Liquid AI、単一のフォワードパスで選択肢の確率を返すマルチモーダル意思決定モデル「d1-ultra」を発表

Liquid AIは10月15日、選択肢が固定された意思決定タスクにマルチモーダルモデルを用いるd1-ultraを発表した。このモデルはテキスト、画像、質問を受け取り、単一のフォワードパスで確率を返す。回答をトークン単位で生成する方式ではない。公式発表によると、新モデルはより大規模なオープンウェイトモデルを基盤とし、独自の変更とトレーニングを加えている。提供形態はホスト型APIであり、d1-ultra自体の重みが公開されていることを意味するわけではない。発表

インターフェースは、3種類の質問タイプを引き続き提供する。Noulは二択問題の確率を返し、Choiceは候補ラベルごとの確率分布を返す。Scoreは順序付きの評価ルールに従って結果を返す。公式ドキュメントでは、リクエストのルーティング、コンテンツ分類、エージェントによるツール呼び出しの審査、画像検査などが用途として挙げられている。エンジニアリングチームは、こうした回答が固定された処理フローを意思決定インターフェースに切り替え、テキスト生成と出力解析の手順を減らせるか評価できる。ただし、全体のレイテンシが下がるかどうかは実測が必要だ。モデルドキュメント

料金には見落としやすい点もある。発表された価格は入力100万tokenあたり0.042ドルで、出力tokenの料金はない。ただし、質問ごとにテキストとすべての画像がそれぞれ課金対象になる。そのため、1枚の画像について複数の質問をする場合、質問数に応じて費用が増える。見積もりはワークフロー全体を単位に行う必要がある。料金の説明

評価では、正答数だけでなく、確率の信頼性も重要になる。Artificial AnalysisのDecision Indexにはd1-ultraが追加された。この評価では、知識と幻覚、選択式推論、ツール呼び出し、安全性分類の4項目にそれぞれ25%の重みを割り当て、キャリブレーション、レイテンシ、コストも別途示している。キャリブレーション図はモデルの信頼度と実際の正答率を比較し、その確率を自動処理のしきい値設定に使えるか判断する手掛かりになる。ただし、総合スコアがあらゆる業務データでの性能を示すわけではない。評価方法とランキング

中国語環境への導入では、繁体字中国語、専門用語、実際の画像品質における分類とキャリブレーションの性能を確認する必要がある。このインターフェースの特性を踏まえると、導入前に既存のラベル付きデータでエラー率を比較し、信頼度の低いケースを人手に回すしきい値を検証するほか、複数の質問を含むリクエストの総費用とテールレイテンシを測定するとよい。これらは導入前の検証項目であり、現時点の情報だけでは中国語環境で優位性があるとは確認できない。