先看证据
把机制串起来
生成式模型擅长续写文本；决策模型则针对预先定义的问题，在有限答案或等级中给出概率。概率不是自动等于可信度：模型是否校准，仍要看预测概率与真实命中率是否吻合。它适合“要不要拦截、归哪个类”这类任务，不等于能替代需要解释、总结或开放式回答的模型。
一次请求包含情境（state）、可选图像，以及一个或多个类型化问题；模型对问题作判断并直接返回答案概率，不生成输出 token。Noul 返回是／否概率，Choice 为每个候选标签返回概率，Score 则把概率映射到有序等级的位置，因此一个请求可以针对同一情境提出多个判断。设计上的收益是把“生成一段话再解析”改成直接返回结构化结果，减少输出开销，也便于接入阈值、人工复核和下游规则。代价是问题与答案空间必须预先定义，开放式解释和临时追问不在它的强项内；概率也不能仅凭格式就视作
['适合审核、路由、分诊及有明确标签的多模态质检', '用业务验证概率校准，再设自动拒绝与人工复核阈值', '多问题共用图像会重复计费，先估算图像与问题数量', '不适合开放式总结、聊天、代码生成或必须解释的场景']
从生成答案，转向提交判断
Liquid AI 于 2026 年 10 月 15 日发布 d1-ultra，将它定位为面向复杂决策的文本与图像模型。它针对的不是聊天、摘要或代码生成，而是分类、路由、评分等有明确选项的问题：开发者提供情境和问题，模型返回答案概率，不生成一段供人阅读的解释文本。
这次发布值得技术负责人留意，是因为它改变了模型在应用链路中的位置。传统生成式接口先产出文字，再由规则、解析器或另一个模型把文字变成动作；d1-ultra 试图直接把判断交给程序。少掉生成文本这一步，可能让接口更简单，但“有概率输出”本身并不等于“决策已经可靠”。
问题类型决定了接口能做什么
d1-ultra 的请求由情境、可选图像和一个或多个类型化问题组成，模型在一次前向计算中评估这些问题。文档列出三种形式：Noul 对应是或否判断，Choice 为一组选项分别返回概率，Score 则把结果放到有序评分尺度上。多个问题可以复用同一情境，让系统不必为每个判断都调用一次文本生成模型。
例如，质检系统可以先问产品是否有缺陷，再对缺陷类别作选择；理赔流程也可以把照片和描述交给模型，询问损坏是否符合某项规则。这类接口的优势在于答案结构固定，便于接入阈值、路由和审核队列。相应地，团队必须先把真实业务问题定义成模型支持的判断类型，不能指望它自行补充开放式解释或业务流程知识。
65 分说明了什么，又没有说明什么
Liquid AI 报告称，d1-ultra 在 Artificial Analysis Decision Index 上得到 65 分并排名第一。这个指数不是单项准确率，而由四类评测等权组成：知识与非幻觉、推理、工具调用和安全分类，各占 25%；其中知识与非幻觉又各占一半。因此，65 分表示综合指数得分，不能读成模型答对了 65% 的问题。
证据的来源和时间点也要分开看。Liquid AI 还称 d1-ultra 在其 112 项评测中领先旧版 d1 和 Jev 1.14，但发布材料没有给出完整逐项结果，这部分比较无法据此独立复核。Artificial Analysis 在 10 月 13 日的文章记录的是当时 Jev 1.13 得 58 分领先，不能把那份早两天的榜单直接当作 d1-ultra 发布后的同期对照。指数提供了有用的外部评测框架，厂商披露的具体比较则仍需更完整的数据支撑。
省掉输出 token，不等于省掉所有成本
d1-ultra 通过 Liquid API 提供，公布价格为每百万输入 token 0.042 美元，响应中的输出 token 为零。图像按 32×32 像素 patch 计量，每个 patch 折算 1.5 个 token；而每个问题都会重新计入所附图像。因此，一张图若要支持多个独立判断，图像输入成本会随问题重复计算，不能只看“没有输出 token”来估算总费用。
部署形态也决定了这项取舍：公开资料称 d1-ultra 使用比 d1 更大的开放权重底座并经过 Liquid 的定制改造，但没有披露底座型号、参数量或上下文长度；d1-ultra 自身目前只提供托管 API，没有公布可下载权重或量化版本。此前发布的 d1-3B 和 d1-omni-600M 是开放权重产品，不应与 d1-ultra 混为一谈。团队可以先用 API 接入，但材料不足以判断本地部署、模型迁移或独立复现是否可行。
把概率接入流程前，先验证概率
Liquid AI 将概率输出描述为经过专门训练、更加可靠，但公开材料没有提供校准误差、测试集细节或完整对比数据。对业务系统而言，这个缺口很关键：概率值只有在与实际发生频率相符、并在目标数据上保持稳定时，才能支撑有意义的阈值策略。模型给出 0.85，不应自动被理解为这个判断在当前业务中有 85% 的可靠性。
更稳妥的接入方式，是先选一个边界明确、结果可回查的任务，用自己的数据检查各类判断的错误分布和概率校准，再决定哪些区间可以自动处理、哪些应转人工。分流和内容审核等场景可以从低风险环节试起，但涉及财务、质量或安全后果时，必须把置信区间、人工复核和失败回退纳入流程。d1-ultra 的价值在于提供了更直接的结构化决策接口；它是否能减少总体成本或风险，最终取决于业务评测、图像重复计费和托管依赖共同形成的账本。