AI资讯

Liquid AI发布d1.2系列决策模型,新增音频输入与五类任务

作者:孙小雯0 次浏览 来源:智东西
Liquid AI发布d1.2系列决策模型,新增音频输入与五类任务

Liquid AI发布d1.2和d1.2-ultra,支持信息读取、文本提取、图片定位、数值估算与多选判断。ultra在AA v2.1发布期决策模型榜单得分约75;概率校准和新任务准确率来自公司测试。

编辑更正(2026年11月18日):按Liquid AI公告修正两款模型的校准误差顺序和领先分差;排名限于AA发布期v2.1决策模型视图,内部测试不等于独立全面测评。

文章配图

AMD领投16.8亿融资,四位MIT科学家加持。

智东西11月17日消息,昨日,麻省理工学院(MIT)孵化的美国AI模型独角兽Liquid AI发布全模态决策模型d1.2和d1.2-ultra,两款模型均可处理文本、图像和音频。其中,d1.2-ultra在第三方评测机构Artificial Analysis(AA)的决策模型评测榜单决策指数v2.1中排名第一。该公司同时透露,未来计划对这两款模型开放权重。

两款模型中,d1.2-ultra侧重更高的决策质量,适合处理较难的任务;d1.2则侧重响应速度与成本的平衡,每百万输入Token的价格不到ultra版的一半。

按发布期AA Decision Index v2.1的决策模型视图,d1.2-ultra约75分,Liquid官方称领先此前最佳决策模型约2分,并非原稿所写3分;d1.2约69分。该指数来自六个子项,不能概括为全部通用模型或所有任务的总榜。AA所列每百万任务约63美元与133美元是测试工作量下的费用,不是每百万输入Token的API价格,名次会随榜单更新。

Liquid AI内部在13项基准、22505道共同作答问题中比较五款模型:d1.2-ultra的校准误差为0.8点,d1.2为1.2点,Jev 1.14为2.7点。原稿在此处把两款d1.2模型的数值顺序写反;数值越低表示该测试中置信度与正确率更接近,不能直接当作正确率或跨基准比较。

文章配图

▲AA决策模型综合榜单(上)及能力与成本对比(下)(图源:Artificial Analysis)

API定价方面,两款模型均仅按输入Token计费,定价和上一代d1.1和d1-ultra的价格相同。d1.2每百万输入Token收费0.02美元(约合人民币0.13元)。d1.2-ultra每百万输入Token收费0.042美元(约合人民币0.28元)。同一次请求中的文本和图片只计费一次,追加问题仅收取问题本身的文本输入费用。

此次发布的d1.2和d1.2-ultra通过API新增五类任务,可完成信息读取、文本片段提取、图片物品定位、数值估算,以及多选判断。据Liquid AI内部测试,两款模型读取收据数值的准确率最高达98%,定位图片中指定物体的准确率,两款模型均为94%。

文章配图

▲两款模型的内部任务测试结果(图源:Liquid AI)

一位外网网友直呼:迫不及待想要开放权重版本了!另一位外网网友称,不用逐个生成输出Token,对信息提取流程来说意义重大。

文章配图

▲外网网友的评论(图源:X)

Liquid AI由四名具有MIT研究背景的科学家于2023年联合创办,2024年12月曾获AMD领投的2.5亿美元(约合人民币16.8亿元)A轮融资,投后估值约23亿美元(约合人民币154亿元)。

目前,开发者可通过Liquid API调用d1.2和d1.2-ultra,两款模型还将上线OpenRouter和Vercel。

01.

新增五项任务

d1.2-ultra校准误差在五款模型中最低

相较前代决策模型d1.1和d1-ultra,d1.2系列新增对以下五类任务的支持:

1、信息读取:两款模型可从输入中读取文本、数字或日期。例如,读取发票中的应付金额,并返回对应的原文字符;若未找到该字段,则返回“未找到”。

文章配图

▲读取发票中的应付金额(图源:Liquid AI)

2、文本片段提取:它们可找出文本中某一类信息的全部片段。例如,逐项提取笔记中的姓名、电话号码和电子邮件地址,并标明各项信息在原文中的位置。

文章配图

▲标出笔记中的姓名、电话和邮箱(图源:Liquid AI)

3、图片物体定位:两款模型既支持定位单个目标,也支持查找同类目标的全部实例。例如,用矩形框标出扫描表单上的签名,或为照片中的每一棵树分别返回坐标框及总数。

文章配图

▲框出画面中的三名女性(图源:Liquid AI)

4、数值估算:估算结果包含预测值和区间。例如,估算照片中的人数,同时给出最可能的数量及范围。

文章配图

▲估算合影人数,并给出数量区间(图源:Liquid AI)

5、多选判断:两款模型可选出全部适用选项,并分别提供概率。例如,将涉及重复扣款和包裹未送达的客服消息,同时归入“计费”和“配送”两个主题。

文章配图

▲识别客服消息涉及的多个主题(图源:Liquid AI)

此外,两款模型还支持分析音频和接收语音提问。例如,识别录音中的语言,或判断背景中是否有警报声。

文章配图

▲判断录音中是否有警报声(图源:Liquid AI)

据Liquid AI披露,两款模型在声音识别和覆盖43种语言的语言识别测试中,回答选择题或是非题的正确率为95%至97%。

Liquid AI工程师Aurélien Lac在X上分享了一段案例,d1.2-ultra用矩形框标出道路上的车辆,并为消防车标注类别及概率。模型还对警笛、交通声、喇叭声等声音分别给出概率,展示了图片定位与音频判断的处理效果。

文章配图

▲d1.2-ultra定位道路车辆,并为警笛、交通声等声音给出判断概率(图源:X)

此外,Liquid AI还公布了两款模型的概率校准测试结果,检验模型对答案的把握是否符合实际表现。例如,模型对一批答案均给出80%的置信度,意味着理想情况下,每100道题中模型应答对80道题。

如果模型给出的置信度能准确反映答题表现,开发者就可以据此安排人工审核。例如,将置信度较低的回答交给人工复核,置信度较高的回答则由系统自动处理。

Liquid AI使用校准误差衡量预测概率与实际正确率之间的差距,数值越低代表两者越接近。该公司在13项基准、五款模型共同作答的22505道问题上进行了测试。

在这组测试中,d1.2-ultra和d1.2的校准误差分别为0.8和1.2,均低于其余三款参评模型。Jev 1.14、Perplexity Decider v1.3和GPT-6 Luna Decisions API的校准误差分别为2.7、3.7和7.2。

文章配图

▲五款模型的概率校准表现对比(图源:Liquid AI)

在此次更新之前,Liquid AI已推出覆盖多种模态和任务的模型产品。除了d系列决策模型之外,Liquid AI还推出LFM基础模型系列,以及面向特定任务的Liquid Nanos小模型系列。

10月28日,该公司发布并开源新一代模型LFM3系列,包含1.7B、VL-2B、Audio-2B、Omni-2B、d1-2B与d1-Omni-2B六款模型,其中Omni为全模态模型,可同时处理文本、图像和音频。10月24日,该公司发布决策模型d1.1,主打接近d1-ultra的决策质量,且价格不到d1-ultra的一半。

02.

四位MIT科学家联合创办

曾获AMD领投16.8亿元融资

Liquid AI成立于2023年,脱胎于MIT计算机科学与人工智能实验室(CSAIL),主要研发高效基础模型。该公司将计算效率、内存占用和本地部署作为产品重点,推动模型在手机、电脑、汽车等设备上运行。

Liquid AI的四名联合创始人均有MIT研究背景,分别是CEO拉明·哈萨尼(Ramin Hasani)、CTO马蒂亚斯·莱希纳(Mathias Lechner)、首席科学官亚历山大·阿米尼(Alexander Amini)及丹妮拉·鲁斯(Daniela Rus)。

哈萨尼长期研究液态神经网络、鲁棒深度学习及复杂动态系统中的决策。他于2020年获得奥地利维也纳工业大学计算机科学博士学位,此后在MIT CSAIL与鲁斯合作开展博士后研究,曾任美国资产管理公司先锋领航集团(Vanguard)首席AI与机器学习科学家。

莱希纳于2022年获得奥地利科学技术研究所(ISTA)博士学位,参与液态神经网络及机器学习系统安全性研究。

阿米尼的计算机科学本科、硕士和博士均毕业于MIT,也是MIT《深度学习导论》课程的主要组织者和讲师。

鲁斯长期从事机器人、移动计算和数据科学研究,拥有康奈尔大学计算机科学博士学位,同时担任MIT CSAIL主任。她是美国国家工程院院士、麦克阿瑟奖获得者。

文章配图

▲Liquid AI四位联合创始人,左起为莱希纳、阿米尼、鲁斯和哈萨尼(图源:彭博社)

融资方面,Liquid AI于2024年12月完成AMD领投的2.5亿美元(约合人民币16.8亿元)A轮融资。该公司计划利用这笔资金扩充算力基础设施,加快模型研发,并推动端侧及企业本地部署。

03.

结语:低价、高准确率、概率校准

决策模型瞄准企业日常真实需求

此次更新,Liquid AI关注企业处理日常业务时的实际需求。信息读取、文本片段提取和图片物体定位等能力,可用于读取发票金额、查找个人信息和定位表单签名,为企业自动处理文档、图片等材料提供支持。

不过,企业是否采用,仍要看调用费用与人工纠错的总成本。d1.2系列强调低价、任务准确率和概率校准,分别对应降低支出、减少返工和安排人工审核的需求。如果这些优势能在实际业务中兑现,决策模型就有望承接企业目前交给通用大模型处理的部分任务。

来源:Liquid AI

文章来自于"智东西",作者 "孙小雯"。

相关主题

读完之后

加入 AINRK 交流群

了解加入交流群的方式,与更多 AI 从业者交流。

查看交流群说明(在新窗口打开)