Felo API PlatformFelo API Platform
返回模型列表

d1.2-ultra API

LiquidAI: d1.2-ultra 是面向结构化决策的旗舰托管模型,支持文本、图像和音频输入。

LiquidAI: d1.2-ultra 属于 LiquidAI d1 系列,定位为 Liquid API 上的旗舰托管决策模型。它支持文本、图像和音频输入,可在单次前向推理中返回经过校准的答案,并提供结构化决策所需的置信概率。其上下文长度是上一代 d1-ultra 模型的两倍,输出限制为 zero generated tokens。

该模型适合规格缺陷识别、客户照片损坏理赔核验、商品图片与详情比对、在线欺诈检测和内容审核,也适合在单次 API 调用中完成分类、路由、评分、信息抽取与依据定位。它能够读取文本、数字和日期,查找指定类型的全部文本片段,在图片中定位一个或多个目标并返回边界框,还能从文档中提取值及其字符依据;当请求值不存在时,可返回未找到响应。

d1.2-ultra还支持带范围的数值估计、从选项集合中选择所有适用项,并可通过置信度阈值将结果自动化或转交人工复核。它在 Artificial Analysis Decision Index v2.1 中排名第一,但在 HLE-MultiChoice 中排名最后,因此更适合强调可靠结构化判断与复核流程的任务,而非生成长篇文本。

更新时间:

模型 ID

d1.2-ultra
上下文
65.536K
最大输出
58.982K
输入
text / image
输出
decisions

核心要点

  • 单次前向推理决策
  • 文本图像音频输入
  • 提供置信概率
  • 支持边界框定位
  • 缺失值返回未找到
  • 适合自动化与人工复核

供应商

1 个供应商

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。

供应商 · 计费明细
可用率
$0.042$0

基准测试

  • Artificial Analysis Decision Index v2.1

    在24 个决策模型中排名第一

    75
  • HLE-MultiChoice

    排名最后

    2.36%
  • Receipt value extraction

    正确读取收据中的数值

    98%
  • Personal data extraction precision

    个人数据提取精确率

    94%
  • Personal data extraction recall

    个人数据提取召回率

    93%
  • Evaluation suite

    d1.2 和 d1.2-ultra 正确回答查询的比例

    95-97%

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": "d1.2-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"]
      }
    }
  }'

常见问题

什么是 d1.2-ultra?

LiquidAI: d1.2-ultra 属于 LiquidAI d1 系列,定位为 Liquid API 上的旗舰托管决策模型。它支持文本、图像和音频输入,可在单次前向推理中返回经过校准的答案,并提供结构化决策所需的置信概率。其上下文长度是上一代 d1-ultra 模型的两倍,输出限制为 zero generated tokens。 该模型适合规格缺陷识别、客户照片损坏理赔核验、商品图片与详情比对、在线欺诈检测和内容审核,也适合在单次 API 调用中完成分类、路由、评分、信息抽取与依据定位。它能够读取文本、数字和日期,查找指定类型的全部文本片段,在图片中定位一个或多个目标并返回边界框,还能从文档中提取值及其字符依据;当请求值不存在时,可返回未找到响应。 d1.2-ultra还支持带范围的数值估计、从选项集合中选择所有适用项,并可通过置信度阈值将结果自动化或转交人工复核。它在 Artificial Analysis Decision Index v2.1 中排名第一,但在 HLE-MultiChoice 中排名最后,因此更适合强调可靠结构化判断与复核流程的任务,而非生成长篇文本。

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。

支持哪些输入?

支持文本、图像和音频输入。

上下文与输出长度如何?

上下文长度是上一代 d1-ultra 模型的两倍;输出限制为 zero generated tokens。

适合哪些任务?

适合分类、路由、评分、信息抽取、依据定位,以及缺陷识别、理赔核验和内容审核等结构化决策任务。

它能处理图像中的目标吗?

可以在图片中定位一个或多个实例,并返回边界框。

它与同系列模型有什么差别?

资料明确说明其上下文长度是上一代 d1-ultra 模型的两倍,并定位为旗舰托管决策模型;同系列其他模型的具体差别未提供。

相关模型