Felo API PlatformFelo API Platform
Retour aux modèles

d1.2-ultra API

LiquidAI: d1.2-ultra est un modèle décisionnel multimodal pour extraire, classer et vérifier des informations avec des probabilités calibrées.

LiquidAI: d1.2-ultra est un modèle décisionnel hébergé de pointe de la famille d1, conçu pour la prise de décision structurée plutôt que pour la génération de texte. Il accepte des entrées textuelles, des images et de l’audio, puis renvoie des réponses calibrées en un seul passage avant. Son contexte est deux fois plus long que celui du modèle d1-ultra précédent, tandis que sa limite de sortie est de zero generated tokens.

Le modèle lit des textes, nombres et dates, trouve tous les passages correspondant à un type indiqué, localise une ou plusieurs instances dans des images avec des cadres englobants et extrait des valeurs de documents avec les caractères utilisés pour les lire. Il peut également estimer des nombres avec une plage, sélectionner toutes les options applicables, signaler une valeur absente et fournir des probabilités de confiance pour les décisions structurées.

Il convient notamment au contrôle de conformité, à la vérification de dommages sur des photos, à la détection d’erreurs dans des annonces de produits, à la détection de fraude, à la modération et au routage automatisé. Ses seuils de confiance permettent d’automatiser certaines décisions et d’orienter les cas incertains vers une revue humaine.

Mis à jour:

ID DU MODÈLE

d1.2-ultra
Contexte
65.536K
Sortie max.
58.982K
Entrée
text / image
Sortie
decisions

Points clés

  • Décisions en un passage
  • Entrées texte, image, audio
  • Probabilités calibrées
  • Cadres englobants
  • Seuils de confiance
  • Réponse valeur absente

Fournisseurs

1 fournisseurs

Comparez les prix des API entre fournisseurs. Sélectionnez un fournisseur pour voir tous les tarifs et conditions.

Fournisseur · Détails des tarifs
Disponibilité
$0.042$0

Benchmarks

  • Artificial Analysis Decision Index v2.1

    Classé premier parmi24 modèles décisionnels.

    75
  • HLE-MultiChoice

    Classé dernier.

    2.36%
  • Receipt value extraction

    Lit correctement les valeurs des reçus.

    98%
  • Personal data extraction precision

    Précision de l’extraction des données personnelles.

    94%
  • Personal data extraction recall

    Rappel de l’extraction des données personnelles.

    93%
  • Evaluation suite

    Requêtes auxquelles d1.2 et d1.2-ultra répondent correctement.

    95-97%

Scores tels que publiés par le fournisseur du modèle.

Démarrage rapide des décisions

Envoyez un état et des questions typées et précises à /api/v1/decisions et recevez une réponse par question : noul renvoie une probabilité de 0 à 1, choice l'option sélectionnée avec sa distribution, et score une note numérique pour des critères ordonnés. Ce point de terminaison est distinct des surfaces Chat Completions, Messages et Responses.

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"]
      }
    }
  }'

Questions fréquentes

Qu'est-ce que d1.2-ultra?

LiquidAI: d1.2-ultra est un modèle décisionnel hébergé de pointe de la famille d1, conçu pour la prise de décision structurée plutôt que pour la génération de texte. Il accepte des entrées textuelles, des images et de l’audio, puis renvoie des réponses calibrées en un seul passage avant. Son contexte est deux fois plus long que celui du modèle d1-ultra précédent, tandis que sa limite de sortie est de zero generated tokens. Le modèle lit des textes, nombres et dates, trouve tous les passages correspondant à un type indiqué, localise une ou plusieurs instances dans des images avec des cadres englobants et extrait des valeurs de documents avec les caractères utilisés pour les lire. Il peut également estimer des nombres avec une plage, sélectionner toutes les options applicables, signaler une valeur absente et fournir des probabilités de confiance pour les décisions structurées. Il convient notamment au contrôle de conformité, à la vérification de dommages sur des photos, à la détection d’erreurs dans des annonces de produits, à la détection de fraude, à la modération et au routage automatisé. Ses seuils de confiance permettent d’automatiser certaines décisions et d’orienter les cas incertains vers une revue humaine.

Comment l'usage est-il facturé ?

Votre facture dépend du fournisseur utilisé, de ses tarifs et de votre usage. Des entrées plus longues ou d'autres conditions peuvent avoir des tarifs différents.

Quels types d’entrées prend-il en charge ?

Il prend en charge les entrées textuelles, les images et l’audio.

Quelle est sa longueur de contexte et sa limite de sortie ?

Son contexte est deux fois plus long que celui du modèle d1-ultra précédent. Sa limite de sortie est de zero generated tokens.

Pour quelles tâches est-il conçu ?

Il est conçu pour les décisions structurées, notamment la classification, le routage, la notation, l’extraction et l’ancrage dans un seul appel API.

Que peut-il extraire ou localiser ?

Il peut lire des valeurs dans des textes et documents, trouver des passages, et localiser des instances dans des images avec des cadres englobants.

Comment gère-t-il l’incertitude ?

Il fournit des probabilités de confiance calibrées et prend en charge des seuils pour l’automatisation ou la revue humaine.

Quelle est sa différence avec les autres modèles de la famille d1 ?

Il s’agit d’un modèle phare hébergé pour la prise de décision structurée, avec un contexte deux fois plus long que celui de d1-ultra. Les informations fournies ne détaillent pas les différences avec d1.2.

Modèles liés