d1
Notas do quadrante
Ver o quadrante completoPontuação pela rubrica pública do quadrante (maturidade × capability; bolha = adoção). Revisamos conforme a evidência.
- Maturidade5.4/10
API hospedada self-serve (console.liquid.ai, tier grátis d1:free) com docs públicas e guia de migração; funciona com os SDKs oficiais da TypeSafe via base_url. No ar no OpenRouter desde 01/10 (lançou a US$ 0,04/M, hoje US$ 0,02/M de input) e disponível pelo Vercel AI Gateway desde 09/10. Sem SLA.
- Capability6.5/10
Noul / Choice / Score completos numa chamada, zero tokens gerados. Calibração é alegada, mas sem método nem ECE publicados, e não há números de latência. O único benchmark é a rodada interna da Liquid do Decision Index 0.2.1 do HF; o d1 não está no índice oficial.
- Adoção27/100
Lançamento grande para a categoria (~1,8 mil likes / ~680 mil views no X em um dia, repercussão na imprensa), vindo de um lab estabelecido. Agora listado no OpenRouter (post com ~160 likes / ~22 mil views). Ainda sem casos de produção.
Vendor claims
- Primeiro modelo a superar o Jev no Decision Index do Hugging Face: 58,9 vs 57,9 (reprodução interna da Liquid do Decision Index 0.2.1)[Claim do fornecedor — não verificado independentemente]
- Por área vs Jev 1.13: Arts 45,5 vs 37,7, Language 67,6 vs 62,0, Retrieval 60,7 vs 55,4, Tools 74,1 vs 75,1, Knowledge 43,3 vs 51,3[Claim do fornecedor — não verificado independentemente]
- Ganha em avaliações multilíngues, é mais robusto a prompt injection e lida melhor com inputs longos[Claim do fornecedor — não verificado independentemente]
- Devolve probabilidades calibradas com zero tokens gerados (usage.output_tokens é sempre 0)[Claim do fornecedor — não verificado independentemente]
Notícias sobre este modelo
O d1 é o primeiro modelo de decisão da Liquid AI, empresa da família de modelos LFM. A Liquid anunciou o modelo em 29 de setembro de 2026 (15:35 BRT) como “the first model to outperform Jev on @huggingface’s Decision Index”, com API hospedada em console.liquid.ai e OpenRouter “em breve”.
Ele segue o contrato System One que o Jev inaugurou: você manda o state e perguntas tipadas com nome, e recebe respostas tipadas com probabilidades. A documentação da Liquid diz que o d1 responde “in a single call with zero generated tokens”, e todos os exemplos de resposta trazem usage.output_tokens: 0.
Ficha
| Atributo | Valor |
|---|---|
| Empresa | Liquid AI |
| Lançamento | 29/09/2026 (anúncio no X, 15:35 BRT) |
| Status | API pública self-serve; nas docs o id é d1:free. A Liquid não fala em GA |
| Endpoint | POST https://api.liquid.ai/decisions/v1/systemone |
| Autenticação | Chave Bearer do console.liquid.ai (começa com liquid_) |
| Tipos de pergunta | noul (probabilidade de sim/não), choice (distribuição sobre opções nomeadas), score (posição ponderada por probabilidade numa rubrica ordenada) |
| SDKs | Os próprios clientes da TypeSafe: pip install typesafe-sdk / npm install @typesafe-ai/sdk com base_url="https://api.liquid.ai" |
| Preço | API da Liquid: tier grátis d1:free. OpenRouter (desde 01/10): US$ 0,02 / M de input, US$ 0 de output, contexto de 65K (lançou a US$ 0,04 / M; a página de preços da Liquid e o OpenRouter listam US$ 0,02 em 16/10/2026) |
| Pesos | O checkpoint hospedado d1 segue sem publicação. Em 7/10/2026 a Liquid lançou uma família aberta à parte, d1-3B e d1-omni-600M. Esses cards não dizem ser o modelo hospedado |
| Parâmetros / modelo base | Não divulgados |
| Latência | Nenhum número publicado (o 0–0ms do frontmatter quer dizer “sem dado”) |
No OpenRouter (1º de outubro de 2026)
O @OpenRouter anunciou em 1º de outubro de 2026 (15:30 BRT) que o d1 está no ar como liquid/d1: perguntas sim/não, choice ou score com probabilidade para cada opção, “zero data retention” (palavras do OpenRouter; ver a nota de dados abaixo), US$ 0,04 / M de input, US$ 0 de output, contexto de 65K no lançamento (o preço depois caiu para US$ 0,02 / M). Cumpre o “em breve no OpenRouter” do lançamento e dá ao d1 a primeira distribuição de terceiros. Ver a news.
Tratamento de dados: correção (17/10/2026)
“Zero data retention” vem do post do OpenRouter de 1º/10, não da Liquid. A página atual liquid/d1 do OpenRouter não tem declaração de política de dados para o d1; a frase “may be retained and used to train Liquid models” que aparece nela é de outros modelos da Liquid na lista lateral (LFM2.5-Embedding-350M e LFM2.5-2.6B). Nossa nota de radar de 16/10 leu isso como sendo do d1; estava errado. Fontes da própria Liquid: os Termos permitem “retain Your Content and Usage Data as reasonably necessary to provide, secure, and improve the Services”, sujeitos a termos específicos do serviço ou da plataforma; a política de privacidade lista a melhoria de modelos com “inputs and outputs you share”; a página de preços diz que nunca treina com dados de clientes na camada enterprise; as docs do d1 não dizem nada. Não conseguimos confirmar zero retenção em nenhuma das duas rotas. Detalhes na notícia.
No Vercel AI Gateway (9/10/2026)
A Vercel disponibilizou o Liquid d1 pelo AI Gateway, incluindo entrada de visão, a interface experimental_decide do Vercel AI SDK e rotas compatíveis com a Decisions API da OpenAI e com a TypeSafe. Isso acrescenta um caminho de distribuição e integração; não muda o checkpoint hospedado nem traz benchmark independente. As notas do catálogo ficam iguais. Anúncio.
Compatível com a TypeSafe de propósito
Os formatos de requisição e resposta são os mesmos do /v1/systemone da TypeSafe, e o quickstart da Liquid usa os SDKs oficiais da TypeSafe em Python e TypeScript apontados para https://api.liquid.ai. Código escrito para o Jev deve migrar trocando base URL, chave e id do modelo. O guia de migração da Liquid também mostra como trocar chamadas de LLM para classificação, roteamento, moderação e pontuação pelo d1. Há ainda uma demo road-decider no cookbook da Liquid.
O claim do Decision Index
O gráfico do lançamento traz a legenda “Internal reproduction of Decision Index 0.2.1 by Hugging Face” e compara o d1 com o Jev 1.13:
| Área | d1 | Jev 1.13 | Dif. | Benchmarks |
|---|---|---|---|---|
| Arts | 45,5 | 37,7 | +7,8 | 7 |
| Language | 67,6 | 62,0 | +5,6 | 10 |
| Retrieval | 60,7 | 55,4 | +5,3 | 6 |
| Tools | 74,1 | 75,1 | −1,0 | 5 |
| Knowledge | 43,3 | 51,3 | −8,0 | 10 |
| Index | 58,9 | 57,9 | +1,0 | 5 áreas |
UnverifiedClaim. Quem rodou foi a própria Liquid. O Space oficial do Decision Index (dados v0.2.1, gerados em 28/09/2026) não lista o d1. O que deu para conferir: a coluna do Jev bate com a linha oficial do Jev 1.13.0 (balanced skill 57,91; Knowledge 51,4, Language 62,0, Retrieval 55,4, Tools 75,1, Arts 37,7). Ou seja, a Liquid usou a linha de base publicada do Jev e rodou o d1 por conta própria. A linha Index é o balanced skill do índice, não a média simples das cinco áreas.
Lendo o gráfico inteiro: o d1 fica à frente em arts e language, empata em tools e perde feio em knowledge e raciocínio. A vantagem geral é de um ponto. Os claims de robustez multilíngue, prompt injection e inputs longos não vêm com números próprios.
Quando usar / quando não usar
Serve quando você precisa de: um endpoint System One hospedado que não seja da TypeSafe, um A/B fácil contra o Jev (mesmo SDK) ou classificação de texto multilíngue, onde a Liquid diz ter vantagem.
Não serve quando você precisa de: inferência local ou on-prem (ainda sem pesos; perguntada sobre rodar localmente, a Liquid respondeu “for sure”), julgamentos que dependem de conhecimento (a pior área no próprio gráfico), garantias publicadas de latência ou preço, ou acurácia verificada por terceiros.
Limites
- Sem SLA público. A API da própria Liquid ainda só mostra
d1:free; o primeiro preço foi o do OpenRouter (US$ 0,04 / M de input no lançamento; US$ 0,02 / M em 16/10, também na página de preços da Liquid). - Parâmetros, arquitetura, modelo base e método de treino do d1 hospedado não foram divulgados. O d1-3B e o d1-omni-600M abertos (7/10/2026) são outro lançamento, com bases publicadas (LFM2.5-VL-3B e LFM2.5-Encoder-350M). Não substituem a
api.liquid.ai. - “Probabilidades calibradas” é claim do vendor, sem ECE nem método publicados.
- Todos os números de benchmark acima são da própria Liquid (UnverifiedClaim).
Por que está no catálogo
A Liquid apresenta o d1 como um modelo de decisão treinado por ela, não como um LLM genérico atrás de um wrapper de decisão. Ele tem API tipada pública e documentada que devolve probabilidades. Isso passa nos critérios do catálogo do mesmo jeito que o Jev hospedado passa. Compare com a OpenAI Decisions API, que a OpenAI descreve como uma forma de usar o GPT-6 Luna e que não tem docs públicas; ela continua em runtimes.
Artificial Analysis Decision Index v1.0 (13/10/2026)
Pelo artigo de lançamento do AA, o d1 tem a maior acurácia no AA-Omniscience-Decision (41) entre os modelos de decisão, mas taxa de não alucinação de 2 (quase nunca escolhe “não sei”). A nota do índice só aparece no gráfico, não no texto, então não citamos e as notas ficam iguais. O AA é um placar separado e independente (quatro avaliações: AA-Omniscience-Decision, HLE-MultiChoice, When2Call, WildGuardTest). Notas e posições não se comparam com o Decision Index 0.3 nem com o JevBench. O AA acha todos os modelos de decisão confiantes demais no geral, sobretudo nas tarefas de conhecimento e raciocínio; a maioria é razoavelmente calibrada em When2Call e WildGuardTest.
Links
- Anúncio no X
- Docs da Liquid: Decision Models
- Docs da Liquid: Decision Model Guide (migração)
- Changelog do Vercel AI Gateway
- Cookbook: demo road-decider
- Decision Index do Hugging Face (Space oficial)
- News: Liquid AI lança o d1 · d1 entra no OpenRouter
- Compare: Jev
- Irmão maior: d1-ultra (15/10/2026; 1º no AA Decision Index v1.0)
