LiquidAI: d1.1 API
LiquidAI 推出的决策模型，不生成文本，而是直接返回概率与分数，响应仅需 200 到 300 毫秒。
LiquidAI 的 d1.1 是一款决策模型，它不生成文本，而是直接返回概率。针对是/否问题，它会给出 0 到 1 之间的概率；针对选择题，它会为每个标签返回概率；针对评分题，它会按有序等级加权，返回预期位置。一次请求中可以同时提交关于同一状态的多个问题，所有选项的概率都在单次前向计算中完成，且不产生输出 token。
该模型支持文本与图像输入，在 Liquid 文档中被列为能力最强的决策模型，适用于文本与图像场景，并以默认托管方式提供。文本决策耗时约 200 到 300 毫秒，适合实时应用；在需要结构化决策时，可以替代对大型语言模型的昂贵调用。它在 6 个真实应用中有 4 个的表现等于或优于 GPT-6.1 Sol 与 Claude Opus 5.5，并且在所有任务上的响应速度都明显更快。
它适合快速结构化决策、分类、路由、评分、客服工单分流、内容审核、回复评估、图像检查以及智能体步骤门控等任务。图像按输入 token 计费，计费方式与文本相同，每 32x32 像素块计 1.5 个 token，一张 1024x1024 图像计为 1,536 个 token；每个问题单独作为一条提示计费。
更新时间:
模型 ID
d1.1- 上下文
- 65.536K
- 最大输出
- 58.982K
- 输入
- text / image
- 输出
- decisions
核心要点
- 不生成文本，直接返回概率与分数
- 单次前向计算完成全部选项概率
- 文本决策耗时约 200 到 300 毫秒
- 支持文本与图像输入
- 每个问题单独作为一条提示计费
供应商
比较不同供应商的调用价格，点击供应商可查看完整费用和适用条件。
| $0.02 | $0 | $0.02 |
基准测试
- 48.57
Decision Index 0.2.1
d1-3B 得分；在 10B 以下的决策模型中最高
- 47.11
Decider 35B-A3B
被 d1-3B 超越的参考分数
- 74.1
Image benchmarks average
d1-3B 在 11 个公开图像基准上的平均分
- 73.9
LFM2.5-VL-3B image average
基础模型，略低于 d1-3B
- 82.9
Text benchmarks average
d1-3B 在 7 个公开文本基准上的平均分
- 81.1
Decider 4B text average
被 d1-3B 超越的参考分数
分数来自模型厂商公布的数据，未独立验证。
决策快速开始
把状态和明确的类型化问题发给 /api/v1/decisions，每个问题读回一个答案：noul 返回 0 到 1 的概率，choice 返回选中的选项及其分布，score 返回有序标准的数值评分。这个入口与 Chat Completions、Messages、Responses 三套接口相互独立。
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"]
}
}
}'常见问题
什么是 LiquidAI: d1.1?
LiquidAI 的 d1.1 是一款决策模型，它不生成文本，而是直接返回概率。针对是/否问题，它会给出 0 到 1 之间的概率；针对选择题，它会为每个标签返回概率；针对评分题，它会按有序等级加权，返回预期位置。一次请求中可以同时提交关于同一状态的多个问题，所有选项的概率都在单次前向计算中完成，且不产生输出 token。 该模型支持文本与图像输入，在 Liquid 文档中被列为能力最强的决策模型，适用于文本与图像场景，并以默认托管方式提供。文本决策耗时约 200 到 300 毫秒，适合实时应用；在需要结构化决策时，可以替代对大型语言模型的昂贵调用。它在 6 个真实应用中有 4 个的表现等于或优于 GPT-6.1 Sol 与 Claude Opus 5.5，并且在所有任务上的响应速度都明显更快。 它适合快速结构化决策、分类、路由、评分、客服工单分流、内容审核、回复评估、图像检查以及智能体步骤门控等任务。图像按输入 token 计费，计费方式与文本相同，每 32x32 像素块计 1.5 个 token，一张 1024x1024 图像计为 1,536 个 token；每个问题单独作为一条提示计费。
如何计算调用费用？
费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格，详见计费明细。
d1.1 支持哪些输入类型？
支持文本输入与图像输入，输出为文本形式的结构化决策结果，包括概率与分数。
d1.1 会生成文本吗？
不会。它返回的是概率而不是生成文本，是/否问题给出 0 到 1 之间的概率，选择题为每个标签返回概率，评分题返回按有序等级加权后的预期位置。
d1.1 适合哪些任务？
适合快速结构化决策、分类、路由、评分、客服工单分流、内容审核、回复评估、图像检查以及智能体步骤门控。
d1.1 与同系列模型有什么区别？
d1.1 在 Liquid 文档中被列为能力最强的决策模型；同系列还包括可在浏览器运行的 d1-omni-600M、提供开放权重的 d1-2B，以及报告在 112 项评估中超越 d1 与 Jev 1.14 的 d1-ultra。
图像输入如何计费？
图像按输入 token 计费，费率与文本相同，每 32x32 像素块计 1.5 个 token，一张 1024x1024 图像计为 1,536 个 token；每个问题单独作为一条提示计费。