Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизAPI / Продукт · В работуX: @ArtificialAnlys→ оригинал

Модель d1.2-ultra от Liquid AI заняла 1-е место в тесте на решения AA-Paperclip: 76 баллов

Liquid AI выпустила модели d1.2-ultra и d1.2 для рутинных решений: прочитать письмо клиента, вытащить из него поля и выбрать, в какой отдел его отправить. В закрытом тесте AA-Paperclip от Artificial Analysis d1.2-ultra набрала 76 баллов и на 3 балла обогнала Drex Max v1.1, а в сводном Decision Index v2.1 заняла 1-е место, d1.2 — 6-е. Для сортировки обращений дешёвую d1.2 стоит прогнать на своих примерах.

AI-обработка оригинала X: @ArtificialAnlys; редакция Hamidun News
Модель d1.2-ultra от Liquid AI заняла 1-е место в тесте на решения AA-Paperclip: 76 баллов
Источник: X: @ArtificialAnlys. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникX: @ArtificialAnlys ↗
Главный редактор
Вход$0,042 за 1 млн токенов у d1.2-ultra и $0,02 у d1.2
Прирост к прошлым версиям+4 балла у d1.2-ultra (75) и +3 у d1.2 (69)
Ключевой факт #3Контекст 64 тысячи токенов, текст и картинки; доступ через API Liquid AI

Большинство рейтингов языковых моделей показывают, как нейросеть пишет код или решает олимпиадные задачи. Но в продакшене чаще нужна будничная работа: прочитать входящее письмо, вытащить из него номер заказа и сумму, выбрать один из вариантов действия. Именно такие навыки измеряет Decision Index («индекс решений») независимой площадки Artificial Analysis. В его версии v2.1 первое место заняла модель d1.2-ultra от Liquid AI, а её младшая сестра d1.2 оказалась шестой.

Что показали замеры

Liquid AI обновила две флагманские модели для принятия решений: d1-ultra превратилась в d1.2-ultra, а d1.1 — в d1.2. Artificial Analysis проверила их на собственном закрытом бенчмарке AA-Paperclip. Он оценивает два умения: принимать решения и извлекать нужные данные из текста. Представьте, что модели дают сотни обращений в поддержку, и она должна для каждого выбрать правильный отдел и выписать ключевые поля. У d1.2-ultra здесь 76 баллов. Это лучший результат: ближайший конкурент, Drex Max v1.1, отстаёт на 3 балла.

В сводном Decision Index v2.1 у d1.2-ultra 75 баллов — на 4 больше, чем у d1-ultra. У d1.2 — 69 баллов, на 3 больше, чем у d1.1. Прирост небольшой, но он есть у обеих моделей сразу.

Оговорка важная: AA-Paperclip — закрытый тест самой Artificial Analysis. Задачи не опубликованы, поэтому независимо повторить результат нельзя. Остаётся доверять методике площадки.

Цена и технические параметры

Обработка миллиона входных токенов стоит $0,042 у d1.2-ultra и $0,02 у d1.2. По расчёту Artificial Analysis, миллион задач из Decision Index обходится в $133 для d1.2-ultra и в $63 для d1.2. Обе модели лежат на границе Парето в координатах «возможности против стоимости». Проще говоря, нет другой модели, которая одновременно и лучше, и дешевле: чтобы получить больше качества, придётся платить больше, и наоборот.

Остальные параметры такие:

  • контекстное окно — 64 тысячи токенов: хватит на длинное письмо, договор или пачку записей, но не на целую кодовую базу;
  • на входе принимаются текст и изображения, так что можно отдавать модели скриншоты форм или сканы документов;
  • доступ сейчас только через собственный API Liquid AI.

Цены за выходные токены в публикации нет. Для задач с коротким ответом вроде метки класса или JSON с полями это не критично. Если же модель должна писать длинные рассуждения, итоговый счёт придётся считать отдельно.

Кому это пригодится

Если у вас есть конвейер, где модель сортирует обращения, достаёт реквизиты из счетов, маршрутизирует заявки или выбирает следующий шаг агента, d1.2 и d1.2-ultra дают шанс снизить расходы, не потеряв в качестве. Младшая версия за $0,02 за миллион входных токенов подходит для массовых операций. Старшую логично брать там, где ошибка обходится дороже.

Ограничения тоже понятны. Контекст в 64 тысячи токенов скромный по меркам современных моделей. Единственный пока канал доступа — API самого разработчика: данные придётся доверять Liquid AI, запасного провайдера нет. Наконец, лидерство подтверждено одним рейтингом, да ещё закрытым.

Разумный план: взять сотню реальных примеров из своего потока, прогнать их через d1.2, d1.2-ultra и текущую модель и сравнить точность с затратами. Если разница в пользу новинки подтвердится, на больших объёмах экономия получится заметной. Если нет, место в таблице — ещё не повод менять рабочую модель.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что показали замеры?

Liquid AI обновила две флагманские модели для принятия решений: d1-ultra превратилась в d1.2-ultra, а d1.1 — в d1.2. Artificial Analysis проверила их на собственном закрытом бенчмарке AA-Paperclip. Он оценивает два умения: принимать решения и извлекать нужные данные из текста. Представьте, что модели дают сотни обращений в поддержку, и она должна для каждого выбрать правильный отдел и выписать ключевые поля. У d1.2-ultra здесь 76 баллов. Это лучший результат: ближайший конкурент, Drex Max v1.1, отстаёт на 3 балла.

Что известно по теме: цена и технические параметры?

Обработка миллиона входных токенов стоит $0,042 у d1.2-ultra и $0,02 у d1.2. По расчёту Artificial Analysis, миллион задач из Decision Index обходится в $133 для d1.2-ultra и в $63 для d1.2. Обе модели лежат на границе Парето в координатах «возможности против стоимости». Проще говоря, нет другой модели, которая одновременно и лучше, и дешевле: чтобы получить больше качества, придётся платить больше, и наоборот.

Что известно по теме: кому это пригодится?

Если у вас есть конвейер, где модель сортирует обращения, достаёт реквизиты из счетов, маршрутизирует заявки или выбирает следующий шаг агента, d1.2 и d1.2-ultra дают шанс снизить расходы, не потеряв в качестве. Младшая версия за $0,02 за миллион входных токенов подходит для массовых операций. Старшую логично брать там, где ошибка обходится дороже. Ограничения тоже понятны. Контекст в 64 тысячи токенов скромный по меркам современных моделей.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…