es liest alles in einem einzigen Forward-Pass und gibt Wahrscheinlichkeiten zurück, ohne dabei Token zu generieren. Eine Textentscheidung dauert 200 bis 300 ms, was nach Angaben des Unternehmens schnell genug für Echtzeitanwendungen ist.

d1 beantwortet drei Arten von Fragen:

• Ja/Nein: beantwortet mit einer Wahrscheinlichkeit zwischen 0 und 1.
• Auswahl: ein Label unter vielen, mit einer Wahrscheinlichkeit pro Label.
• Bewertung: eine Position auf einer Skala, gewichtet nach der Wahrscheinlichkeit jeder Stufe.

Eine einzelne Anfrage kann mehrere Fragen zum selben Zustand stellen, was Eingabe-Token spart. Liquid AI zufolge können Entscheidungsmodelle teure Aufrufe von Sprachmodellen ersetzen, wenn die Antwort eine strukturierte Entscheidung ist.

Benchmark-Angaben im Vergleich zu GPT-6.1 Sol und Claude Opus 5.5

Liquid AI hat d1 auf sechs realen Anwendungen gegen GPT-6.1 Sol und Claude Opus 5.5 getestet, vom Filtern von Support-Tickets bis zur Inspektion von Leiterplatten. Laut Unternehmen erreicht oder übertrifft d1 bei vier davon GPT-6.1 Sol, kostet 19- bis 200-mal weniger als beide Modelle und antwortet bei jeder Aufgabe deutlich schneller.

Aus den Hinweisen zur Methodik geht hervor, dass jede Anwendung pro Modell einmal am 5. Oktober 2026 mit dem Vergleichsskript des d1 Playground ausgeführt wurde. Die beiden Chatmodelle erhielten jede Anfrage als eine Chatnachricht, antworteten in JSON und liefen mit ihrer Standardeinstellung für das Reasoning. Die Kosten basieren auf Listenpreisen ohne Rabatte für Prompt-Caching, bei d1 auf 0,04 US-Dollar pro Million Eingabe-Token. Liquid AI gibt außerdem an, sechs der 15 Code-Fragen und zwei der vier Compaction-Sitzungen geschrieben zu haben, nachdem die Pipeline von d1 festgelegt war.

Visuelle Inspektion und Text-Demos

Bei der visuellen Inspektion prüft d1 Teile aus vier Produktionslinien: Leiterplatten, Kerzen, Cashewkerne und Kaugummi, entnommen dem öffentlichen VisA-Datensatz. Es sortiert einwandfreie und fehlerhafte Teile mit 85 bis 97 % Genauigkeit. Liquid AI betont, dass das Modell für diese Aufgabe nie trainiert wurde und sie anhand einer kurzen Beschreibung versteht. In diesem Test sieht jedes Modell ein einwandfreies Teil derselben Linie neben dem zu prüfenden Teil.

Fünf Textanwendungen nutzen d1 für jede Entscheidung:

• Smart Filter: d1 arbeitet als Funktion innerhalb einer SQL-Abfrage und antwortet für jedes von 150 Support-Tickets mit Ja oder Nein.
• Code Search: d1 durchsucht das Hugging-Face-Repository transformers mit 6.511 Dateien Ordner für Ordner bis zu der Funktion, die eine Frage beantwortet.
• Smart Folders: d1 legt jedes neue Dokument in einem Ordner und dann in einem Unterordner ab und ordnet Suchfragen auf dieselbe Weise zu, sodass die Stichwortsuche nur in einem Unterordner stattfindet.
• Web Agent: d1 bedient eine Flugsuchseite anhand eines Ein-Satz-Ziels und wählt bei jedem Schritt die nächste Aktion.
• Context Compaction: d1 liest jede Tool-Ausgabe in der Sitzung eines Coding-Agenten und behält, kürzt oder verwirft sie. Laut Liquid AI entfernt es 52 % der Token und behält jede Ausgabe, die die Aufgabe benötigt.

Liquid AI zufolge wurden vier dieser Anwendungen aus Open-Source-Projekten übernommen und angepasst. Alle Demos laufen live im d1 Playground.

Spiele zeigen, was Vision bringt

d1 spielt außerdem acht klassische Spiele live und wählt jeden Zug. Liquid AI nennt zwei Vorteile von Vision. Bei Tetris, das sich vollständig in Text beschreiben lässt, steigt der Wert von d1 durch den zusätzlichen Bildschirm von 70 auf 81 geräumte Zeilen. Bei Wordle liest d1 das Spielfeld direkt aus einem Screenshot, sodass Entwickler keine Textversion des Spiels schreiben müssen. Dennoch löste es 12 von 12 Spielen mit durchschnittlich 3,8 Versuchen.

Bei einer rein visuellen Aufgabe, Quick, Draw!, rät d1 unter 62 Wörtern, was eine Kritzelei zeigt. Es erkennt 5,2 von 6 Zeichnungen, während zufälliges Raten auf 0,6 kommt.

Verfügbarkeit, Preise und Ausblick

d1 ist über die Liquid AI API unter dem Modellnamen d1 verfügbar. Nutzer erstellen unter console.liquid.ai einen API-Schlüssel und können Bilder als Base64-Data-URLs in einem Feld images der Anfrage senden. Abgerechnet wird nur nach Eingabe-Token, Ausgabe-Token fallen nicht an. Bilder zählen zum selben Satz wie Text als Eingabe-Token: 1,5 Token pro 32×32-Pixel-Patch, ein Bild mit 1024×1024 Pixeln kostet also 1.536 Token. Jede Frage wird als eigener Prompt abgerechnet, einschließlich ihres Textes und aller Bilder.

d1 ist außerdem über Vercel und OpenRouter verfügbar, vorerst nur mit Text. Vision soll bei beiden bald folgen. Liquid AI will die Arbeit an Entscheidungsmodellen in verschiedenen Größen fortsetzen, mit neuen Funktionen, höherer Entscheidungsqualität und geringerer Latenz. Das Unternehmen plant zudem, bald offene Gewichte für kommende Modelle auf Hugging Face zu veröffentlichen.

Für Entwickler lautet das Angebot: eine günstigere, schnellere Option für Aufgaben, bei denen die freie Ausgabe eines Sprachmodells nicht nötig ist, etwa Routing, Filtern und Qualitätsprüfungen. Die Kosten- und Qualitätsangaben stammen aus eigenen Tests von Liquid AI, die pro Modell nur einmal durchgeführt wurden, unabhängige Ergebnisse können daher abweichen.