# Liquid AI发布支持音频输入的d1.2决策模型

> 两款模型新增五项任务并支持音频输入。Liquid AI称，d1.2-ultra在Artificial Analysis的Decision Index v2.1中得分75。

Oossa · 2026-11-17 · https://oossa.com/zh/liquid-ai-releases-d1-2-decision-models-with-audio-input

Liquid AI发布了d1.2和d1.2-ultra，这是其决策模型的更新版本，可接收文本、图像和音频作为输入。该公司称，d1.2-ultra在Artificial Analysis Decision Index v2.1中得分75，在决策模型中排名第一，比此前的领先模型高两分。

两款模型均可通过Liquid API使用。Liquid AI列出的价格为：d1.2每百万输入token收费$0.02，d1.2-ultra每百万输入token收费$0.042。该公司称，两款模型都只按输入token计费；但公告没有说明d1.2所列价格的计价单位。

## 这些模型能做什么？

此次更新新增五项API任务：从文档中读取数值、找出所有符合某一类别的段落、定位图像中的物体、估算物体数量，以及选出所有适用选项。例如，模型可以从发票中提取金额；如果金额不存在，则返回“未找到”；也可以框出签名。API还可以返回各种可能答案的概率。

音频既可以是待分析的素材，例如背景中的警笛声，也可以是问题本身：用户可以直接开口提问，而不必打字。新的答案类型沿用现有任务的API端点和请求格式。Liquid AI称，即将支持OpenRouter和Vercel，但没有说明何时推出。

## 这些分数说明了什么？

Artificial Analysis的指数测试六个领域，包括决策能力、从简历、收据和研究论文中提取信息的能力，以及工具使用能力和难度较高的知识问答。该指数还会考察模型的置信度与准确率是否相符，因此模型自信地给出错误答案会被扣分。

Liquid AI称，在13项基准测试、22,505道题目中，d1.2-ultra的校准误差为0.8分；相比之下，d1.2为1.2分，GPT-6 Luna在其Decisions API上的校准误差为7.2分。对于新增任务，Liquid AI使用留出的公开数据集制作内部测试集。该公司报告称，d1.2-ultra在照片中定位描述所指物体的准确率为94%，将数量估算在误差一个以内的准确率为93%。该公司还报告称，在涵盖43种语言的测试中，模型回答有关声音或口语的问题时，准确率为95%至97%。这些结果均由公司报告；公告称，目前还没有公开基准测试覆盖这五项新增任务。

## 事实

- 据Liquid AI称，d1.2-ultra在Artificial Analysis Decision Index v2.1中得分75。
- 两款模型新增五项任务，包括提取数值、定位物体和估算数量。
- Liquid AI称，在13项基准测试、22,505道题目中，d1.2-ultra的校准误差为0.8分。
- Liquid AI称，在特定音频问题上的准确率为95%至97%，测试内容包括识别43种语言的口语。

## 为什么重要

构建文档或图像工作流的用户可以用这些模型提取字段、标记缺失信息，或将不确定的答案交由人工审核。报告中的分数显示，这些模型可能具备实用能力；但新增任务尚无公开基准测试，因此它们在特定用户的文档或图像上的表现仍无法确定。

## 来源与参考

1. [Liquid AI Releases d1.2 and d1.2-ultra: Omnimodal Decision Models That Top the AA Decision Index](https://www.marktechpost.com/2026/11/17/liquid-ai-d1-2-omnimodal-decision-models/) – MarkTechPost, 2026-11-17
2. [d1.2: State-of-the-Art Omnimodal Decision Models](https://www.liquid.ai/blog/d1-2) – Liquid AI, 2026-11-16

最后更新: 2026-11-17
