Liquid AI, бостонский стартап, выросший из MIT, 15 октября 2026 года выпустила d1-ultra — свою самую крупную мультимодальную «модель принятия решений». На вход она получает описание ситуации (текст, изображение или оба) и набор типизированных вопросов, а за один проход возвращает вероятность каждого варианта ответа, не генерируя ни одного токена. По заявлению компании, на собственном наборе из 112 оценок d1-ultra обошла предыдущую модель d1 и Jev 1.14 от TypeSafe AI во всех задачах, а в Artificial Analysis Decision Index опережает остальных участников в среднем на 8 баллов; ключевое отличие — проработанная калибровка, чтобы названная вероятность 80% означала примерно 80% точность.

!image-mh23DVnFm2EDs4US6gJskniHIMwVY4.png)

!image-BzWyvgejrC9dj6l1CBcjB84wn7MTbK.png&w=3840&q=75)

Что произошло

Модель работает по отличному от диалоговых систем контракту: один вызов принимает описание ситуации и сразу набор типизированных вопросов, а ответом служит вероятность для каждого варианта, а не сгенерированный текст. Поддерживаются три типа вопросов: бинарное да/нет (тип noul), выбор одной метки из списка и позиция на шкале. Рабочий контекст составляет 32 768 токенов, чего должно хватать на описание ситуации плюс все вопросы одновременно. Модель доступна через API Liquid AI, OpenRouter и Vercel AI Gateway. Тарифицируются только входные токены по $0.042 за 1 млн, а выходных как бы нет вообще — модель не декодирует свободный текст, поэтому платить приходится лишь за описание ситуации и сами вопросы.

Контекст

«Модель принятия решений» — это не чат-бот, а функция с фиксированным пространством ответов: она не рассуждает текстом, а оценивает заданные вопросы и возвращает вероятности по вариантам. Именно этим объясняется и тарифная схема с нулевой оплатой выхода: свободный текст не декодируется, поэтому генерировать нечего. Главным отличием d1-ultra Liquid AI называет калибровку — соответствие заявленной вероятности реальной точности. Обычные LLM плохо калибруют «вербализованную» уверенность: названные ими 80% редко означают 80% фактической точности, из-за чего пороги срабатывания в продакшене приходится выставлять вслепую. Ниша структурных decision-моделей уже формируется: у самой Liquid AI есть предыдущая модель d1, у TypeSafe AI — Jev 1.14, а Artificial Analysis ведёт специализированный Decision Index, позволяющий сравнивать такие модели между собой.

Почему это важно для индустрии

Для индустрии d1-ultra закрывает узкую, но экономически важную нишу быстрых структурированных решений: классификация дефектов, маршрутизация обращений, проверка страховых случаев, модерация. Вместо вызова LLM с генерацией текста и последующим парсингом ответа пайплайн получает узел, который за один проход возвращает откалиброванные вероятности. Это предсказуемо по цене, ведь счёт формируется только за входные данные. Самодельную prompt-классификацию такой примитив переводит в дешёвый стандартный блок, а калиброванные вероятности позволяют выставлять порог срабатывания и доверять оценке уверенности модели — свойство, которого у обычных LLM по сути нет. Для стартапов это готовый билдинг-блок под пайплайны, где раньше приходилось оплачивать LLM-генерацию плюс разбор ответа.

Почему это важно для пользователей

Попробовать модель можно бесплатно в песочнице d1.liquid.ai, а если команда уже использует OpenRouter или Vercel AI Gateway, подключение не потребует смены шлюза. Прототип собирается за вечер: достаточно заменить самодельную prompt-классификацию в существующем пайплайне на типизированные вопросы. Рациональный шаг — не доверять бенчмаркам вендора на слово, а прогнать d1-ultra на собственном валидационном наборе и сравнить с текущим LLM-классификатором по трём метрикам: точность, калибровка (совпадает ли уверенность модели с реальной точностью) и цена. Полезно и концептуальное переключение: «модель принятия решений» — это функция, возвращающая вероятности по заданным вопросам, и калибровка становится отдельным критерием качества модели наравне с точностью.

Что пока неизвестно / ограничения

В материалах нет ни одной цифры латентности: один проход и отсутствие генерации токенов дают предсказуемую, но не измеренную задержку, а значения p50 и p95 придётся замерять самим на пилоте. Бенчмарк из 112 оценок — собственный, вендорский, без публичной методологии, размеров выборок и численных результатов, поэтому утверждение «обошла во всех задачах» на такой выборке статистически хрупко. Методологически сомнительно и заявление, что сильнее всего модель прибавила в задачах на знания за счёт проработанной калибровки: калибровка по определению меняет соответствие заявленной вероятности фактической точности, но не саму точность. Заявленная калибровка также пока ожидает независимой проверки, например через замеры ECE и reliability diagrams.

Источники

Автор

Look at AI, редакция