Liquid AI saca d1-ultra: un modelo de decisiones que responde con probabilidades y no con texto

Liquid AI lanzó esta semana d1-ultra, un modelo multimodal para un nicho que los frontier labs rara vez tocan: las tareas de decisión. En vez de generar texto, el modelo lee texto, imágenes o ambos en un solo forward pass y devuelve una probabilidad para cada respuesta posible. La empresa lo llama su decision model state-of-the-art, y está a USD 0,042 por millón de tokens de entrada en la Liquid API.

Decision models: un contrato distinto

Un decision model responde preguntas sobre una situación con una probabilidad para cada respuesta posible. d1-ultra toma como input datos no estructurados, texto, imágenes o ambos, más una o más preguntas, y devuelve las probabilidades sin generar ningún token. Soporta los mismos tres tipos de pregunta que el d1 anterior:

• noul: pregunta de sí/no, respondida con una probabilidad de 0 a 1.
• Choice: una etiqueta entre muchas, con una probabilidad por etiqueta.
• Score: una posición en una escala.

El ángulo práctico: si tu workload es clasificación, validación o scoring, hoy pagás tokens de output que después tirás. La API de decisiones factura solo sobre el input.

Los claims, con números

Según la empresa, d1-ultra se basó en un modelo open-weight más grande con una serie de customizaciones propias de Liquid AI, y la combinación con su pipeline de entrenamiento le da mejoras importantes, sobre todo en tareas de conocimiento. En 112 evaluaciones, Liquid AI dice que supera a su modelo d1 anterior y a Jev 1.14 en todas las tareas al mismo precio, y que lleva al menos 8 puntos de ventaja sobre el resto de los decision models en el Artificial Analysis Decision Index.

Un detalle que destaca: la calibración. La mayoría de los decision models, dice Liquid AI, son sobreconfiados en sus respuestas, y d1-ultra fue entrenado específicamente para producir probabilidades más confiables. Si vas a tomar decisiones sobre esos números, la calibración importa tanto como la precisión bruta.

"El mejor decision model del mundo" es el claim de la empresa. El índice le da al claim de state-of-the-art una base verificable, pero es un solo benchmark, sobre un set de comparados acotado a los decision models. Algunos lo consideran hype, y no es descabellado.

Los números que importan para el presupuesto

La facturación es solo sobre tokens de entrada, sin tokens de output, porque el modelo no genera ninguno. Las imágenes cuentan como tokens de entrada a la misma tarifa que el texto: 1,5 tokens por patch de 32 por 32 píxeles, así que una imagen de 1024 por 1024 cuesta 1.536 tokens. Cada pregunta se factura como su propio prompt, incluyendo su texto y todas sus imágenes. La tarifa es USD 0,042 por millón de tokens de entrada.

d1-ultra ya está en la Liquid AI API, y la empresa dice que llega "pronto" por Vercel y OpenRouter.

Si tenés un workload de forma de clasificación, detección de defectos, validación de reclamos, moderación, conviene modelarlo como preguntas de decisión en vez de pedirle a un chat model que clasifique y parsear la respuesta después. La forma de costo es más simple, solo input, y la salida ya es numérica. El criterio práctico es medir si las probabilidades calibradas se sostienen sobre tus datos. El d1 playground tiene demos corriendo sobre d1-ultra, y es el lugar para arrancar antes de armar la integración.