Liquid AI 推出决策模型 d1：不生成文字，直接给出各选项概率，现可读图片
Liquid AI 推出首个“决策模型” d1，输入文本或图片和问题后，一次计算直接返回每个可能答案的概率，不生成 token；公司称在六项实际应用测试中，它有四项追平或超过 GPT-6.1 Sol，成本比对比模型低 19 到 200 倍。
Liquid AI 说明，决策模型回答关于某个情境的问题，并给每个可能的答案一个概率。d1 读入文本、图片或两者，加上一个或多个问题，一次前向计算就返回概率，不生成任何 token；一次文本决策耗时 200 到 300 毫秒，足以用于实时应用。它支持三类问题：是/否题，输出 0 到 1 之间的概率；多选一，每个标签一个概率；打分，按各级概率加权得出位置。一次请求可以对同一份输入问多个问题，节省输入 token。
公司称，这类模型可以替代那些答案本就是结构化决定的大模型调用。官方演示包括：在 SQL 查询里把 d1 当成函数，对 150 条客服工单逐条判断客户是否想取消；在工业质检中区分电路板、蜡烛、腰果和口香糖四条产线零件的良品与次品，准确率为 85-97%，而模型从未针对该任务训练；读取编程智能体会话里的工具输出决定保留、裁剪或丢弃，删去 52% 的 token 且保留任务所需的全部输出；直接读 Wordle 截图解题，12 局全部解出，平均 3.8 次猜中。
这些对比由 Liquid AI 自己完成：2026 年 10 月 5 日用 d1 Playground 的对比脚本，每个应用、每个模型各跑一次；GPT-6.1 Sol 和 Claude Opus 5.5 使用默认推理设置，成本按标价计算、不计提示缓存折扣，d1 按每百万输入 token 0.04 美元计算。公司也说明，15 道代码问题中有六道、四个上下文压缩会话中有两个，是在 d1 流程定下之后才编写的。
d1 已在 Liquid AI API 上线，可在 console.liquid.ai 创建密钥使用。它只按输入 token 计费，没有输出 token 费用；图片与文本同价计入输入，每个 32×32 像素块计 1.5 个 token，一张 1024×1024 的图片约 1,536 个 token，每个问题按一次独立提示计费。Vercel 和 OpenRouter 也已提供 d1，但目前只支持文本，视觉功能将稍后上线。Liquid AI 还表示，计划很快在 Hugging Face 发布后续模型的开放权重。
来源
- Introducing d1: The most capable decision model, now with vision — Liquid AI 模型与工程博客（网页）