Robocikowo>ROBOCIKOWO
D1 Ultra
Modele AI

D1 Ultra

ultra
Multimodalny model decyzyjny Liquid AI. Przyjmuje tekst i obrazy oraz pytania i zwraca prawdopodobieństwa (tak/nie, wybór, wynik) bez generowania tekstu.
✓ Aktywny✓ Publiczny dostępModel multimodalnyWyspecjalizowane AI
Okno kontekstowe
33K
tokenów
Data premiery
15 października 2026
🏢Liquid AIProducent
Dostęp:APIHostedWdrożenie:☁ Cloud

Przegląd

d1-ultra to multimodalny model decyzyjny opracowany przez Liquid AI, udostępniony 15 października 2026 roku. W odróżnieniu od modeli generatywnych nie tworzy tekstu — na podstawie nieustrukturyzowanych danych wejściowych (tekst, obrazy lub jedno i drugie) oraz zadanych pytań zwraca w jednym przebiegu prawdopodobieństwa odpowiedzi.

Model obsługuje trzy typy pytań: tak/nie (prawdopodobieństwo od 0 do 1), wybór jednej etykiety spośród wielu oraz wynik na skali. Jest przeznaczony do trudnych, rzeczywistych zadań, takich jak wykrywanie defektów czy weryfikacja zgłoszeń na podstawie zdjęć, i kładzie nacisk na prawidłową kalibrację zwracanych prawdopodobieństw.

d1-ultra powstał na bazie większego modelu o otwartych wagach z autorskimi modyfikacjami Liquid AI. Obsługuje 44 języki i według producenta zajął pierwsze miejsce w indeksie Artificial Analysis Decision Index z wynikiem 65, prowadząc we wszystkich ośmiu kategoriach 112-ewaluacyjnego zestawu testów. Jest dostępny przez Liquid API (endpoint /v1/systemone) w cenie 0,042 USD za milion tokenów wejściowych; model nie generuje tokenów wyjściowych.

Klasyfikacja
Model multimodalnyWyspecjalizowane AI
Dostęp i wdrożenie
APIHostowane
Chmura
Wagi: Zamknięte
Kluczowe parametry
📏 Kontekst: 33K
📥 Wejście: tekst, obraz

Specyfikacja techniczna

Okno kontekstowe
33K
tokenów
Modalności
⬇ Wejście (Input)
textimage
⬆ Wyjście (Output)
structured_data

Możliwości i zastosowania

Natywne możliwości modelu
Klasyfikacja
Przyporządkowanie obserwacji do jednej z predefiniowanych klas (binarna lub wieloklasowa). Wynik: etykieta klasy oraz opcjonalnie prawdopodobieństwa.
Kategoria: other
Wyjście strukturyzowane
Generowanie danych w ustrukturyzowanych formatach, np. JSON.
Kategoria: structured_generation
Rozumienie multimodalne
Zdolność modelu do łączenia i interpretowania informacji z więcej niż jednej modalności, np. tekstu i obrazu.
Kategoria: multimodal
Rozumienie obrazu
Analiza i interpretacja treści obrazów.
Kategoria: vision
Wielojęzyczność
Kompetencje w wielu językach naturalnych (od kilku do stu+): rozumienie, generowanie, tłumaczenie, code-switching w obrębie jednej rozmowy. Modele frontier obsługują szeroki wachlarz języków ze zbliżoną jakością.
Kategoria: language

Wyniki benchmarków

1 benchmark
Artificial Analysis Decision Index
65
📄 Oficjalny blog Liquid AI
Według Liquid AI model zajął 1. miejsce w indeksie i prowadzi we wszystkich 8 kategoriach 112-ewaluacyjnego zestawu testów.

Cennik

Źródła i powiązane strony