ENPT

d1-ultra

Última atualização:

Beta92–92ms$0.042/M input

Notas do quadrante

Ver o quadrante completo

Pontuação pela rubrica pública do quadrante (maturidade × capability; bolha = adoção). Revisamos conforme a evidência.

  • Maturidade5.4/10

    API paga e self-serve da Liquid, com as mesmas docs e a mesma compatibilidade com o SDK da TypeSafe do d1. Entrou no OpenRouter e no Vercel AI Gateway no dia do lançamento. A Liquid não diz GA e não publica SLA.

  • Capability7.9/10

    Noul / Choice / Score, texto e imagem, zero tokens gerados. 1º lugar no Artificial Analysis Decision Index v1.0, placar independente (65), com 92 ms por tarefa. Calibração alegada com gráfico interno, sem método nem ECE públicos.

  • Adoção25/100

    Post de lançamento com ~1,4 mil likes / ~255 mil views em um dia, análise da AA, Vercel e OpenRouter no primeiro dia. Lab estabelecido. Ainda sem casos de produção.

Vendor claims

Notícias sobre este modelo

O d1-ultra é o segundo modelo de decisão hospedado da Liquid AI, lançado em 15 de outubro de 2026, umas duas semanas depois do d1. A Liquid vende o modelo para entradas mais difíceis e bagunçadas: conferir uma placa de circuito contra a especificação, ou um pedido de indenização contra a foto do cliente.

O contrato é o mesmo do d1 e do Jev. Você manda um state (texto, imagens ou os dois) e perguntas tipadas com nome, e recebe uma probabilidade para cada resposta numa única passada. Nas docs da Liquid ele aparece ao lado do d1, no mesmo endpoint; só muda o campo model.

Ficha técnica

Atributo Valor
Empresa Liquid AI
Lançamento 15/10/2026 (blog e X, 14h BRT)
Status API paga e self-serve. A Liquid não diz GA
Endpoint POST https://api.liquid.ai/decisions/v1/systemone com "model": "d1-ultra"
Tipos de pergunta noul, choice, score
Entrada Texto e imagem (imagem é cobrada como token de entrada: 1,5 token por bloco de 32×32, então uma imagem de 1024×1024 dá 1.536 tokens)
Contexto 32.768 tokens
Preço US$ 0,042 / M de entrada, sem tokens de saída. Cada pergunta é cobrada como um prompt próprio, imagens incluídas
Distribuição API da Liquid, Vercel AI Gateway (liquid/d1-ultra) e OpenRouter, todos em 15/10
Pesos / modelo base Fechados. A Liquid só diz que ele é “baseado num modelo open-weight maior, com uma série de customizações pesadas da Liquid”

Artificial Analysis Decision Index v1.0

Em 16 de outubro a Artificial Analysis publicou os números do d1-ultra. É um placar independente, separado do Decision Index 0.3 do Hugging Face e do JevBench; as notas não se comparam entre placares.

Métrica (AA, texto do post) d1-ultra Referência
AA Decision Index v1.0 65 (1º) Jev 1.14: 57 · GLiDE e Microsoft-Decision-1: 54
Taxa de não alucinação no AA-Omniscience-Decision 85% d1: 2%
Acurácia no AA-Omniscience-Decision 32% d1: 41%
Tempo por tarefa 92 ms (3º menor) Celeris-1 Decision 63 ms · Jev 1.14 78 ms
Custo por 1M de tarefas US$ 32 Microsoft-Decision-1 US$ 31 · d1 e Mercury Decide US$ 15 · GPT-6 Luna (Decisions) US$ 79

A liderança vem quase toda de um comportamento. O d1-ultra responde “não sei” quando não tem o conhecimento, coisa que o d1 quase nunca fazia. A acurácia bruta nesse teste de conhecimento caiu, não subiu. Isso ajuda quem automatiza com limiar de confiança, mas não é o mesmo que “mais esperto em toda tarefa”.

Conferido em 16/10/2026: a página de preços da Liquid lista o d1 a US$ 0,02 / M de entrada e o d1-ultra a US$ 0,042 / M, e o OpenRouter também lista o d1 a US$ 0,02 / M. O d1 entrou no OpenRouter a US$ 0,04 / M em 01/10, e a nota de benchmark da própria Liquid de 05/10 ainda usava US$ 0,04, então o preço caiu depois disso. A nossa página do d1 foi atualizada para US$ 0,02 / M, o que bate com a AA.

Números da própria Liquid (UnverifiedClaim)

A Liquid compara o d1-ultra com o d1 e o Jev 1.14 em 112 avaliações próprias e diz que ganha em todas as categorias, com calibração melhor. Os gráficos são da Liquid. A suíte, os itens e o método de calibração não foram publicados, então nada disso entra nas notas além da faixa de “alegado”.

Quando usar / quando não usar

Serve quando você precisa de: um modelo de decisão hospedado que sabe se abster, checagem de imagem contra uma especificação escrita, ou um A/B direto contra o Jev ou o d1 com o mesmo formato de requisição.

Não serve quando você precisa de: inferência local ou on-prem (sem pesos), entradas longas (32K de contexto, contra 262K do Jev 1.14), SLA, ou a opção mais barata (na AA o d1 custa menos da metade por tarefa).

Limitações

  • Sem SLA público, sem ECE nem método de calibração publicados.
  • Modelo base, tamanho e dados de treino não divulgados.
  • Fora do Decision Index 0.3 do Hugging Face (tarefas privadas só para modelos abertos) e do JevBench.

Pelo mesmo motivo do d1: a Liquid apresenta o modelo como treinado por ela para decisão, com API tipada, pública e documentada, que devolve probabilidades. Ganha página própria porque é outro id de modelo, com preço, posição em placar e comportamento próprios.

Conta das notas

  • Maturidade 5,4 = disponibilidade 6 × 0,30 + docs 7 × 0,25 + integrações 5 × 0,25 + suporte 3 × 0,20 = 1,80 + 1,75 + 1,25 + 0,60. Igual ao d1.
  • Capability 7,9 = tipos 10 × 0,30 + calibração 5 × 0,25 + latência 8 × 0,25 + acurácia 8 × 0,20 = 3,00 + 1,25 + 2,00 + 1,60 = 7,85. Acurácia 8 porque o placar da AA é independente (mesma regra do GLiDE). Latência 8: 92 ms por tarefa na AA, sem p99.
  • Adoção 25: lançamento forte e dois canais de distribuição no primeiro dia, sem relato de produção.