Liquid AI决策模型d1新增看图能力:适合做判断,不负责解释
Liquid AI的d1决策模型增加图像输入,可返回结构化分类概率;公开结果来自有限的厂商测试。
d1 如何回答结构化问题
Liquid AI 的 d1 决策模型可接收文本、图片和问题,返回是 / 否、选项或量表分数的概率,不生成自然语言解释。一次请求可对同一材料提出多个问题。官方称一次文本决策约需 200 至 300 毫秒。

d1 读取图片后返回结构化概率判断。
厂商公布的演示结果
Liquid AI 将 d1 与 GPT-6.1 Sol、Claude Opus 5.5 放在六类任务中比较,包含工单筛选、零件检查、文件归类、网页操作、游戏和编码会话压缩。公司称 d1 在四项任务中达到或超过 GPT-6.1 Sol,成本低 19 至 200 倍。每种模型每项只测试一次,部分代码题在流程设定后编写。
视觉检查使用公开 VisA 数据集中的电路板、蜡烛、腰果和口香糖图片。Liquid AI 报告良品与缺陷分类准确率为 85% 至 97%。游戏演示中,加入画面后俄罗斯方块得分从 70 升至 81 行;Wordle 截图测试 12 局平均 3.8 次猜测完成。以上均为厂商指定数据和测试设定下的结果,不能直接推算为工厂实际准确率。

厂商用多种产品样本演示视觉检查与分类。
使用入口与计费
d1 可通过 Liquid AI API 调用,也可在 Playground 试用。图像按输入 token 计费:每个 32×32 像素块为 1.5 token,1024×1024 图像约 1536 token;每个问题单独计费。Vercel 与 OpenRouter 当时只支持文本,视觉功能尚未接入。

图像按像素块折算输入 token,产生相应费用。
消息参考来源
- Liquid AI 模型与工程博客|Introducing d1: The most capable decision model, now with vision