Liquid AI 發布 d1-ultra 多模態決策模型，以單次前向運算回傳選項機率

Liquid AI 於 10 月 15 日推出 d1-ultra，將多模態模型用於固定選項的決策任務。模型接受文字、影像與問題，以單次前向運算回傳機率，不逐 token 生成答案。官方表示，新版以更大的開放權重模型為基礎，加入客製修改與訓練；發布管道則是託管 API，不能因此視為 d1-ultra 本身已開放權重。發布公告

介面沿用三種問題類型：Noul 回傳是非問題的機率，Choice 提供各候選標籤的機率分布，Score 則依有序評分規則給出結果。官方文件列出的用途包括請求路由、內容分類、代理工具呼叫審核與影像檢查。對工程團隊而言，可評估將這類固定答案流程改接決策介面，減少生成文字與解析輸出的步驟；是否降低整體延遲，仍要量測。模型文件

費用也有容易忽略的細節。公告標價為每百萬輸入 token 0.042 美元，沒有輸出 token 費用，但每個問題都會分別計入文字與全部影像。因此，一張圖片同時回答多個問題時，成本仍會隨問題數增加，估算時應以完整工作流程為單位。計費說明

評估重點除了答對多少，還包括機率是否可信。Artificial Analysis 的 Decision Index 已納入 d1-ultra，將知識與幻覺、選擇題推理、工具呼叫及安全分類四項評估各賦予四分之一權重，並另外呈現校準、延遲與成本。校準圖比較模型信心與實際正確率，能協助判斷機率是否適合拿來設定自動處理門檻；綜合分數仍不能代表所有業務資料的表現。評估方法與榜單

中文部署接下來應關注繁體中文、領域術語與實際圖片品質下的分類及校準表現。依這套介面的特性，工程上可先用既有標註資料比較錯誤率，再驗證低信心案例轉交人工的門檻，並量測多問題請求的總費用與尾端延遲。這些是導入前的驗證方向，目前來源尚不足以確認其在中文場景的優勢。