最新模型
Liquid AI、音声入力と5種類の構造化タスクを追加した意思決定モデル d1.2 を発表
Liquid AI は11月16日、d1.2 と d1.2-ultra を発表。音声入力、文書からの項目抽出、画像内の位置特定などに対応した。新版はAPI経由で構造化された回答と確率情報を提供するが、新規タスクの精度は主に同社の社内テストに基づく。
Liquid AI は11月16日、d1.2 と d1.2-ultra を発表し、意思決定モデルの用途を音声の判定や、より幅広いデータ抽出へと拡大しました。両モデルは Liquid API で提供されています。今回の更新における主なエンジニアリング上の変更は、分類、位置特定、抽出の結果を指定された型で直接返し、アプリケーションが自由記述の回答を解析する手順を減らせることです。公式発表
新たに対応した5種類のタスクには、テキスト・数値・日付の読み取り、テキスト範囲の抽出、画像内の物体のバウンディングボックス指定、範囲付きの数量推定、多肢選択式分類が含まれます。音声は分析対象としても、質問を口述する手段としても使えます。たとえば、言語の識別や、背景にサイレンがあるかどうかの判定が可能です。公式発表によると、新しい回答型は既存のエンドポイントとリクエスト形式を引き継いでいます。リリースノート
ドキュメントによると、意思決定モデルは1回の呼び出しで結果を返し、テキストをトークン単位で逐次生成しません。抽出結果には原文中の位置と found を含められ、バウンディングボックスの結果には座標と信頼度情報が含まれます。値が欠けている場合の表現方法も定義されています。文書処理システムでは、「見つからなかった」ことをデータ検証に組み込めます。ただし、エンジニアは内容の欠落と解析の失敗を区別し、判定しきい値を自社データで調整する必要があります。技術ドキュメント
第三者機関の Artificial Analysis による d1.2 のページには、Decision Index のスコア69、タスクあたり150ミリ秒のレイテンシ、評価タスク100万件あたり約63ドルという数値が掲載されています。この指標は回答の正確性と確率の品質をともに評価し、過信を伴う誤答にはより大きなペナルティを課します。レイテンシとコストは同機関の評価ワークロードに限られ、企業の文書処理や音声処理にそのまま当てはめることはできません。評価結果と方法
公式価格は入力100万トークンあたり0.02ドルと0.042ドルで、入力分のみ課金されます。導入前には、繁体字中国語の項目、日付形式、低品質スキャン、実際の録音音声で検証する必要があります。公式発表でも、5種類の新タスクに対応する公開ベンチマークはまだなく、公開された成績は社内テストに基づくと明記されています。今後は、独立した再現評価と、実際のデータ分布において信頼度のしきい値が誤判定を安定して抑えられるかが注目されます。価格と制限事項