LiquidAI: d1.1 API
LiquidAI: d1.1 คือโมเดลตัดสินใจที่ตอบคำถามแบบมีโครงสร้างด้วยความน่าจะเป็น而非การสร้างข้อความ เหมาะกับงานจัดประเภท การจัดเส้นทาง และการให้คะแนนที่ต้องการความเร็ว
LiquidAI: d1.1 เป็นโมเดลตัดสินใจจาก LiquidAI ที่ไม่สร้างข้อความแต่ส่งค่าความน่าจะเป็นระหว่าง 0 ถึง 1 สำหรับคำถามใช่/ไม่ใช่ คำถามแบบเลือก และคำถามแบบให้คะแนน โดยสามารถรับหลายคำถามเกี่ยวกับสถานะเดียวกันได้ในคำขอเดียวและคำนวณทุกตัวเลือกใน forward pass เดียวโดยไม่มี output tokens โมเดลนี้พัฒนาบนโมเดล open-weight ขนาดใหญ่ขึ้นพร้อมการปรับแต่งเฉพาะของ Liquid และรองรับทั้งข้อความและรูปภาพเป็นอินพุต
โมเดลนี้เหมาะกับงานที่ต้องการการตัดสินใจเชิงโครงสร้างที่รวดเร็ว เช่น การจัดประเภท การจัดเส้นทาง การให้คะแนน การคัดแยกตั๋วสนับสนุน การกลั่นกรองเนื้อหา การประเมินคำตอบ การตรวจสอบรูปภาพ และการควบคุมขั้นตอนของเอเจนต์ จากการทดสอบพบว่าการตัดสินใจจากข้อความใช้เวลา 200 ถึง 300 มิลลิวินาที ซึ่งเร็วพอสำหรับแอปพลิเคชันแบบเรียลไทม์ และสามารถลดการเรียกใช้โมเดลภาษาขนาดใหญ่ที่มีต้นทุนสูงเมื่อจำเป็นต้องตัดสินใจแบบมีโครงสร้าง
ในแอปพลิเคชันจริง 6 รายการ โมเดลนี้ให้ผลเท่าหรือดีกว่า GPT-6.1 Sol และ Claude Opus 5.5 ใน 4 รายการ และตอบสนองได้เร็วกว่าอย่างชัดเจนในทุกงาน นอกจากนี้ยังเป็นโมเดลแรกที่แซงหน้า Jev บน Hugging Face Decision Index มีผลการประเมินหลายภาษาที่แข็งแกร่ง ต้านทาน prompt injection ได้ดี และจัดการอินพุตยาวได้อย่างมีประสิทธิภาพ
อัปเดต:
ID โมเดล
d1.1- บริบท
- 65.536K
- เอาต์พุตสูงสุด
- 58.982K
- อินพุต
- text / image
- เอาต์พุต
- decisions
จุดเด่น
- ตอบด้วยความน่าจะเป็น而非สร้างข้อความ
- ความเร็ว 200-300 มิลลิวินาที
- รองรับข้อความและรูปภาพ
- ไม่มี output tokens
- ต้านทาน prompt injection สูง
- จัดการอินพุตยาวได้ดี
ผู้ให้บริการ
เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
| $0.02 | $0 | $0.02 |
เบนช์มาร์ก
- 48.57
Decision Index 0.2.1
d1-3B; สูงที่สุดในกลุ่มโมเดลตัดสินใจที่มีขนาดต่ำกว่า 10B
- 47.11
Decider 35B-A3B
คะแนนอ้างอิงที่ d1-3B ทำได้เหนือกว่า
- 74.1
ค่าเฉลี่ย基准รูปภาพ
d1-3B จาก基准รูปภาพสาธารณะ 11 รายการ
- 73.9
LFM2.5-VL-3B image average
โมเดลฐาน; ต่ำกว่า d1-3B เล็กน้อย
- 82.9
ค่าเฉลี่ย基准ข้อความ
d1-3B จาก基准ข้อความสาธารณะ 7 รายการ
- 81.1
Decider 4B text average
คะแนนอ้างอิงที่ d1-3B ทำได้เหนือกว่า
คะแนนตามที่ผู้ให้บริการโมเดลเผยแพร่
เริ่มต้นอย่างรวดเร็วสำหรับการตัดสินใจ
ส่งสถานะและคำถามแบบมีชนิดที่แคบเฉพาะไปยัง /api/v1/decisions และอ่านคำตอบหนึ่งรายการต่อคำถาม: noul คืนค่าความน่าจะเป็นตั้งแต่ 0 ถึง 1, choice คืนตัวเลือกที่เลือกพร้อมการกระจาย และ score คืนคะแนนตัวเลขสำหรับเกณฑ์แบบเรียงลำดับ endpoint นี้แยกจากอินเทอร์เฟซ Chat Completions, Messages และ Responses
curl https://openapi.felo.ai/api/v1/decisions \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "d1.1",
"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"]
}
}
}'คำถามที่พบบ่อย
รู้จัก LiquidAI: d1.1?
LiquidAI: d1.1 เป็นโมเดลตัดสินใจจาก LiquidAI ที่ไม่สร้างข้อความแต่ส่งค่าความน่าจะเป็นระหว่าง 0 ถึง 1 สำหรับคำถามใช่/ไม่ใช่ คำถามแบบเลือก และคำถามแบบให้คะแนน โดยสามารถรับหลายคำถามเกี่ยวกับสถานะเดียวกันได้ในคำขอเดียวและคำนวณทุกตัวเลือกใน forward pass เดียวโดยไม่มี output tokens โมเดลนี้พัฒนาบนโมเดล open-weight ขนาดใหญ่ขึ้นพร้อมการปรับแต่งเฉพาะของ Liquid และรองรับทั้งข้อความและรูปภาพเป็นอินพุต โมเดลนี้เหมาะกับงานที่ต้องการการตัดสินใจเชิงโครงสร้างที่รวดเร็ว เช่น การจัดประเภท การจัดเส้นทาง การให้คะแนน การคัดแยกตั๋วสนับสนุน การกลั่นกรองเนื้อหา การประเมินคำตอบ การตรวจสอบรูปภาพ และการควบคุมขั้นตอนของเอเจนต์ จากการทดสอบพบว่าการตัดสินใจจากข้อความใช้เวลา 200 ถึง 300 มิลลิวินาที ซึ่งเร็วพอสำหรับแอปพลิเคชันแบบเรียลไทม์ และสามารถลดการเรียกใช้โมเดลภาษาขนาดใหญ่ที่มีต้นทุนสูงเมื่อจำเป็นต้องตัดสินใจแบบมีโครงสร้าง ในแอปพลิเคชันจริง 6 รายการ โมเดลนี้ให้ผลเท่าหรือดีกว่า GPT-6.1 Sol และ Claude Opus 5.5 ใน 4 รายการ และตอบสนองได้เร็วกว่าอย่างชัดเจนในทุกงาน นอกจากนี้ยังเป็นโมเดลแรกที่แซงหน้า Jev บน Hugging Face Decision Index มีผลการประเมินหลายภาษาที่แข็งแกร่ง ต้านทาน prompt injection ได้ดี และจัดการอินพุตยาวได้อย่างมีประสิทธิภาพ
การใช้งานถูกเรียกเก็บเงินอย่างไร
ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน
d1.1 รองรับอินพุตแบบใดบ้าง
รองรับข้อความและรูปภาพเป็นอินพุต และส่งออกเป็นข้อความ โดยรูปภาพจะถูกนับเป็น input tokens ในอัตราเดียวกันกับข้อความที่ 1.5 tokens ต่อแพตช์ 32x32 พิกเซล
d1.1 ต่างจากโมเดลภาษาทั่วไปอย่างไร
d1.1 เป็นโมเดลตัดสินใจที่ตอบคำถามด้วยความน่าจะเป็นระหว่าง 0 ถึง 1 แทนการสร้างข้อความ และคำนวณทุกตัวเลือกใน forward pass เดียวโดยไม่มี output tokens ทำให้เหมาะกับการตัดสินใจเชิงโครงสร้างมากกว่าการสนทนา
d1.1 เหมาะกับงานประเภทใด
เหมาะกับงานที่ต้องการการตัดสินใจเชิงโครงสร้างที่รวดเร็ว เช่น การจัดประเภท การจัดเส้นทาง การให้คะแนน การคัดแยกตั๋วสนับสนุน การกลั่นกรองเนื้อหา การประเมินคำตอบ การตรวจสอบรูปภาพ และการควบคุมขั้นตอนของเอเจนต์
d1.1 เร็วแค่ไหน
การตัดสินใจจากข้อความใช้เวลา 200 ถึง 300 มิลลิวินาที ซึ่งเร็วพอสำหรับแอปพลิเคชันแบบเรียลไทม์ และตอบสนองได้เร็วกว่า GPT-6.1 Sol และ Claude Opus 5.5 ในทุกงานที่ทดสอบ
d1.1 แตกต่างจากรุ่นพี่น้องในซีรีส์อย่างไร
d1.1 เป็นโมเดลตัดสินใจที่ความสามารถสูงที่สุดในเอกสาร Liquid Docs โดยมี d1-3B เป็นโมเดล 3B พารามิเตอร์ที่สร้างบน LFM2.5-VL-3B, d1-omni-600M เป็นโมเดล 600M พารามิเตอร์ที่รันในเบราว์เซอร์ และ d1-ultra เป็นโมเดลตัดสินใจที่ความสามารถสูงที่สุดซึ่งรายงานว่าผลเหนือกว่า d1 และ Jev 1.14 ในการประเมิน 112 รายการ