AIKraft Agents
Главная/Блог/Аналитика/Liquid AI d1.2: Революция в принятии…
Аналитика10 мин чтения · 17 ноября 2026 г.

Liquid AI d1.2: Революция в принятии решений с нулевым выводом

Liquid AI представила d1.2 и d1.2-ultra — омнимодальные модели принятия решений, которые не генерируют текст, а возвращают калиброванные вероятности. Разбираем, как это меняет архитектуру AI-приложений.

Liquid AI d1.2: Революция в принятии решений с нулевым выводом

В мире искусственного интеллекта последние несколько лет доминировала парадигма генеративных языковых моделей (LLM). Мы привыкли, что ИИ — это собеседник, писатель или код-генератор, который выдает длинные цепочки токенов. Однако этот подход имеет фундаментальный недостаток: он медленный, дорогой и часто избыточный для задач, где требуется не творчество, а точное, детерминированное решение. Именно на этом разрыве между «генерацией текста» и «принятием решений» строится новая волна технологий. Компания Liquid AI только что выпустила обновленную линейку моделей d1.2 и d1.2-ultra, которые предлагают радикально иной подход: они не пишут текст. Они принимают решения.

Это не просто итерация версии. Это смена архитектурного паттерна. Модели семейства d1.2 принимают на вход текст, изображения и аудио, а на выходе выдают не свободный текст, а откалиброванные вероятности для фиксированного набора ответов. Более того, они генерируют ноль выходных токенов. Это означает, что вы платите только за входные данные, а скорость ответа измеряется миллисекундами, а не секундами. В этой статье мы подробно разберем, что такое омнимодальные модели принятия решений, зачем бизнесу нужна калиброванная уверенность, и как d1.2 обходит ограничения традиционных LLM.

01Что такое модель принятия решений (Decision Model)?

Чтобы понять ценность d1.2, нужно сначала осознать разницу между генеративной моделью и моделью принятия решений. Традиционная LLM, такая как GPT-4 или Claude, работает как «автодополнение» на стероидах. Она предсказывает следующий токен, основываясь на контексте. Это создает пространство для галлюцинаций, задержек на генерацию и высоких затрат на вычисление выходных токенов.

Модель принятия решений, с другой стороны, работает как классификатор или регрессор, но в многомерном пространстве. Когда вы задаете вопрос модели d1.2, она не пытается сформулировать ответ словами. Вместо этого она вычисляет вероятность того, что каждый из заранее определенных вариантов ответа является правильным. Например, если вы спрашиваете: «Какой процент прибыли у компании X?», модель не напишет эссе о финансах. Она вернет структуру данных: {"option_A": 0.85, "option_B": 0.10, "option_C": 0.05}. Это позволяет интегрировать ИИ в критически важные бизнес-процессы, где важна не красота ответа, а его точность и скорость.

💡
Ключевое отличие. Генеративные модели хороши для креативных задач и анализа. Модели принятия решений (Decision Models) идеальны для маршрутизации, валидации данных, классификации и принятия автоматических решений в реальном времени.

02Омнимодальность: Текст, Изображения и Аудио в одном запросе

Одной из самых сильных сторон d1.2 является ее омнимодальная природа. Ранние версии d1 поддерживали только текст. Теперь же модель может обрабатывать сложные мультимодальные запросы в одном вызове API. Это открывает двери для сценариев, которые раньше требовали конвейера из нескольких разных моделей.

Представьте себе систему обработки жалоб клиентов. Вы можете отправить в модель d1.2 одновременно: текстовое описание проблемы, скриншот ошибки и аудиозапись голоса клиента, выражающего раздражение. Модель анализирует все три канала и выдает решение: например, «требуется срочная поддержка» с вероятностью 92% или «техническая ошибка, решается автоматически» с вероятностью 5%. Такая интеграция контекста значительно повышает точность классификации по сравнению с анализом только текста или только аудио.

Особенно интересна работа с аудио. Liquid AI заявляет, что модель принимает аудио в формате 16-bit PCM WAV. Важно отметить механизм токенизации: 10 секунд аудио равняются 10 токенам. Это делает обработку звука экономически эффективной. На тестовых наборах данных ESC-50 и FLEURS (включая 43 языка) модели d1.2 и d1.2-ultra демонстрируют точность на уровне 95–97% при ответе на вопросы о содержании аудио. Это означает, что модель может определить язык, наличие определенных звуков (например, сирены) или эмоциональную окраску голоса с высокой надежностью.

03Пять новых типов ответов: Расширение функциональности

Версия d1.2 вводит пять новых типов ответов, которые расширяют спектр задач, решаемых моделью. Это не просто классификация «да/нет». Это структурированное извлечение данных и локализация объектов.

Liquid AI d1.2: Революция в принятии решений с нулевым выводом
  1. Read a value (text, number, date): Модель извлекает конкретное значение из текста. Если значение не найдено, она честно отвечает «not found», а не пытается угадать. Это критически важно для парсинга документов, где ложноположительные результаты могут стоить дорого.
  2. Find every span (spans): Модель находит все вхождения определенных сущностей (имена, email-адреса, даты) и возвращает их позиции в тексте. Это мощный инструмент для обработки PII (Personally Identifiable Information) и создания индексов.
  3. Locate objects (box, boxes): Для изображений модель возвращает координаты прямоугольника (bounding box). Можно запросить один объект или все экземпляры с подсчетом. Это заменяет необходимость в тяжелых компьютерных зрении моделях для простых задач локализации.
  4. Estimate a number (number with range): Модель дает не просто число, а оценку с диапазоном. Например, «12 в пределах от 10 до 14». Это добавляет слой неопределенности, который помогает бизнесу принимать взвешенные решения.
  5. Pick every option that applies (choice with multiple): Мультилейбловая классификация. Модель может выбрать несколько правильных ответов из списка, присваивая каждому свою вероятность. Это идеально для категоризации контента или тегирования.
⚠️
Важно для разработчиков. Все эти типы ответов возвращаются в формате JSON с вероятностями. Вам не нужно парсить текст ответа. Это упрощает интеграцию в backend-системы, такие как Airflow, Kafka или прямые API-вызовы в микросервисной архитектуре.

04Производительность и Калибровка: Почему это важно?

В мире AI-решений точность — это не единственная метрика. Критически важна калибровка вероятностей. Калиброванная модель, которая говорит «у меня 80% уверенности», права в 80% случаев. Это позволяет бизнесу строить умные системы маршрутизации: если уверенность модели ниже порога (например, 60%), запрос автоматически перенаправляется человеку-оператору. Если модель «переуверена» в своих ошибках, такая система приведет к катастрофическим последствиям.

Liquid AI представила данные о калибровке на 13 бенчмарках и 22 505 вопросах. Результаты впечатляют:

  • d1.2-ultra: Ошибка калибровки всего 0.8 пункта.
  • d1.2: Ошибка калибровки 1.2 пункта.
  • Сравнение: Для контекста, Jev 1.14 имеет ошибку 2.7, Perplexity Decider v1.3 — 3.7, а GPT-6 Luna (Decisions API) — целых 7.2 пункта.

Такая низкая ошибка калибровки делает d1.2 уникальным инструментом для финансовых, медицинских и юридических приложений, где цена ошибки высока, а необходимость в объяснимой уверенности критична.

05Бенчмарки: Artificial Analysis Decision Index v2.1

Для объективной оценки Liquid AI использует Artificial Analysis Decision Index v2.1. Этот индекс комбинирует шесть различных оценок, взвешивая их по значимости. Наибольший вес (30%) имеет AA-Paperclip, по 15% — EvalSafe-O*NET-AA, AA-Omniscience-Decision v1.1, HLE-MultiChoice v1.1 и AA-Symmetry v1.1, и 10% — When2Call. Индекс специально наказывает модели за уверенные, но неправильные ответы, что делает его более строгим, чем обычные тесты на точность.

На этом индексе d1.2-ultra набирает 75 баллов, занимая первое место среди моделей принятия решений. d1.2 набирает 69 баллов. Для сравнения, Drex Max v1.1 и SubQ Snap 1.2 показывают 73 балла, GLiDE v1.2 — 73 балла. Важно отметить, что предыдущая версия d1-ultra показывала 71 балл, но она уже устарела и не поддерживает новые омнимодальные функции. Liquid AI утверждает, что d1.2 предлагает лучшее соотношение цены и качества, так как d1.2 стоит дешевле, чем конкуренты, при сопоставимой или лучшей производительности.

Liquid AI d1.2: Революция в принятии решений с нулевым выводом

06Точность новых задач: Анализ данных

Liquid AI также предоставила данные о точности на новых задачах, используя скрытые выборки публичных датасетов. Хотя публичных бенчмарков для этих конкретных задач пока нет, внутренние тесты показывают высокую эффективность:

  • Чтение значений из чеков (CORD, SROIE): d1.2-ultra достигает 98% точности, d1.2 — 96%.
  • Поиск персональных данных (Nemotron PII): Точность (precision) 94% и полнота (recall) 93% для ultra версии. Это критически важно для соответствия GDPR и другим регуляторным требованиям.
  • Локализация объектов (RefCOCO): 94% точности для обеих версий.
  • Подсчет объектов (COCO): 93% (ultra) и 92% (d1.2) в пределах одного объекта ошибки.
  • Выбор всех присутствующих объектов (COCO): Здесь d1.2 (90%) превзошла d1.2-ultra (87%). Это интересное наблюдение: более простая модель иногда лучше справляется с мультилейбловой классификацией, возможно, из-за меньшей склонности к переобучению на сложных паттернах.

07Сравнение с конкурентами: d1.2 vs Drex, Perplexity, Jev

Давайте сравним d1.2 с другими игроками на рынке decision models. Основные конкуренты — это Drex Max v1.1 (Nace.AI), Decider v1.3 (Perplexity) и Jev 1.14 (TypeSafe).

По индексу AA Decision Index v2.1 d1.2-ultra (75) лидирует, за ним следуют Drex Max (73) и Decider (70). Jev 1.14 показывает 66. Однако цена — решающий фактор. d1.2 стоит $0.02 за миллион входных токенов, d1.2-ultra — $0.042. Drex Max стоит $0.03, Perplexity Decider — $0.02, Jev — $0.042. При этом все модели не берут плату за вывод токенов ($0), так как вывода нет.

Важное отличие в лимитах: Drex и Perplexity поддерживают до 262 144 токенов на вопрос, тогда как d1.2 ограничена 65 536 токенами. Однако d1.2 поддерживает аудио и изображения, чего нет у Jev и ограничено у других. Также стоит отметить, что веса моделей d1.2 не опубликованы, в то время как Drex Max v1.1 имеет лицензию Apache 2.0, а Jev — проприетарная. Это делает d1.2 облачным сервисом на данный момент, что может быть плюсом для безопасности данных, но минусом для тех, кто хочет запускать модели локально.

📌
Факт для РФ. Поскольку d1.2 является хостинг-сервисом Liquid AI, доступ к нему из России может быть ограничен из-за санкций или технических блокировок. Локальный запуск невозможен, так как веса не открыты. Для российских компаний это означает необходимость использования VPN или посредников, что может повлиять на задержки и стоимость.

08Пricing и Деплоймент: Как начать использовать

Деплоймент d1.2 осуществляется исключительно через хостинг Liquid API. Весы модели не опубликованы, и компания не называет сроков их открытия. Это означает, что вы не можете запустить d1.2 на своей собственной GPU-инфраструктуре. Все вычисления происходят на серверах Liquid AI.

Тарификация проста:

Liquid AI d1.2: Революция в принятии решений с нулевым выводом
  • d1.2: $0.02 за 1 миллион входных токенов.
  • d1.2-ultra: $0.042 за 1 миллион входных токенов.
  • Изображения: 1.5 токена за патч 32x32. Таким образом, изображение 1024x1024 будет стоить как 1536 токенов текста.

Новые организации получают $2 бесплатного кредита на Liquid Console. Важно понимать, что.shared state и медиа-файлы тарифицируются один раз, а каждый дополнительный вопрос в том же запросе добавляет только свои токены. Это делает пакетные запросы очень экономичными.

Лимиты на один вызов API:

  • До 128 вопросов в одном запросе.
  • Размер тела запроса до 4.5 МБ.
  • До 8 изображений (или ровно 1 для задач box/boxes).
  • До 8 аудиоклипов и 300 секунд общего аудио.

Конечная точка API: https://api.liquid.ai/decisions/v1/systemone.

09Что это значит на практике

Почему бизнесу стоит обратить внимание на d1.2? Потому что это снижает стоимость и сложность внедрения ИИ в критические процессы. Вместо того чтобы использовать тяжелую LLM для классификации документов, которая стоит дорого и работает медленно, вы можете использовать d1.2. Она вернет вам готовое решение с вероятностью за доли секунды.

Пример использования: автоматическая обработка страховых случаев. Клиент загружает фото повреждения автомобиля, текстовое описание и аудиозапись звонка. d1.2 анализирует все три источника, определяет тип повреждения (царапина, вмятина), оценивает примерную стоимость ремонта (диапазон) и классифицирует случай как «простой», «средний» или «сложный». Все это происходит в одном запросе, с нулевой генерацией текста, что делает процесс практически мгновенным и дешевым. Калиброванные вероятности позволяют системе автоматически одобрять простые случаи и перенаправлять сложные на экспертизу.

Другой пример: модерация контента. d1.2 может сканировать видео (через аудио и кадры) и текст комментариев, определяя наличие запрещенных материалов, с высокой точностью и низкой ложноположительной частотой. Это позволяет автоматизировать 90% рутины модераторов.

В заключение, Liquid AI d1.2 и d1.2-ultra представляют собой значительный шаг вперед в области специализированных AI-моделей. Они не пытаются заменить универсальные LLM, а дополняют их, беря на себя задачи, где важны скорость, стоимость и точность решений. Для разработчиков и компаний, ищущих эффективные инструменты для омнимодальной классификации и извлечения данных, d1.2 является одним из самых перспективных решений на рынке на данный момент.

💡
Совет. Если вы только начинаете работу с Liquid AI, начните с d1.2 для стандартных задач. Переходите на d1.2-ultra только для сложных, многомерных решений, где критична максимальная точность. Не забывайте тестировать калибровку на ваших собственных данных, так как внутренние тесты Liquid AI могут отличаться от реальных сценариев.

Источник: MarkTechPost ↗