Liquid AI 发布 d1 决策模型并新增图像输入能力

一句话看懂：Liquid AI 发布首个决策模型 d1，在文本基础上新增图像输入，用一次前向推理直接输出概率化答案，在六项真实任务中的四项追平或超过 GPT-6.1 Sol，成本仅为后者的 1/19 至 1/200。

事件核心：发生了什么

Liquid AI 推出决策模型 d1，本周新增图像输入能力。与生成式大模型逐 token 输出文本不同，d1 接收非结构化数据（文本、图像或两者）加一个或多个问题，在一次前向计算中返回概率结果，不生成任何 token。它支持三类问题：Noul（是/否，输出 0 到 1 的概率）、Choice（多标签选择，每标签一个概率）、Score（带权重的量表打分）。一次请求可对同一情境同时提多个问题，省下重复输入。文本决策耗时约 200 至 300 毫秒。目前公开信息显示，d1 可在 console.liquid.ai 与 d1 Playground 试用，并已上线 Liquid AI API（模型名 d1），同时通过 Vercel 和 OpenRouter 提供，但后两者暂只支持文本，视觉能力稍后跟进。计费只按输入 token，图像按 1.5 token / 32×32 像素块计算，1024×1024 图像约 1536 token。

为什么重要

d1 代表了一条与主流大模型不同的技术路线：不追求生成能力，而是把”判断”做成专用的低成本原语。在工单过滤、电路板质检等结构化决策场景中，调用通用大模型既贵又慢，d1 用概率输出替代自然语言回答，推理成本和时间大幅下降。它同时具备较强的泛化性——视觉质检任务（VisA 数据集，涵盖电路板、蜡烛、腰果、口香糖四条产线）达到 85% 至 97% 准确率，而模型并未针对该任务训练，仅凭一段简短描述理解任务。这意味着”专用决策模型”可能成为大模型 API 之外的一层新基础设施，对闭源大模型的低价值调用形成替代压力。

对用户/开发者/创作者的影响

开发者可以把 d1 当作 SQL 里的函数使用，例如 WHERE d1(ticket, ‘the customer wants to cancel’)，对 150 张工单逐条判断是否要取消。官方演示的五个文本应用包括代码库检索、智能分文件夹、网页代理选动作、以及为编码代理压缩工具输出——后者能裁掉 52% 的 token 且保留任务所需内容。视觉方面，俄罗斯方块加入屏幕画面后通关行数从 70 提升到 81；Wordle 直接读截图，12 局全解，平均 3.8 次猜中；Quick, Draw! 在 62 个词中平均识别 5.2/6（随机猜测约 0.6）。对做 AI 应用、Agent 和自动化流程的团队来说，这是把高频、低复杂度判断从大模型迁移出去的一个现实选项。