Liquid AI 在 2026 年 10 月的官方博客宣布发布多模态决策模型 d1-ultra，并称其具备当前最优性能。模型当日已在 Liquid API 上线，定价为每百万输入 token 0.042 美元。按发布方的说法，多数决策模型擅长简单、常见的任务，而 d1-ultra 面向更难、更杂乱的真实场景，例如对照规格找出电路板缺陷，或对照客户照片核验损坏理赔。
Liquid AI 说明，决策模型就某个情境中的问题，为每个可能的答案给出概率。d1-ultra 接收非结构化数据（文本、图片，或两者同时）以及一个或多个问题，在一次前向传播中读完输入并返回概率，不生成任何 token。
它回答的问题类型与前代 d1 相同，共三类：noul 为是/否题，输出 0 到 1 的概率；Choice 为多选一，每个标签各有一个概率；Score 为量表上的一个位置。博客中的调用示例把产线相机拍摄的电路板图片与文字状态一起送入接口，问题类型设为 noul，询问这块电路板是否存在缺陷，再从返回结果中读取对应概率。完整接口说明见其决策模型文档。
与 d1 相比，Liquid AI 称 d1-ultra 基于一个更大的开放权重模型，并做了一系列 Liquid 自有的深度定制；结合其训练流程后提升明显，尤其体现在知识类任务上。
发布方称，他们在 112 项独立评测中，将 d1-ultra 与前代 d1 以及 Jev 1.14 作了比较。Liquid AI 同时表示，只看准确率不够，决策模型给出的概率还必须校准；他们发现多数决策模型存在过度自信，因此专门训练 d1-ultra，使其输出更可靠的概率。按发布方说法，d1-ultra 在所有任务上优于 Jev 1.14，答案校准更好、准确率更高，且价格相同。Liquid AI 还称，d1-ultra 在 Artificial Analysis 决策指数上领先其他所有决策模型至少 8 分。上述评测范围、对比结论和分数均来自发布方自述。
d1-ultra 现已通过 Liquid AI API 提供，用户可创建 API key 后调用。公司称，该模型即将通过 Vercel 和 OpenRouter 提供。
计费只看输入 token，没有输出 token 费用。图片与文本按同一标准计入输入：每 32×32 像素块计 1.5 个 token，一张 1024×1024 的图片对应 1,536 个 token。每个问题按一条独立提示计费，费用包含该问题的文本以及全部图片。
Liquid AI 称，d1-ultra 是其迄今能力最强的决策模型，并表示将继续做不同规模的决策模型，加入新功能、提高决策质量、降低延迟，且计划定期更新。
