Liquid AI d1-ultra : prix et test du modèle décisionnel

👁 121 lectures

Liquid AI a lancé d1-ultra le 15 octobre : un modèle décisionnel qui ne rédige pas de texte, mais choisit une réponse dans une liste et attribue une probabilité à chaque option. Dans le Decision Index d’Artificial Analysis, il obtient 65,2 points et prend la tête des modèles décisionnels, nettement devant Jev 1.13 de TypeSafe (57,5). J’ai consulté le classement d’AA, le site du fabricant et les tarifs, puis vérifié si le modèle fonctionnait depuis la Pologne. Le 19 octobre, je l’ai également évalué sur mon jeu de requêtes en polonais.

Qu’est-ce que d1-ultra ?

d1-ultra est le plus grand modèle décisionnel de Liquid AI. Il traite du texte, des images ou les deux à la fois et répond à trois types de questions : oui ou non, choix dans une liste et évaluation sur une échelle. Le fabricant le présente notamment pour détecter un défaut sur une photo de circuit imprimé ou examiner une déclaration de sinistre accompagnée d’une photo du client. Sa fenêtre de contexte compte 32 768 jetons.

Liquid indique que le modèle est basé sur un modèle ouvert plus grand, auquel l’entreprise a apporté ses propres modifications, sans préciser lequel ni le nombre de paramètres. d1-ultra est uniquement accessible par API. Seuls les modèles plus petits de cette famille, d1-3B et d1-omni-600M, ont des poids ouverts, sous licence LFM Open License. J’ai présenté le modèle d1 précédent lors du lancement de la série d1.

Résultats dans le Decision Index

Son avance tient surtout à trois des quatre tests de l’indice. d1-ultra obtient les meilleurs résultats parmi les modèles décisionnels dans les catégories suivantes :

• When2Call (répondre, appeler un outil, demander des précisions ou refuser) : 92,6, contre 83,7 pour les précédents leaders, Celeris-1 Decision et GLiDE.
• WildGuardTest (requêtes et réponses nuisibles) : 95,4, contre 95,1 pour GLiDE.
• Reconnaissance de l’incertitude dans les questions de connaissance : 84,5, contre 39,8 pour Microsoft-Decision-1.

Le modèle est moins performant en matière de connaissances et de raisonnement. Sa précision dans les questions de connaissance est de 31,6 (le meilleur d1 atteint 41,0) et son score à HLE-MultiChoice est de 15,0 (Jev 1.13 obtient 20,9). Les modèles de langage classiques font encore mieux dans cet indice : Claude Haiku 5.5 en mode Max atteint 68,4 points, mais coûte environ 1 846,77 € (2 073 USD) par million de tâches. Liquid indique également que d1-ultra a surpassé Jev 1.14 dans les 112 évaluations menées par l’entreprise. Il s’agit d’un résultat communiqué par le fabricant, qui n’a pas encore été reproduit par un tiers.

Dans l’autre classement des modèles décisionnels, JevBench, d1-ultra obtient 80,5 points au Capability Score et se classe deuxième parmi les services API, derrière kettei-fat (86,3). Le modèle ouvert basal-omni-1.0-ultra y atteint 82,5 points, mais n’a pas été évalué dans le Decision Index : il est donc impossible de comparer les deux modèles dans un même tableau AA.

Prix et accès à d1-ultra

• Tarif : 0,0374 € (0,042 USD) par million de jetons en entrée. Les jetons en sortie sont gratuits, car le modèle n’en génère pas. Selon Liquid, une image de 1024 x 1024 px compte comme 1536 jetons.
• Plateformes : API Liquid (console.liquid.ai), OpenRouter sous le nom liquid/d1-ultra avec le même format /v1/systemone que les autres modèles décisionnels, et Vercel AI Gateway.
• Accès depuis la Pologne : OpenRouter fonctionne sans compte Liquid distinct ; je l’ai vérifié le 19.10.2026. Cette vérification ne confirme pas la disponibilité dans tous les pays : consultez les informations du fournisseur pour votre région.

Mon test de d1-ultra en polonais

J’ai utilisé le même jeu que pour la présentation du classement : 50 demandes adressées à un magasin, classées par catégorie et niveau d’urgence, ainsi que 10 décisions concernant l’utilisation d’outils. La clé de réponse avait été définie le 13.10. Le test a été réalisé en polonais. Les exemples traduits ci-dessous décrivent le matériel de test d’origine ; ils ne correspondent pas à un nouveau test en français.

• Catégorie : 44 sur 47, soit autant que les meilleurs modèles décisionnels du 13.10 (Microsoft-Decision-1, Decider, Mercury et Clef). Jev 1.13 a obtenu 41 et basal-omni-1.0-mini, 42.
• Confiance : avec un seuil de confiance de 0,9, le modèle a donné la bonne réponse 40 fois sur 42.
• Niveau d’urgence : 43 sur 50. Avec un seuil de 0,5, il a marqué comme urgentes 7 demandes qui pouvaient attendre ; il faut donc régler le seuil à partir de vos propres données.
• Outils : 10 sur 10.
• Durée et coût : médiane de 351 ms depuis la Pologne, réseau compris ; le test complet a coûté 0,000668 € (0,00075 USD), soit environ 11,14 € (12,5 USD) par million de tâches similaires.

J’ai rassemblé les modèles décisionnels, les deux classements et mes tests dans le guide Modèles décisionnels d’IA.

// lire la suiteDecision Index : Artificial Analysis évalue les modèles de décisionBenchmarksPrix des modèles de décision : comparatif des coûts 2026MagazineModèles de décision ou LLM : quel choix pour vos fluxGuides

Kinetyra