11 月 17 日,Liquid AI 发布 d1.2 与 d1.2-ultra 两款决策模型。决策模型与通用大模型的最大差别在于它不写文本,返回的是一组固定答案上的校准概率。这次更新让该系列可以同时接收文本、图像与音频输入,并新增了 5 种答案类型,覆盖的判断任务从纯文本扩展到多模态场景。
指数成绩与容量
d1.2-ultra 在 Artificial Analysis Decision Index v2.1 上拿到 75 分,是该指数上决策模型类别的最高分,d1.2 为 69 分。容量方面,参数规模仍未披露,单次提问最多可输入 65536 个 token,每次调用可处理 128 个问题,调用方式除托管 API 外还支持批量提交。Liquid AI 此前在音频方向上的开源动作可参考 Liquid AI 开源 LiquidCodec:7400 万参数音频编解码,同一个团队此前已经把语音编解码模型开放了权重,这次决策模型依然没有开放。
校准误差与部署方式
按 Liquid AI 自己的测试,d1.2-ultra 在 13 个基准上的校准误差为 0.8。校准误差是决策模型最关键的指标之一,它衡量模型给出的概率与真实发生频率是否一致,直接决定了用它做自动决策时的风险边界,数值越低说明概率越可信。对于风控、内容审核这类需要给出拒答概率的场景,这个数字比榜单名次更有参考价值。当前这两个版本只提供托管 API,权重尚未开放,Liquid AI 表示会在某个时间点释放。对需要自托管或私有化部署的团队来说,这一点仍是门槛。
延伸阅读
- Liquid AI LFM3 发布:6 款 2B 模型 22T Token 预训练3 周前
- vLLM d3-ultra:26.09B 答完 255 题,SR-Text 87.2 分3 周前
- Liquid AI 开源 LiquidCodec:7400 万参数音频编解码4 天前
- vLLM 开源 d3-ultra:26B 决策模型,一次读取答完 255 题3 周前
AI 自学笔记 每天更新 AI 前沿动态,订阅 RSS,或按 Ctrl/⌘+D 收藏本站,明天见。
继续读
往下这几篇值得接着看:
- Liquid AI 开源 LiquidCodec:7400 万参数音频编解码2026-11-14
- Baseten 发布 joey-1:2B 决策模型每百万 Token 1 美分2026-10-31
- Liquid AI d1.2 决策模型:AA 指数 75 分与 0.8 校准误差深度2026-11-19
