LiquidAI: d1.1 API
LiquidAI d1.1 là mô hình quyết định nhận văn bản và hình ảnh đầu vào, trả về xác suất cho các câu hỏi có/không, lựa chọn hoặc thang điểm thay vì sinh văn bản, phù hợp cho phân loại, định tuyến và chấm điểm nhanh trong phần mềm.
LiquidAI d1.1 là mô hình quyết định (decision model) trả về xác suất thay vì sinh văn bản. Với câu hỏi có/không, mô hình đưa ra xác suất từ 0 đến 1; với câu hỏi lựa chọn, mô hình trả về xác suất cho từng nhãn; với câu hỏi thang điểm, mô hình tính trọng số các mức theo thứ tự và trả về vị trí kỳ vọng. Một yêu cầu có thể chứa nhiều câu hỏi về cùng một trạng thái, và tất cả xác suất lựa chọn được tính trong một lượt lan truyền tiến (forward pass) với zero output token. Mô hình được xây dựng trên một mô hình open-weight lớn hơn với các tùy chỉnh riêng của Liquid. Theo tài liệu Liquid Docs, d1.1 được liệt kê là mô hình quyết định có năng lực cao nhất, hỗ trợ văn bản và hình ảnh, và được lưu trữ mặc định (Default hosted).
Mô hình đặc biệt phù hợp cho các tác vụ ra quyết định có cấu trúc như phân loại, định tuyến, chấm điểm, phân loại phiếu hỗ trợ (support ticket triage), kiểm duyệt nội dung, đánh giá phản hồi, kiểm tra hình ảnh và gating các bước agent. Quyết định văn bản mất khoảng 200 đến 300 mili giây, đủ nhanh cho các ứng dụng thời gian thực, và mô hình có thể thay thế các lệnh gọi tốn kém tới mô hình ngôn ngữ lớn khi chỉ cần một quyết định có cấu trúc. Trong 4 trên 6 ứng dụng thực tế, mô hình đạt kết quả ngang bằng hoặc tốt hơn GPT-6.1 Sol và Claude Opus 5.5, đồng thời phản hồi nhanh hơn đáng kể trên tất cả các tác vụ. Đây là mô hình đầu tiên vượt Jev trên Hugging Face Decision Index.
Các điểm mạnh khác bao gồm kết quả đánh giá đa ngôn ngữ tốt, khả năng chống prompt injection cao và xử lý đầu vào dài hiệu quả. Trong các thử nghiệm, việc thêm màn hình bên cạnh văn bản trong Tetris đã nâng điểm từ 70 lên 81; trong Wordle, mô hình đọc bàn cờ trực tiếp từ ảnh chụp màn hình và giải 12 trên 12 ván với trung bình 3.8 lượt đoán; trong Quick, Draw!, mô hình nhận diện 5.2 trên 6 hình vẽ từ 62 từ. Về tính phí, chỉ token đầu vào được tính phí vì không có token đầu ra; hình ảnh được tính là token đầu vào với cùng mức giá như văn bản, 1.5 token cho mỗi patch 32x32 pixel, và một ảnh 1024x1024 được tính là 1.536 token. Mỗi câu hỏi được tính phí như một prompt riêng.
Cập nhật:
ID MÔ HÌNH
d1.1- Ngữ cảnh
- 65.536K
- Đầu ra tối đa
- 58.982K
- Đầu vào
- text / image
- Đầu ra
- decisions
Điểm nổi bật
- Trả về xác suất thay vì sinh văn bản
- Quyết định văn bản mất 200 đến 300 mili giây
- Tính tất cả xác suất trong một lượt lan truyền tiến
- Chỉ tính phí token đầu vào, không có token đầu ra
- Xử lý cả văn bản và hình ảnh đầu vào
- Chống prompt injection cao
Nhà cung cấp
So sánh giá API giữa các nhà cung cấp. Chọn một nhà cung cấp để xem toàn bộ chi phí và điều kiện.
| $0.02 | $0 | $0.02 |
Điểm chuẩn
- 48.57
Decision Index 0.2.1
d1-3B; cao nhất trong các mô hình quyết định dưới 10B
- 47.11
Decider 35B-A3B
điểm tham chiếu bị d1-3B vượt qua
- 74.1
Điểm trung bình các benchmark hình ảnh
d1-3B trên 11 benchmark hình ảnh công khai
- 73.9
LFM2.5-VL-3B image average
mô hình nền tảng; thấp hơn d1-3B một chút
- 82.9
Điểm trung bình các benchmark văn bản
d1-3B trên 7 benchmark văn bản công khai
- 81.1
Decider 4B text average
điểm tham chiếu bị d1-3B vượt qua
Điểm số theo công bố của nhà cung cấp mô hình.
Bắt đầu nhanh với quyết định
Gửi trạng thái và các câu hỏi có kiểu hẹp đến /api/v1/decisions và nhận một câu trả lời cho mỗi câu hỏi: noul trả về xác suất từ 0 đến 1, choice trả về lựa chọn được chọn kèm phân bố, và score trả về điểm số cho các tiêu chí có thứ tự. Endpoint này tách biệt với các giao diện Chat Completions, Messages và 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"]
}
}
}'Câu hỏi thường gặp
Tìm hiểu LiquidAI: d1.1?
LiquidAI d1.1 là mô hình quyết định (decision model) trả về xác suất thay vì sinh văn bản. Với câu hỏi có/không, mô hình đưa ra xác suất từ 0 đến 1; với câu hỏi lựa chọn, mô hình trả về xác suất cho từng nhãn; với câu hỏi thang điểm, mô hình tính trọng số các mức theo thứ tự và trả về vị trí kỳ vọng. Một yêu cầu có thể chứa nhiều câu hỏi về cùng một trạng thái, và tất cả xác suất lựa chọn được tính trong một lượt lan truyền tiến (forward pass) với zero output token. Mô hình được xây dựng trên một mô hình open-weight lớn hơn với các tùy chỉnh riêng của Liquid. Theo tài liệu Liquid Docs, d1.1 được liệt kê là mô hình quyết định có năng lực cao nhất, hỗ trợ văn bản và hình ảnh, và được lưu trữ mặc định (Default hosted). Mô hình đặc biệt phù hợp cho các tác vụ ra quyết định có cấu trúc như phân loại, định tuyến, chấm điểm, phân loại phiếu hỗ trợ (support ticket triage), kiểm duyệt nội dung, đánh giá phản hồi, kiểm tra hình ảnh và gating các bước agent. Quyết định văn bản mất khoảng 200 đến 300 mili giây, đủ nhanh cho các ứng dụng thời gian thực, và mô hình có thể thay thế các lệnh gọi tốn kém tới mô hình ngôn ngữ lớn khi chỉ cần một quyết định có cấu trúc. Trong 4 trên 6 ứng dụng thực tế, mô hình đạt kết quả ngang bằng hoặc tốt hơn GPT-6.1 Sol và Claude Opus 5.5, đồng thời phản hồi nhanh hơn đáng kể trên tất cả các tác vụ. Đây là mô hình đầu tiên vượt Jev trên Hugging Face Decision Index. Các điểm mạnh khác bao gồm kết quả đánh giá đa ngôn ngữ tốt, khả năng chống prompt injection cao và xử lý đầu vào dài hiệu quả. Trong các thử nghiệm, việc thêm màn hình bên cạnh văn bản trong Tetris đã nâng điểm từ 70 lên 81; trong Wordle, mô hình đọc bàn cờ trực tiếp từ ảnh chụp màn hình và giải 12 trên 12 ván với trung bình 3.8 lượt đoán; trong Quick, Draw!, mô hình nhận diện 5.2 trên 6 hình vẽ từ 62 từ. Về tính phí, chỉ token đầu vào được tính phí vì không có token đầu ra; hình ảnh được tính là token đầu vào với cùng mức giá như văn bản, 1.5 token cho mỗi patch 32x32 pixel, và một ảnh 1024x1024 được tính là 1.536 token. Mỗi câu hỏi được tính phí như một prompt riêng.
Cách tính phí sử dụng?
Hóa đơn của bạn phụ thuộc vào nhà cung cấp bạn dùng, giá của họ và mức sử dụng của bạn. Đầu vào dài hơn hoặc các điều kiện khác có thể có giá khác.
d1.1 nhận những loại đầu vào nào?
Mô hình nhận đầu vào văn bản và hình ảnh, và chỉ trả về văn bản dưới dạng xác suất cho các câu hỏi.
d1.1 trả về kết quả như thế nào thay vì sinh văn bản?
Với câu hỏi có/không, mô hình trả về xác suất từ 0 đến 1. Với câu hỏi lựa chọn, mô hình trả về xác suất cho từng nhãn. Với câu hỏi thang điểm, mô hình tính trọng số các mức theo thứ tự và trả về vị trí kỳ vọng.
d1.1 phù hợp cho những tác vụ nào?
Mô hình phù hợp cho ra quyết định có cấu trúc như phân loại, định tuyến, chấm điểm, phân loại phiếu hỗ trợ, kiểm duyệt nội dung, đánh giá phản hồi, kiểm tra hình ảnh và gating các bước agent.
d1.1 khác gì so với các mô hình cùng dòng d1?
d1.1 được liệt kê là mô hình quyết định có năng lực cao nhất trong Liquid Docs. Trong khi đó d1-3B là mô hình 3 tỷ tham số xây dựng trên LFM2.5-VL-3B, d1-omni-600M là mô hình 600 triệu tham số chạy trong trình duyệt, và d1-ultra là mô hình quyết định mạnh nhất báo cáo vượt d1 và Jev 1.14 trên 112 đánh giá.
d1.1 xử lý nhiều câu hỏi trong một yêu cầu như thế nào?
Một yêu cầu có thể chứa nhiều câu hỏi về cùng một trạng thái. Tất cả xác suất lựa chọn được tính trong một lượt lan truyền tiến với zero output token, nhưng mỗi câu hỏi được tính phí như một prompt riêng.