Liquid AI가 텍스트와 이미지를 함께 분석하는 의사결정 모델 d1-ultra를 공개하고 자사 API에서 제공하기 시작했다고 밝혔습니다. 회사는 복잡한 실제 업무에서 판단 정확도와 확률값의 신뢰도를 높이는 데 초점을 맞췄다고 설명했습니다. 활용 사례로는 회로 기판 사진에서 결함 찾기, 보험 청구 내용과 피해 사진 대조하기를 들었습니다.
모델은 입력을 한 번 처리해 판단 결과와 선택지별 확률을 내놓습니다. ‘Noul’은 예·아니요 질문에 0부터 1 사이의 확률을, ‘Choice’는 여러 선택지의 확률을 제공합니다. ‘Score’는 정해진 평가 기준에 따라 사례를 점수로 나타냅니다. 별도의 출력 토큰을 만들지 않는 구조라고 회사는 설명했습니다.
평가 결과는 어디까지 확인됐나
Liquid AI는 자체 평가 112개에서 d1-ultra가 8개 영역 모두 TypeSafe AI의 Jev 1.14보다 앞섰다고 밝혔습니다. 이 결과는 회사 측 측정치입니다. 별도로 Artificial Analysis가 집계한 Decision Index에서는 d1-ultra가 65점으로 1위에 올랐습니다. 앞서 발표된 평가에서 Jev 1.13은 58점, GLiDE와 Microsoft의 Decision-1은 각각 54점이었습니다.
이 지수는 지식, 환각, 추론, 도구 호출, 안전성 분류를 다룹니다. 높은 점수는 해당 평가에서의 결과이지 모든 산업 업무에서 더 낫다는 보장은 아닙니다. Liquid AI는 d1-ultra의 기반이 d1보다 큰 오픈 가중치 모델이라고 했지만, 기반 모델 이름과 매개변수 규모는 공개하지 않았습니다. 개발자가 내려받아 실행할 수 있는 가중치도 발표되지 않았습니다.
API 이용료와 이미지 비용
API 가격은 입력 토큰 100만 개당 0.042달러이며, 회사는 Jev와 같은 가격이라고 설명했습니다. 출력 토큰에는 별도 요금이 없습니다. 이미지는 32×32픽셀 패치당 1.5토큰으로 계산해 1024×1024픽셀 이미지 한 장은 1536토큰에 해당합니다. 같은 이미지를 여러 질문에 쓰면 질문마다 이미지 입력 비용이 다시 붙습니다.
왜 중요한가
사진과 문서의 내용을 함께 확인하는 업무를 자동화하려는 개발자는 API로 d1-ultra를 시험할 수 있고, 입력 비용과 이미지 재사용 비용도 계산할 수 있습니다. 다만 자체 평가 결과와 독립 지수는 실제 현장의 모든 업무에서 우위를 보장하지 않으며, 가중치 공개도 확인되지 않아 직접 실행하거나 독립적으로 검증할 수 있는지는 아직 불분명합니다.
