Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAPI / Produit · Prêt à l'emploiX: @ArtificialAnlys→ original

Le modèle d1.2-ultra de Liquid AI prend la première place du test de décision AA-Paperclip avec 76 points

Liquid AI a publié les modèles d1.2-ultra et d1.2 pour les décisions de routine : lire un e-mail client, en extraire les champs et choisir le service vers lequel l'orienter. Dans le test fermé AA-Paperclip d'Artificial Analysis, d1.2-ultra obtient 76 points et devance Drex Max v1.1 de 3 points. Dans l'indice de synthèse Decision Index v2.1, elle se classe première, tandis que d1.2 arrive sixième. Pour trier des demandes, il est conseillé de tester la version économique d1.2 sur vos propres exemples.

Traité par IA depuis X: @ArtificialAnlys ; édité par Hamidun News
Le modèle d1.2-ultra de Liquid AI prend la première place du test de décision AA-Paperclip avec 76 points
Source : X: @ArtificialAnlys. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireX: @ArtificialAnlys ↗
Rédacteur en chef
Entrée0,042 $ par million de tokens pour d1.2-ultra et 0,02 $ pour d1.2
Gain par rapport aux versions précédentes+4 points pour d1.2-ultra (75) et +3 pour d1.2 (69)
Chiffre clé #3Fenêtre de contexte de 64 000 tokens, texte et images ; accès via l'API de Liquid AI

La plupart des classements de modèles de langage montrent comment un réseau de neurones écrit du code ou résout des problèmes d'olympiade. En production, cependant, on a plus souvent besoin d'un travail quotidien : lire un e-mail entrant, en extraire un numéro de commande et un montant, choisir l'une des actions possibles. C'est précisément ce que mesure le Decision Index (« indice de décision ») de la plateforme indépendante Artificial Analysis. Dans sa version v2.1, la première place revient à d1.2-ultra de Liquid AI, tandis que sa petite sœur d1.2 se classe sixième.

Ce que montrent les mesures

Liquid AI a mis à jour deux modèles phares dédiés à la prise de décision : d1-ultra est devenu d1.2-ultra, et d1.1 est devenu d1.2. Artificial Analysis les a testés sur son propre benchmark fermé, AA-Paperclip. Celui-ci évalue deux compétences : prendre des décisions et extraire les données utiles d'un texte. Imaginez que le modèle reçoive des centaines de demandes de support et doive, pour chacune, choisir le bon service et relever les champs clés. d1.2-ultra obtient ici 76 points. C'est le meilleur résultat : son concurrent le plus proche, Drex Max v1.1, est en retrait de 3 points.

Dans l'indice de synthèse Decision Index v2.1, d1.2-ultra totalise 75 points, soit 4 de plus que d1-ultra. d1.2 en compte 69, soit 3 de plus que d1.1. La progression est modeste, mais elle concerne les deux modèles à la fois.

Une précision importante : AA-Paperclip est un test fermé d'Artificial Analysis lui-même. Les tâches ne sont pas publiées, il est donc impossible de reproduire le résultat de façon indépendante. Il faut s'en remettre à la méthodologie de la plateforme.

Prix et paramètres techniques

Le traitement d'un million de tokens en entrée coûte 0,042 $ avec d1.2-ultra et 0,02 $ avec d1.2. Selon le calcul d'Artificial Analysis, un million de tâches du Decision Index revient à 133 $ pour d1.2-ultra et à 63 $ pour d1.2. Les deux modèles se situent sur la frontière de Pareto dans le couple « capacités contre coût ». Autrement dit, aucun autre modèle n'est à la fois meilleur et moins cher : gagner en qualité impose de payer davantage, et inversement.

Les autres paramètres sont les suivants :

  • fenêtre de contexte de 64 000 tokens : suffisante pour une longue lettre, un contrat ou une pile de notes, mais pas pour une base de code entière ;
  • en entrée, le modèle accepte le texte et les images, on peut donc lui soumettre des captures de formulaires ou des scans de documents ;
  • l'accès passe pour l'instant uniquement par l'API propre à Liquid AI.

La publication ne précise pas le prix des tokens en sortie. Pour des tâches à réponse courte, comme une étiquette de classe ou un JSON à champs, ce n'est pas critique. Si le modèle doit produire de longs raisonnements, il faudra calculer la facture séparément.

À qui cela peut servir

Si vous disposez d'un pipeline qui trie des demandes, extrait des références de factures, achemine des tickets ou choisit l'étape suivante d'un agent, d1.2 et d1.2-ultra offrent une chance de réduire les dépenses sans perdre en qualité. La version junior, à 0,02 $ par million de tokens en entrée, convient aux traitements de masse. La version supérieure se justifie là où une erreur coûte plus cher.

Les limites sont tout aussi claires. Une fenêtre de contexte de 64 000 tokens reste modeste au regard des modèles actuels. Le seul canal d'accès disponible est l'API du développeur : il faut faire confiance à Liquid AI pour les données, sans fournisseur de secours. Enfin, la première place n'est attestée que par un seul classement, et de surcroît fermé.

Un plan raisonnable : prélever une centaine d'exemples réels de votre flux, les faire passer par d1.2, d1.2-ultra et le modèle actuel, puis comparer la précision aux coûts. Si l'avantage de la nouveauté se confirme, l'économie sera sensible sur de gros volumes. Sinon, une place dans un tableau ne suffit pas à justifier de changer de modèle en production.

Dossier

Questions clés sur cet article

Que sait-on sur Ce que montrent les mesures ?

Liquid AI a mis à jour deux modèles phares dédiés à la prise de décision : d1-ultra est devenu d1.2-ultra, et d1.1 est devenu d1.2. Artificial Analysis les a testés sur son propre benchmark fermé, AA-Paperclip. Celui-ci évalue deux compétences : prendre des décisions et extraire les données utiles d'un texte. Imaginez que le modèle reçoive des centaines de demandes de support et doive, pour chacune, choisir le bon service et relever les champs clés. d1.2-ultra obtient ici 76 points.

Que sait-on sur Prix et paramètres techniques ?

Le traitement d'un million de tokens en entrée coûte 0,042 $ avec d1.2-ultra et 0,02 $ avec d1.2. Selon le calcul d'Artificial Analysis, un million de tâches du Decision Index revient à 133 $ pour d1.2-ultra et à 63 $ pour d1.2. Les deux modèles se situent sur la frontière de Pareto dans le couple « capacités contre coût ». Autrement dit, aucun autre modèle n'est à la fois meilleur et moins cher : gagner en qualité impose de payer davantage, et inversement.

Que sait-on sur à qui cela peut servir ?

Si vous disposez d'un pipeline qui trie des demandes, extrait des références de factures, achemine des tickets ou choisit l'étape suivante d'un agent, d1.2 et d1.2-ultra offrent une chance de réduire les dépenses sans perdre en qualité. La version junior, à 0,02 $ par million de tokens en entrée, convient aux traitements de masse. La version supérieure se justifie là où une erreur coûte plus cher. Les limites sont tout aussi claires.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ 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
Qu'en pensez-vous ?
Chargement des commentaires…