Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAPI / Producto · Listo para usarX: @ArtificialAnlys→ original

El modelo d1.2-ultra de Liquid AI logra el primer puesto en la prueba de decisiones AA-Paperclip: 76 puntos

Liquid AI lanzó los modelos d1.2-ultra y d1.2 para tareas rutinarias de decisión: leer un correo de cliente, extraer sus campos y elegir a qué departamento enviarlo. En la prueba cerrada AA-Paperclip de Artificial Analysis, d1.2-ultra obtuvo 76 puntos y superó por 3 a Drex Max v1.1; en el índice agregado Decision Index v2.1 quedó en primer lugar, mientras que d1.2 ocupó el sexto. Para clasificar solicitudes, conviene probar la económica d1.2 con tus propios ejemplos.

Procesado por IA desde X: @ArtificialAnlys; editado por Hamidun News
El modelo d1.2-ultra de Liquid AI logra el primer puesto en la prueba de decisiones AA-Paperclip: 76 puntos
Fuente: X: @ArtificialAnlys. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @ArtificialAnlys ↗
Editor jefe
Entrada$0,042 por millón de tokens en d1.2-ultra y $0,02 en d1.2
Mejora frente a las versiones anteriores+4 puntos para d1.2-ultra (desde 75) y +3 para d1.2 (desde 69)
Dato clave #3Contexto de 64 mil tokens, texto e imágenes; acceso mediante la API de Liquid AI

La mayoría de los rankings de modelos de lenguaje muestran cómo una red neuronal escribe código o resuelve problemas de olimpiada. Pero en producción se necesita con más frecuencia trabajo cotidiano: leer un correo entrante, extraer de él el número de pedido y el importe, y elegir una de las acciones posibles. Precisamente este tipo de habilidades mide el Decision Index («índice de decisiones») de la plataforma independiente Artificial Analysis. En su versión v2.1, el primer lugar lo ocupa el modelo d1.2-ultra de Liquid AI, y su hermano menor d1.2 quedó sexto.

Qué mostraron las mediciones

Liquid AI actualizó dos modelos insignia para la toma de decisiones: d1-ultra pasó a ser d1.2-ultra, y d1.1 pasó a ser d1.2. Artificial Analysis los evaluó en su propio banco cerrado AA-Paperclip. Este mide dos capacidades: tomar decisiones y extraer los datos necesarios de un texto. Imagine que al modelo le llegan cientos de solicitudes de soporte y debe asignar a cada una el departamento correcto y anotar sus campos clave. d1.2-ultra obtiene aquí 76 puntos. Es el mejor resultado: su competidor más cercano, Drex Max v1.1, queda 3 puntos por detrás.

En el índice agregado Decision Index v2.1, d1.2-ultra tiene 75 puntos, 4 más que d1-ultra. d1.2 tiene 69 puntos, 3 más que d1.1. La mejora es modesta, pero se da en ambos modelos a la vez.

Hay una salvedad importante: AA-Paperclip es una prueba cerrada de Artificial Analysis. Las tareas no se han publicado, por lo que el resultado no se puede reproducir de forma independiente. Solo queda confiar en la metodología de la plataforma.

Precio y parámetros técnicos

Procesar un millón de tokens de entrada cuesta $0,042 con d1.2-ultra y $0,02 con d1.2. Según el cálculo de Artificial Analysis, un millón de tareas del Decision Index sale por $133 con d1.2-ultra y por $63 con d1.2. Ambos modelos se sitúan en la frontera de Pareto en el eje «capacidad frente a coste». En otras palabras, no existe otro modelo que sea a la vez mejor y más barato: para obtener más calidad hay que pagar más, y viceversa.

El resto de parámetros son los siguientes:

  • ventana de contexto de 64 mil tokens: basta para una carta larga, un contrato o un lote de registros, pero no para una base de código completa;
  • en la entrada se aceptan texto e imágenes, así que se pueden enviar al modelo capturas de formularios o escaneos de documentos;
  • por ahora solo está disponible mediante la API propia de Liquid AI.

La publicación no incluye precio para los tokens de salida. En tareas con respuestas cortas, como una etiqueta de clase o un JSON con campos, esto no es crítico. Si el modelo debe escribir razonamientos largos, la factura final habrá que calcularla por separado.

Para quién es útil

Si tiene un flujo de trabajo en el que el modelo clasifica solicitudes, extrae datos de facturas, enruta tickets o elige el siguiente paso de un agente, d1.2 y d1.2-ultra ofrecen la posibilidad de reducir costes sin perder calidad. La versión menor, a $0,02 por millón de tokens de entrada, es adecuada para operaciones masivas. La mayor tiene sentido donde un error sale más caro.

Las limitaciones también están claras. Un contexto de 64 mil tokens es modesto para los estándares actuales. El único canal de acceso disponible es la API del propio desarrollador: hay que confiar los datos a Liquid AI y no existe un proveedor alternativo. Por último, el liderazgo está confirmado con una sola clasificación, además cerrada.

Un plan razonable: reunir cien ejemplos reales de su flujo, pasarlos por d1.2, d1.2-ultra y el modelo actual, y comparar precisión frente a coste. Si la ventaja de la novedad se confirma, el ahorro en grandes volúmenes será notable. Si no, aparecer en una tabla no es motivo suficiente para cambiar el modelo que ya funciona.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué mostraron las mediciones?

Liquid AI actualizó dos modelos insignia para la toma de decisiones: d1-ultra pasó a ser d1.2-ultra, y d1.1 pasó a ser d1.2. Artificial Analysis los evaluó en su propio banco cerrado AA-Paperclip. Este mide dos capacidades: tomar decisiones y extraer los datos necesarios de un texto. Imagine que al modelo le llegan cientos de solicitudes de soporte y debe asignar a cada una el departamento correcto y anotar sus campos clave. d1.2-ultra obtiene aquí 76 puntos.

¿Qué se sabe sobre Precio y parámetros técnicos?

Procesar un millón de tokens de entrada cuesta $0,042 con d1.2-ultra y $0,02 con d1.2. Según el cálculo de Artificial Analysis, un millón de tareas del Decision Index sale por $133 con d1.2-ultra y por $63 con d1.2. Ambos modelos se sitúan en la frontera de Pareto en el eje «capacidad frente a coste». En otras palabras, no existe otro modelo que sea a la vez mejor y más barato: para obtener más calidad hay que pagar más, y viceversa.

¿Qué se sabe sobre Para quién es útil?

Si tiene un flujo de trabajo en el que el modelo clasifica solicitudes, extrae datos de facturas, enruta tickets o elige el siguiente paso de un agente, d1.2 y d1.2-ultra ofrecen la posibilidad de reducir costes sin perder calidad. La versión menor, a $0,02 por millón de tokens de entrada, es adecuada para operaciones masivas. La mayor tiene sentido donde un error sale más caro. Las limitaciones también están claras. Un contexto de 64 mil tokens es modesto para los estándares actuales.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…