Liquid AI veröffentlicht d1-ultra: multimodales Entscheidungsmodell für 0,042 US-Dollar

Was d1-ultra leistet

Entscheidungsmodelle beantworten Fragen zu einer Situation, indem sie für jede mögliche Antwort eine Wahrscheinlichkeit angeben. Laut Liquid AI nimmt d1-ultra unstrukturierte Daten (Text, Bilder oder beides) und eine oder mehrere Fragen entgegen. Das Modell liest die Eingabe in einem einzigen Forward Pass und liefert die Wahrscheinlichkeiten, ohne dabei Token zu generieren.

Das Unternehmen gibt an, das Modell für anspruchsvollere und unordentlichere Praxisfälle entwickelt zu haben, als die meisten Entscheidungsmodelle gut bewältigen. Als Beispiele nennt es das Erkennen eines Defekts auf einer Platine im Abgleich mit der Spezifikation und die Prüfung eines Schadensantrags anhand des Kundenfotos.

d1-ultra beantwortet dieselben drei Fragetypen wie das frühere Modell d1:

• noul: eine Ja-Nein-Frage, beantwortet mit einer Wahrscheinlichkeit zwischen 0 und 1.
• Choice: ein Label aus vielen, mit einer Wahrscheinlichkeit für jedes Label.
• Score: eine Position auf einer Skala.

Größeres Basismodell und Fokus auf Kalibrierung

Liquid AI zufolge basiert d1-ultra auf einem größeren Open-Weight-Modell als d1, ergänzt um eine Reihe tiefgreifender Liquid-spezifischer Anpassungen. In Kombination mit der Trainingspipeline des Unternehmens ergebe das deutliche Verbesserungen, besonders bei wissensbezogenen Aufgaben, heißt es in dem Beitrag.

Das Unternehmen verglich das Modell in 112 einzelnen Evaluierungen mit dem früheren d1 und mit Jev 1.14. Es argumentiert, Genauigkeit allein genüge nicht, da Entscheidungsmodelle auch Wahrscheinlichkeiten ausgeben, die richtig kalibriert sein müssen. Liquid AI zufolge sind die meisten Entscheidungsmodelle in ihren Antworten überzuversichtlich; d1-ultra sei gezielt darauf trainiert worden, verlässlichere Wahrscheinlichkeiten zu liefern.

Nach Angaben von Liquid AI übertrifft d1-ultra Jev 1.14 bei allen Aufgaben, mit besser kalibrierten Antworten und höherer Genauigkeit zum gleichen Preis. Außerdem übertreffe es alle anderen Entscheidungsmodelle im Artificial Analysis Decision Index um mindestens 8 Punkte. Demos auf Basis des Modells stehen im d1 Playground bereit.

Verfügbarkeit, Preise und API-Nutzung

d1-ultra ist über die Liquid AI API verfügbar; Entwickler können einen API-Schlüssel erstellen und loslegen. Liquid AI zufolge soll das Modell bald auch über Vercel und OpenRouter erhältlich sein.

Abgerechnet wird ausschließlich nach Input-Token, Output-Token fallen nicht an. Bilder zählen zum gleichen Satz wie Text als Input-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 Texts und aller Bilder.

Der Beitrag enthält ein Python-Beispiel, das ein Platinenfoto und eine noul-Frage, „Does this circuit board have a defect?“, an den Decisions-Endpunkt sendet und die zurückgegebene Antwort ausgibt. Die vollständige API-Referenz findet sich in der Dokumentation zu den Entscheidungsmodellen.

Was das für Entwickler bedeutet

Für Teams, die strukturierte, wahrscheinlichkeitsbasierte Einschätzungen zu Bildern und Texten benötigen, bietet d1-ultra eine Möglichkeit, diese ohne Textgenerierung zu erhalten. Weil jede Frage als eigener Prompt abgerechnet wird, skalieren die Kosten mit der Zahl der Fragen zu denselben Eingaben.

Liquid AI bezeichnet d1-ultra als sein bislang leistungsfähigstes Entscheidungsmodell. Das Unternehmen kündigt an, die Arbeit an Entscheidungsmodellen in verschiedenen Größen fortzusetzen, mit neuen Funktionen, höherer Entscheidungsqualität und geringerer Latenz, und will regelmäßig über Neuerungen informieren.