返回首頁

最新模型

Liquid AI 發布 d1.2 決策模型,新增音訊輸入與五類結構化任務

Liquid AI 於 11 月 16 日推出 d1.2 與 d1.2-ultra,新增音訊輸入、文件欄位抽取及影像定位等能力。新版透過 API 提供結構化答案與機率資訊,新增任務的準確率仍主要來自廠商內部測試。

zh-Hant

Liquid AI 於 11 月 16 日發布 d1.2 與 d1.2-ultra,將決策模型的用途擴大至音訊判斷與更多資料抽取工作。兩款模型已在 Liquid API 提供服務;這次更新的工程重點,是讓分類、定位與抽取直接回傳指定型別,減少應用程式解析自由文字答案的步驟。官方公告

新增的五類任務涵蓋文字、數字與日期讀取、文字片段抽取、影像物件框選、附區間的數量估計,以及多選分類。音訊既可作為待分析內容,也能承載口述問題,例如辨識語言或判斷背景是否有警笛。官方指出,新答案型別沿用既有端點與請求格式。發布說明

依文件,決策模型以單次呼叫回傳結果,不逐 token 生成文字。抽取答案可包含原文位置與 found,框選則提供座標及信心資訊;缺失值有明確表示方式。對文件處理系統而言,這有助於把「未找到」納入資料驗證,但工程師仍須區分內容缺漏與解析失敗,並以自身資料校準判定門檻。技術文件

第三方 Artificial Analysis 的 d1.2 頁面列出 Decision Index 得分 69、每任務延遲 150 毫秒,以及每百萬評測任務約 63 美元。該指標同時計入答案正確性與機率品質,過度自信的錯誤會受較大扣分;上述延遲與成本限於其評測工作負載,不能直接套用到企業文件或音訊流程。評測與方法

官方輸入價格為每百萬 token 0.02 美元與 0.042 美元,僅按輸入計費。部署前仍應驗證繁體中文欄位、日期格式、低品質掃描與真實錄音;官方也明言,五類新任務尚無對應公開基準,其公布的成績來自內部測試。下一步值得觀察的是獨立重現,以及信心門檻在實際資料分布下能否穩定控制誤判。價格與限制

來源

  1. d1.2: State-of-the-Art Omnimodal Decision Models
  2. Decision Models
  3. d1.2: Release, Decision Index Score, Performance & Price