Liquid AI d1-ultra 发布：官方称八类任务全胜 Jev 1.14，决策模型赛道一天换榜首

10 月 16 日，IT之家（11:15）与 DoNews（12:34）先后报道：人工智能实验室 Liquid AI 宣布推出号称「全球最佳」的决策模型 d1-ultra。就在此前一天，另一家公司 TypeSafe AI 刚在太平洋时间 10 月 14 日下午 1:14 发布了决策模型 Jev 的 1.14 预览版本。两家的发布间隔不到一天。

两家中文媒体的表述高度一致：d1-ultra 在八类任务中的表现均优于 Jev 1.14，整体表现也好于 vLLM Semantic Router d3 等竞品。需要说明的是，这两篇报道的内容几乎是同一口径的复述，不宜当作两个独立信源；而 Liquid AI 官方博客（liquid.ai/blog/d1-ultra）在本编辑部环境多次抓取失败，因此本文所有「官方称」都是经由中文媒体转述的官方口径，而非直接引自原文。

时间差本身才是这条新闻最有信息量的部分。通用大模型动辄以月为单位迭代，而决策模型赛道上，榜首的位置在 24 小时内就被换掉了——这说明该品类的技术门槛与迭代成本，和通用 LLM 完全不在一个量级。

很多读者会把 Jev 和 Liquid AI 混为一谈，事实并非如此：Jev 是 TypeSafe AI 的产品，d1-ultra 是 Liquid AI 的产品，两家是直接竞品关系，不存在同一产品线的版本先后。按 IT之家转述，Jev 1.14 是一个「全新且改进」的模型，支持图像输入、更长的上下文，并引入了新的 "box" 类型。

Jev 才是这条赛道的引爆者。据 IT之家 10 月 13 日援引 Tom's Hardware 的报道，TypeSafe 发布 Jev 后，微软推出 Microsoft Decision、OpenAI 推出 Decisions API、Fastino 发布 Glide，Cloudflare Clef 与 Perplexity Decider 则采用开放权重、可在自有硬件上运行。Liquid AI 的 d1-ultra 是在这样一个已经拥挤的赛道里后来切入的一手。

理解决策模型的范式，才能理解这些数字为什么重要：这类模型不逐 token 生成文本，也不维护对话历史或长上下文，而是直接返回概率结果，可并行处理问题，因此速度更快、成本更低。TypeSafe 此前曾宣称 Jev 较标准 LLM 快 193 倍、成本低至 445 分之一（官方口径）。也正因为底座轻，这条赛道从一开始就伴随争议——有研究者称其 2025 年 3 月发布的 SalesRLAgent 论文已提出同类概率估计模型，并在 Jev 发布同日推出开源模型 Laya。看这条赛道的新闻，热度与技术含量需要分开评估。

按官方口径，d1-ultra 的核心卖点是一句相对排名：八类任务全面优于 Jev 1.14。但必须诚实交代——公开可查的所有报道，都只给出了「八类任务」这个数量表述，没有逐项列出这八类到底是什么（NEEDS_VERIFICATION）。任何具体类目清单，目前都属于推测，本文不写。

第二个数字是 AA 决策指数（Artificial Analysis Decision Index）65 分。该分数见于 MarkTechPost、Techub News 等媒体的标题转述，但本编辑部未能打开榜单页核实评测集版本与评分口径，因此只能标为 NEEDS_VERIFICATION，不能作为结论引用。

第三个是价格。RuntimeWire、TechJack Solutions 等媒体的标题转述为每百万输入 token 0.042 美元、输出不单独计费，TipRanks 称其为按用量计费（usage-based pricing）。三条标题互相印证，但我们同样没能读到正文或官方定价页，仍标 NEEDS_VERIFICATION。至于参数规模、上下文窗口、权重是否开放、有无免费额度，可查来源中完全没有披露——这些一律记为「官方未披露」，不做任何填补。

一句话总结当前的信息质量：我们拿到了可信的「相对排名」声明，但没有拿到任何可复现的「绝对分数」。

把 d1-ultra 放回 Liquid AI 的产品序列里看会更清楚。据 IT之家 10 月 9 日报道，Liquid AI 于 10 月 7 日已发布 d1 系列两款开放权重决策模型：d1-3B 拥有 31.2 亿参数，基于视觉语言模型 LFM2.5-VL-3B 训练，支持文本与图像输入，在 Decision Index v0.2.1 公开测试集得 48.57 分，官方称其领先所有 10B 以下模型；d1-omni-600M 拥有 5.87 亿参数，基于双向编码器 LFM2.5-Encoder-350M 训练，支持文本加图像或语音的组合输入，是 Liquid AI 首个实验性多模态决策模型检查点。两者均已在 Hugging Face 公开。

这条产品线的技术取向很明确：小参数、单次前向、贴近端侧。d1-3B 在 NVIDIA RTX 4090 上回答单个问题耗时 8 毫秒，用户实测在 RTX 3060 上单次判断约 25 毫秒、峰值显存约 6GB。媒体把 d1-ultra 称为「多模态决策模型」，且家族同源 LFM 是合理推断——但 d1-ultra 究竟基于哪个基座、多少参数，官方并未明示（NEEDS_VERIFICATION），本文不把推断写成事实。

这个血统对选型者的实际含义是：如果你想的是「在自有硬件上跑一个判断器」，家族里的 d1-3B 已经是可下载、可微调、可部署的选项；而 d1-ultra 目前能确认的只是可经由 OpenRouter 等聚合平台调用，是否开放权重完全是未知数。不要把 d1-3B 的开源属性顺推给 d1-ultra。

百器AI 未实测 d1-ultra：没有调用 API、没有跑基准、没有做成本测算。本文中「八类任务全胜 Jev 1.14」「整体好于 vLLM Semantic Router d3」均为官方口径（OFFICIAL_CLAIM），无第三方独立复现；AA 决策指数 65 分与 0.042 美元/百万输入 token 的定价均为媒体标题转述，未读到正文，标 NEEDS_VERIFICATION。

如果你正在评估决策模型，务实的三步是：第一，先把自己的场景翻译成判断任务（分类、路由、审核、二选一、置信度打分），看候选模型是否覆盖；第二，用自有标注集测一致性、拒答行为与边界样本表现，而不是看榜单排名；第三，把单位成本按「每千次判断」折算，决策模型不产出长文本，用 token 单价直接比价会失真。

最后是一个风险提示：这条赛道的榜首在一天之内被反转，说明领先窗口以天计。把「当前第一名」写进长期架构决策是不明智的——真正稳定的收益来自范式本身（不做逐 token 生成、可并行、单次前向），而不是某一版模型的排名。本文为版本发布记录，核心价值是确认「d1-ultra 与 Jev 1.14 是两家竞品、前者官方称全面领先」这一事实，以及标注清楚哪些数字还不能用。