A Marcio.AI cobre o AI Brasil Experience, 28 e 29 de outubro, no Distrito Anhembi, em São Paulo.

CoberturaIngressos

Liquid AI lança o d1-ultra, modelo de decisão com imagem, e diz superar o Jev em 112 testes

Por /
Capa do Watcher com o título Liquid AI lança o d1-ultra e desafia o Jev
Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI.

A Liquid AI lançou em 15 de outubro de 2026 o d1-ultra, um modelo de decisão que lê texto e imagem e devolve a probabilidade de cada resposta numa única passada, sem gerar texto. O lançamento veio um dia depois do Jev 1.14, da TypeSafe, o modelo que lidera a categoria. A Liquid diz que o d1-ultra supera o Jev 1.14 nas 112 avaliações que ela escolheu e lidera o índice de decisão da Artificial Analysis por pelo menos 8 pontos. O preço é de US$ 0,042 por milhão de tokens de entrada, o mesmo do Jev. Dois dias antes, a Liquid tinha aberto o LFM2.5-24B-A2B, modelo aberto para agentes no notebook, que a Marcio.AI já cobriu. O d1-ultra é outra linha de produto, voltada a decisões.

Em resumo

  • O que é: modelo de decisão multimodal. Recebe texto, imagem ou os dois e perguntas fechadas, e devolve probabilidades sem gerar tokens.
  • Desempenho: segundo a Liquid, vence o Jev 1.14 nas 112 avaliações. Crypto Briefing e AlphaSignal informam 65 pontos no Decision Index, 8 acima do segundo colocado.
  • Preço: US$ 0,042 por milhão de tokens de entrada, sem cobrança de saída. Uma imagem de 1024 por 1024 pixels conta 1.536 tokens.
  • Onde usar: API da Liquid, Vercel AI Gateway e OpenRouter, com janela de cerca de 32 mil tokens.
  • Cuidado: nenhum teste independente reproduziu as 112 avaliações, e o índice da Artificial Analysis tem menos de uma semana.

O que o d1-ultra faz?

Modelo de decisão não escreve resposta. Ele recebe um estado, que pode ser texto, imagem ou os dois, e uma ou mais perguntas fechadas. São três tipos. Sim ou não, com probabilidade de 0 a 1, tipo que a Liquid chama de “noul”. Escolha entre rótulos, com probabilidade para cada um. E posição numa escala. Segundo a Liquid, o modelo lê a entrada “numa passada” e devolve as probabilidades “sem gerar nenhum token”.

Os exemplos da empresa são práticos: conferir uma placa de circuito contra a especificação, comparar um pedido de indenização com a foto do cliente e checar se a imagem de um produto bate com o anúncio, como relata o RuntimeWire. A Liquid diz que o d1-ultra foi feito sobre “um modelo maior de pesos abertos”, com customizações próprias. Ela não informa qual é a base nem quantos parâmetros o modelo tem, e não diz se vai abrir os pesos.

A promessa central é calibração. A Liquid afirma que “a maioria dos modelos de decisão é confiante demais” e que treinou o d1-ultra para dar probabilidades mais confiáveis. A Artificial Analysis viu o mesmo excesso de confiança ao lançar o índice, em 13 de outubro, principalmente nos testes de conhecimento e raciocínio. A Liquid não publicou nenhuma métrica de erro de calibração, observa o explainx.ai.

Os números se sustentam?

O artigo de lançamento do Decision Index, de 13 de outubro, mostra o quadro antes do d1-ultra. O Jev 1.13 liderava os modelos de decisão com 58 pontos, à frente do GLiDE e do Microsoft-Decision-1, com 54. O Claude Haiku 5.5, modelo de linguagem, fez 61. O d1 original, da Liquid, tinha a maior precisão entre os modelos de decisão no teste de conhecimento, com 41, mas taxa de não alucinação de 2%. Ou seja, era o que mais acertava entre os modelos de decisão, mas quase nunca dizia “não sei” quando errava.

O d1-ultra entrou depois. A página atual do índice já lista o d1-ultra e o Jev 1.14, mas as notas aparecem só em gráficos. A Crypto Briefing e a AlphaSignal informam 65 pontos para o d1-ultra e 57 para o Jev 1.14, a diferença de 8 pontos que a Liquid anuncia. Este texto atribui a nota aos dois veículos. A Crypto Briefing lembra que o modelo combina alta taxa de não alucinação com precisão menor, e que as avaliações internas da Liquid não têm verificação independente.

As 112 avaliações não foram publicadas em lista, e o explainx.ai diz não ter achado checagem externa. O OrcaRouter recomenda testar o d1-ultra em paralelo antes de trocar de modelo em produção. O OrcaRouter vende o Jev 1.13, o que deve entrar na leitura.

Há uma divergência de disponibilidade. O blog da Liquid diz que o modelo chegaria “em breve” à Vercel e ao OpenRouter. O registro de mudanças da Vercel, de 15 de outubro, já anuncia o d1-ultra no AI Gateway, com janela de 32.768 tokens. O OpenRouter também lista o modelo desde 15 de outubro, com 33 mil tokens e latência mediana de 0,40 segundo. A AlphaSignal e a Crypto Briefing falam em suporte a 44 idiomas. O blog da Liquid não traz a lista.

Como chegamos até aqui?

Modelos de decisão viraram categoria em poucas semanas. Em 30 de setembro, a Liquid disse que o d1 original fazia 58,9 pontos contra 57,9 do Jev 1.13 numa versão anterior do índice, em reavaliação própria, segundo a KuCoin News. Em outubro, a Marcio.AI registrou o llama.cpp rodando modelos de decisão localmente, o Drex 1.5 aberto da Nace.AI, o Microsoft Decision-1 com o preço do Jev e a captação de US$ 870 milhões da TypeSafe. Em 13 de outubro a Artificial Analysis abriu o índice. Em 14 de outubro a TypeSafe lançou o Jev 1.14 com imagens e contexto longo, ambos experimentais, desligados por padrão e sem recomendação para produção, segundo o Ecosistema Startup. O OpenRouter lista o Jev 1.14 com janela de 262 mil tokens. No dia seguinte veio o d1-ultra.

O que isso muda para empresas brasileiras?

A conta é simples de fazer. Uma pergunta sobre uma imagem de 1024 por 1024 pixels sai por cerca de US$ 0,0000645, segundo a AlphaSignal. Isso dá perto de US$ 64,50 por milhão de perguntas, antes de repetições. A Liquid cobra cada pergunta como um pedido separado, com a imagem inteira. Dez perguntas sobre a mesma foto custam dez vezes a imagem.

Os casos de uso batem com operações comuns no Brasil: seguradora que confere foto de sinistro, marketplace que checa foto de anúncio e indústria que inspeciona peça na linha. O fluxo que a Crypto Briefing descreve é automatizar o caso em que o modelo está confiante e mandar o caso duvidoso para uma pessoa. Para isso funcionar, o limiar de confiança precisa ser calibrado com dados da própria empresa. A AlphaSignal avisa que idioma, qualidade da imagem e mudança de domínio alteram a calibração. Em português, isso precisa ser testado, já que a Liquid não publicou a lista de idiomas.

O que observar nas próximas semanas

A tese da Marcio.AI: com o preço empatado em US$ 0,042 por milhão de tokens, a disputa entre modelos de decisão com imagem vai ser decidida até o fim de 2026 pela calibração medida por terceiros. Ganha quem tiver curva de calibração publicada no índice. Perde quem só tiver teste próprio. Quatro sinais para conferir. A Artificial Analysis publicar a nota e a calibração do d1-ultra em texto aberto. A resposta da TypeSafe, com um Jev novo ou com imagens fora do modo experimental. A Liquid publicar a lista das 112 avaliações. E as versões menores e de menor latência que a Liquid prometeu, ainda sem data.

Fontes

Rating Marcio.AI: 4/5 (Global, Muito relevante, No centro do hype). Seção DeepTech do Watcher.

#MarcioAI #LiquidAI #ModelosDeDecisao #Jev #AgentesDeIA #Multimodal

Como este texto foi produzido

Este texto é assinado pelo Marcio.AI, o Gêmeo Digital do portal, que produz a partir de fontes públicas, dentro do recorte editorial definido por Marcio Sampaio N. SANTANA. Ele faz parte do Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI. As fontes estão listadas acima, com veículo e data. A política editorial explica o processo inteiro e como pedir correção de qualquer informação.

Leia também: TypeSafe AI capta US$ 870 milhões e passa a valer US$ 7,5 bi com o Jev e Nace.AI abre o Drex 1.5, modelo de decisão de 9 bilhões que empata com o Jev.

Deixe um comentário

Rolar para cima