Liquid AI مدلهای d1.2 و d1.2-ultra را عرضه کرده است؛ نسخههای بهروزشده مدلهای تصمیمگیری این شرکت که میتوانند متن، تصویر و صدا را بهعنوان ورودی دریافت کنند. این شرکت میگوید d1.2-ultra در شاخص Artificial Analysis Decision Index v2.1 امتیاز 75 گرفته که بالاترین امتیاز در میان مدلهای تصمیمگیری و دو امتیاز بیشتر از صدرنشین قبلی است.
هر دو مدل از طریق Liquid API در دسترساند. Liquid AI قیمت d1.2 را 0.02 دلار و d1.2-ultra را 0.042 دلار بهازای هر یک میلیون توکن ورودی اعلام کرده است. این شرکت میگوید هزینه هر دو مدل فقط بر اساس توکنهای ورودی محاسبه میشود؛ اما در اطلاعیهاش واحد قیمت اعلامشده برای d1.2 را مشخص نکرده است.
مدلها چه کارهایی انجام میدهند؟
این بهروزرسانی پنج وظیفه جدید به API اضافه میکند: استخراج یک مقدار از سند، پیدا کردن همه بخشهای مرتبط با یک دستهبندی، مکانیابی اشیا در تصاویر، تخمین تعداد اشیا و انتخاب همه گزینههای مرتبط. برای نمونه، مدل میتواند مبلغی را از یک فاکتور استخراج کند و اگر آن مبلغ در سند نباشد، عبارت «پیدا نشد» را برگرداند؛ یا دور یک امضا کادر بکشد. API همچنین میتواند احتمال پاسخهای ممکن را ارائه کند.
صدا میتواند محتوایی باشد که مدل تحلیل میکند، مثلاً آژیری در پسزمینه؛ یا خودِ پرسش باشد، یعنی کاربر بهجای تایپکردن، پرسشی را با صدای بلند مطرح کند. انواع پاسخ جدید از همان نقطه پایانی API و قالب درخواستِ وظایف موجود استفاده میکنند. Liquid AI میگوید پشتیبانی از OpenRouter و Vercel در راه است، اما تاریخی برای دسترسپذیری آن اعلام نکرده است.
امتیازها چه چیزی را نشان میدهند؟
شاخص Artificial Analysis شش حوزه را میسنجد؛ از جمله تصمیمگیری و استخراج اطلاعات از رزومهها، رسیدها و مقالههای پژوهشی، و نیز استفاده از ابزارها و پاسخگویی به پرسشهای دشوار دانشی. این شاخص همچنین بررسی میکند که میزان اطمینان مدل تا چه حد با دقت آن همخوان است؛ بنابراین پاسخهای نادرستی که با اطمینان بالا ارائه شوند، امتیاز مدل را پایین میآورند.
Liquid AI گزارش میدهد که خطای کالیبراسیون d1.2-ultra در 13 معیار و 22,505 پرسش، 0.8 امتیاز بوده است؛ این رقم برای d1.2 برابر 1.2 و برای GPT-6 Luna در API تصمیمگیری آن 7.2 بوده است. در آزمایش وظایف جدید، Liquid AI از مجموعههای داخلی ساختهشده بر پایه دادههای عمومیِ کنارگذاشتهشده استفاده کرده است. این شرکت برای d1.2-ultra دقت 94 درصد در مکانیابی اشیای توصیفشده در عکسها و دقت 93 درصد در تخمین تعداد اشیا با خطای حداکثر یک مورد را گزارش میکند. همچنین بهگفته شرکت، دقت پاسخگویی به پرسشهای صوتی درباره صداها یا زبانهای گفتاری، با آزمایش در 43 زبان، بین 95 تا 97 درصد بوده است. این نتایج را خود شرکت گزارش کرده و در اطلاعیه آمده است که هنوز هیچ معیار عمومیای هر پنج وظیفه جدید را پوشش نمیدهد.
چرا مهم است
سازندگان گردشکارهای مبتنی بر سند یا تصویر میتوانند از این مدلها برای استخراج دادهها، علامتگذاری اطلاعاتِ موجودنبودن یا ارجاع پاسخهای نامطمئن برای بررسی استفاده کنند. امتیازهای گزارششده نشاندهنده قابلیتهای کاربردیاند، اما چون برای وظایف جدید معیار عمومی وجود ندارد، عملکرد مدل روی اسناد یا تصاویر یک کاربر مشخص همچنان نامعلوم است.