d1.2-ultra API
مدل تصمیمگیری چندوجهی LiquidAI برای استخراج، طبقهبندی و ارزیابی ساختاریافته از متن، تصویر و صوت طراحی شده است.
LiquidAI d1.2-ultra یک مدل پرچمدار میزبانیشده برای تصمیمگیری ساختاریافته در Liquid API و عضوی از خانواده مدلهای تصمیمگیری d1 است. این مدل ورودیهای متنی، تصویری و صوتی را میپذیرد و پاسخهای کالیبرهشده را در یک گذر رو به جلو ارائه میکند؛ با این حال، برای تولید متن طراحی نشده و محدودیت خروجی آن zero generated tokens است. طول زمینه آن دو برابر مدل قبلی d1-ultra است.
این مدل میتواند متن، عدد و تاریخ را استخراج کند، همه بخشهای موردنظر متن را با span بیابد، یک یا چند مورد را در تصویر با کادر محدودکننده مکانیابی کند و مقادیر عددی را همراه با دامنه برآورد ارائه دهد. همچنین گزینههای قابلاعمال را از میان مجموعهای از انتخابها برمیگزیند، مقادیر اسناد را همراه با نویسههای خواندهشده استخراج میکند، در صورت نبود مقدار پاسخ not found میدهد و برای تصمیمهای ساختاریافته احتمال اطمینان ارائه میکند.
کاربردهای آن شامل شناسایی نقص در برابر مشخصات، بررسی ادعاهای خسارت با عکس مشتری، کشف خطاهای فهرست محصول، تشخیص تقلب آنلاین، تعدیل محتوا و طبقهبندی، مسیردهی، امتیازدهی، استخراج و grounding در یک فراخوانی API است. احتمالهای اطمینان و آستانههای قابلتنظیم، خودکارسازی و ارجاع موارد نامطمئن به بررسی انسانی را پشتیبانی میکنند.
بهروزرسانی:
MODEL ID
d1.2-ultra- زمینه
- 65.536K
- حداکثر خروجی
- 58.982K
- ورودی
- text / image
- خروجی
- decisions
نکات برجسته
- ورودی متن، تصویر و صوت
- تصمیمگیری در یک گذر
- احتمال اطمینان کالیبرهشده
- استخراج با span و کادر
- پاسخ not found
- زمینه دو برابر d1-ultra
ارائهدهندگان
قیمت API را بین ارائهدهندگان مقایسه کنید. یک ارائهدهنده را انتخاب کنید تا همه هزینهها و شرایط را ببینید.
| دسترسپذیری | |||
|---|---|---|---|
| $0.042 | $0 |
آمار تاریخی بررسی زنده وضعیت نیست. نبود داده به معنی قطعی نیست.
بنچمارکها
- 75
Artificial Analysis Decision Index v2.1
در میان24 مدل تصمیمگیری، رتبه نخست را کسب کرده است.
- 2.36%
HLE-MultiChoice
در این معیار، رتبه آخر را کسب کرده است.
- 98%
Receipt value extraction
مقادیر رسیدها را بهدرستی میخواند.
- 94%
Personal data extraction precision
دقت استخراج دادههای شخصی.
- 93%
Personal data extraction recall
فراخوانی استخراج دادههای شخصی.
- 95-97%
Evaluation suite
پرسوجوهایی که d1.2 و d1.2-ultra بهدرستی پاسخ دادهاند.
امتیازها همانگونه که ارائهدهنده مدل منتشر کرده است.
شروع سریع تصمیمها
وضعیت و پرسشهای محدود و نوعدار را به /api/v1/decisions بفرستید و برای هر پرسش یک پاسخ بخوانید: noul احتمالی از 0 تا 1 برمیگرداند، choice گزینه انتخابشده همراه توزیع آن، و score امتیازی عددی برای معیارهای مرتب. این endpoint از سطوح Chat Completions، Messages و Responses جداست.
curl https://openapi.felo.ai/api/v1/decisions \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "d1.2-ultra",
"state": "Help! My payouts have been failing for 3 days.",
"questions": {
"is_urgent": {
"type": "noul",
"instructions": "Does this message convey urgency?",
"criteria": {"true": "Time-sensitive", "false": "No urgency"}
},
"department": {
"type": "choice",
"instructions": "Which team should handle this?",
"criteria": {
"billing": "Payments, invoicing, refunds",
"technical": "Bugs, outages, integrations",
"sales": "Pricing, upgrades, new accounts"
}
},
"frustration": {
"type": "score",
"instructions": "How frustrated is the customer?",
"criteria": ["Calm", "Frustrated", "Very angry"]
}
}
}'پرسشهای متداول
معرفی مدل: d1.2-ultra?
LiquidAI d1.2-ultra یک مدل پرچمدار میزبانیشده برای تصمیمگیری ساختاریافته در Liquid API و عضوی از خانواده مدلهای تصمیمگیری d1 است. این مدل ورودیهای متنی، تصویری و صوتی را میپذیرد و پاسخهای کالیبرهشده را در یک گذر رو به جلو ارائه میکند؛ با این حال، برای تولید متن طراحی نشده و محدودیت خروجی آن zero generated tokens است. طول زمینه آن دو برابر مدل قبلی d1-ultra است. این مدل میتواند متن، عدد و تاریخ را استخراج کند، همه بخشهای موردنظر متن را با span بیابد، یک یا چند مورد را در تصویر با کادر محدودکننده مکانیابی کند و مقادیر عددی را همراه با دامنه برآورد ارائه دهد. همچنین گزینههای قابلاعمال را از میان مجموعهای از انتخابها برمیگزیند، مقادیر اسناد را همراه با نویسههای خواندهشده استخراج میکند، در صورت نبود مقدار پاسخ not found میدهد و برای تصمیمهای ساختاریافته احتمال اطمینان ارائه میکند. کاربردهای آن شامل شناسایی نقص در برابر مشخصات، بررسی ادعاهای خسارت با عکس مشتری، کشف خطاهای فهرست محصول، تشخیص تقلب آنلاین، تعدیل محتوا و طبقهبندی، مسیردهی، امتیازدهی، استخراج و grounding در یک فراخوانی API است. احتمالهای اطمینان و آستانههای قابلتنظیم، خودکارسازی و ارجاع موارد نامطمئن به بررسی انسانی را پشتیبانی میکنند.
هزینه استفاده چگونه محاسبه میشود؟
صورتحساب شما به ارائهدهندهای که استفاده میکنید، قیمتهای آن و میزان مصرف شما بستگی دارد. ورودیهای طولانیتر یا شرایط دیگر ممکن است قیمت متفاوتی داشته باشند.
چه نوع ورودیهایی را پشتیبانی میکند؟
ورودی متنی، تصویری و صوتی را میپذیرد.
آیا برای تولید متن طولانی مناسب است؟
خیر. این مدل برای تصمیمگیری ساختاریافته طراحی شده است، نه تولید متن؛ محدودیت خروجی آن zero generated tokens است.
چه دادههایی را میتواند از ورودی استخراج کند؟
میتواند متن، عدد، تاریخ و مقادیر اسناد را استخراج کند و بخشهای مشخصی از متن یا مواردی را در تصویر بیابد.
برای چه کارهایی مناسب است؟
برای استخراج، طبقهبندی، مسیردهی، امتیازدهی، تشخیص تقلب، تعدیل محتوا و بررسی تطابق تصویر و مشخصات مناسب است.
چه چیزی تصمیمهای آن را برای خودکارسازی مفید میکند؟
احتمالهای اطمینان کالیبرهشده ارائه میکند و از آستانههای اطمینان برای خودکارسازی یا ارجاع به بررسی انسانی پشتیبانی میکند.
مدلهای مرتبط
d1.2
LiquidAIتصمیمهاd1.2LiquidAI: d1.2 مدلی چندوجهی برای تصمیمهای ساختاریافته احتمالاتی است که بدون تولید توکن، پاسخهای سریع ارائه میکند.
زمینه
65.536K
خروجی
تصمیمها
توکنهای ورودی
$0.02 / 1M توکن
توکنهای خروجی
$0 / 1M توکن
d1.1
LiquidAIتصمیمهاd1.1LiquidAI: d1.1 یک مدل تصمیمگیری است که به جای تولید متن، احتمال هر گزینه را محاسبه میکند و برای پرسشهای بله/خیر، انتخابی و امتیازی به کار میرود.
زمینه
65.536K
خروجی
تصمیمها
توکنهای ورودی
$0.02 / 1M توکن
توکنهای خروجی
$0 / 1M توکن