Liquid AI的d1-ultra模型现已上线AI Gateway
内容提要
Liquid AI的d1-ultra模型已上线AI Gateway，专用于分类、路由和评分等多模态决策任务，可处理文本与图像，如视觉缺陷检测和核对客户照片中的损坏索赔。它不生成文本，而是返回带概率的结构化答案，支持布尔、选项和评分三种提问方式，一次请求可问多个问题，便于决定自动处理或转人工审核。模型强调概率校准，支持32768词元上下文，仅按输入词元计费，图像输入也计入，无输出费用。
延伸解读
概率校准：自动化决策的关键
d1-ultra强调概率校准，这意味着它返回的置信度更可靠，而非过度自信。在视觉缺陷检测或损坏索赔核对中，校准良好的概率能帮助设定阈值，决定自动处理还是转人工审核。例如，当模型对“是否损坏”给出0.9的概率时，你可以更有信心地自动化；若概率接近0.5，则转人工更稳妥。这种设计适合对错误成本敏感的业务场景。
多问题单次请求：提升效率与一致性
一次请求可对同一输入提出多个问题，支持布尔、选项和评分三种类型。这减少了重复调用，也确保所有问题基于相同上下文，避免多次请求可能带来的不一致。例如，在核对客户照片时，可同时询问“是否有损坏”、“损坏类型”和“严重程度评分”，从而获得更全面的决策依据。
计费方式：仅输入词元，图像也计入
d1-ultra仅按输入词元计费，包括图像输入，无输出费用。这意味着成本主要取决于输入内容的长度和图像数量，而非模型生成的答案长度。对于需要处理大量图像或长文本的决策任务，这种计费模式可能更可预测。但需注意，图像输入会消耗词元，因此高分辨率或大量图像可能增加成本。
上下文窗口与适用场景
模型支持32768词元的上下文窗口，适合处理较长的文本或结合多张图像进行决策。它专为分类、路由和评分设计，不生成文本，因此不适合需要自然语言输出的任务。在视觉缺陷检测、损坏索赔核对等场景中，它能返回结构化答案和概率，帮助自动化流程。若任务需要生成解释或报告，则需结合其他模型。
Q&A
Liquid AI的d1-ultra模型是什么？它有什么特别之处？
d1-ultra是Liquid AI推出的多模态决策模型，专用于分类、路由和评分任务，可处理文本和图像。它不生成文本，而是返回带概率的结构化答案，支持布尔、选项和评分三种提问方式，强调概率校准，适合需要自动化决策或人工审核的场景。
d1-ultra支持哪些类型的提问方式？
支持三种提问方式：布尔（Boolean）用于获取是/否答案的概率；选项（Choice）用于在命名类别中选择；评分（Score）用于在有序量表上评分。一次请求可对同一输入提出多个问题。
d1-ultra的计费方式是怎样的？
仅按输入词元计费，包括图像输入，无输出词元费用。
d1-ultra支持多大的上下文窗口？
支持32,768词元的上下文窗口。
如何使用d1-ultra模型？模型名称是什么？
使用模型名称liquid/d1-ultra。可以通过AI SDK、OpenAI兼容的Decisions API或TypeSafe兼容API调用。例如在AI SDK中使用experimental_decide函数，指定模型和问题即可获取带概率的答案。
d1-ultra适合哪些实际应用场景？
适合分类、路由和评分等多模态决策任务，例如视觉缺陷检测、核对客户照片中的损坏索赔等。它可帮助决定何时自动处理或转人工审核。
