Liquid AI, 이미지 읽는 결정 모델 d1-ultra 공개, Jev와 같은 요금

Liquid AI가 텍스트와 이미지를 함께 읽는 결정 모델 d1-ultra를 Liquid API로 공개했다. 질문마다 가능한 답의 확률을 돌려주며, 한 번의 순방향 연산으로 처리하고 출력 토큰은 만들지 않는다. 요금은 입력 토큰 100만 개당 0.042달러로, TypeSafe의 Jev와 같다.

호스팅된 Liquid API로만 쓸 수 있다. 내려받을 수 있는 모델 가중치나 양자화 버전은 발표되지 않았다. 호출 주소는 /decisions/v1/systemone 엔드포인트이며 요청에 "model": "d1-ultra"를 지정한다. 먼저 써 보려면 d1 Playground를 이용한다. Vercel AI Gateway와 OpenRouter 지원은 곧 추가될 예정이라고 Liquid AI는 밝혔다.

결정 모델의 작동 방식

결정 모델은 자유로운 문장 대신 범위가 정해진 질문에 확률로 답한다. Liquid AI 문서는 질문 유형을 세 가지로 나눈다. 예·아니오 질문은 0에서 1 사이 확률을 돌려주고, 선택형은 후보 라벨마다 확률을 준다. 점수형은 순서가 있는 평가 기준 위의 확률 가중 위치를 준다.

요청 하나에는 상태(맥락), 선택적 이미지, 하나 이상의 질문이 들어간다. 모델은 같은 입력에 대해 모든 질문을 한 번의 호출로 평가하며, API 레퍼런스의 응답에서 output_tokens는 항상 0이다. 문서는 라우팅, 콘텐츠 검수, 가드레일, 분류, LLM 심사 대체에는 결정 모델을, 요약과 대화, 코드 생성에는 언어 모델을 권한다. 예시로는 회로 기판 결함을 사양과 대조하는 일, 고객 사진으로 파손 보상 청구를 확인하는 일이 제시됐다.

Liquid AI는 d1-ultra가 이전 모델 d1보다 큰 오픈 웨이트 백본에 회사 고유의 대규모 수정을 더했고, 여기에 결정 모델 학습 파이프라인을 결합했다고 밝혔다. 향상 폭은 지식 과제에서 가장 크다고 한다. 매개변수 수와 컨텍스트 길이는 공개되지 않았다.

성능과 비교

Liquid AI는 112개 평가에서 d1-ultra를 이전 d1, TypeSafe의 Jev 1.14와 비교했다. 회사 발표에 따르면 d1-ultra는 같은 가격에서 Jev 1.14를 모든 과제에서 앞섰고, 112개 평가의 8개 범주 모두에서 선두다. 둘 다 회사 주장이다. 독립 기관 Artificial Analysis의 Decision Index에서는 65점으로 1위라고 Liquid AI가 밝혔다.

이 지수는 네 평가를 각 25%로 평균한다. AA-Omniscience-Decision은 지식과 환각, HLE-MultiChoice는 추론, When2Call은 도구 호출, WildGuardTest는 안전 분류를 본다. Artificial Analysis의 10월 13일 출시 글에서는 Jev 1.13이 58점으로 가장 높았고, GLiDE와 Microsoft-Decision-1이 각 54점이었다. Jev 1.14의 지수 점수는 자료에 나오지 않는다. Liquid AI는 자체 시험에서 가장 낮은 보정 오차를 기록했다고 주장하며, 라우팅 임계값을 정할 때 유용하다고 한다. 공개된 평가별 세부 점수는 없다.

과금 방식과 제한

요금은 입력 토큰에만 붙는다. 이미지는 32×32 픽셀 패치당 1.5토큰으로 계산해 1024×1024 이미지는 1,536토큰이다. 질문마다 텍스트와 모든 이미지를 포함한 별도 프롬프트로 과금되므로, 이미지 한 장에 질문 세 개를 던지면 이미지가 세 번 청구된다. 요청당 이미지는 8장, 이미지 패치는 1만 개까지고 JSON 본문은 4.5MB 미만이어야 한다.