Liquid AI 发布 d1.2 全模态决策模型,登顶决策指数

Liquid AI 发布零输出 token 的全模态决策模型 d1.2,以校准概率替代文本生成。
Liquid AI 推出 d1.2 与 d1.2-ultra 决策模型,支持文本、图像、音频全模态输入,但不生成任何文本,直接输出校准概率。d1.2-ultra 在 Artificial Analysis Decision Index v2.1 上获得75分。该设计绕开逐 token 解码,在批量决策任务上可能具备成本优势,且概率输出天然适配规则引擎与下游分类器。模型定位为决策组件而非对话助手,适用于风控、内容审核、流程分支等场景。代价是失去对话、解释与多轮交互能力。其成败取决于决策专项评测能否形成行业共识,以及企业是否愿意为概率输出重构系统。
Liquid AI 发布了新一代决策模型 d1.2 与 d1.2-ultra。与主流大模型不同,这套模型不生成任何文本,只输出经过校准的概率值,却在 Artificial Analysis Decision Index v2.1 上拿到了 75 分。它走的是一条与传统 LLM 完全不同的技术路线。
决策模型与生成模型的分野
d1.2 系列的核心特征是「全模态输入、零输出 token」。模型可以同时读取文本、图像和音频,然后直接给出一个校准过的概率分布,用于判断、分类或打分。
这种设计把使用场景限定在决策而非对话上。传统大模型需要先生成推理文本再从中提炼结论,d1.2 跳过了这一环节,输出本身就是决策结果。好处是延迟和成本结构完全不同,且概率值经过校准后更适合直接嵌入业务流程。
从定位看,Liquid AI 并不打算在通用对话上与大模型厂商正面竞争,而是切入那些需要稳定、可量化判断的环节,例如风控、内容审核、自动化流程中的分支决策。
校准概率(calibrated probability) 指的是模型输出的概率值与其真实事件发生率一致。例如,若模型对100个样本都给出0.8的置信度,那么其中约80个应属正类。未经校准的模型(如直接取softmax输出)往往过度自信,概率值偏高,直接用于阈值判断会引入系统性偏差。常见校准方法包括温度缩放(temperature scaling)、Platt scaling 和等渗回归(isotonic regression),通常在验证集上拟合校准参数。对决策模型而言,校准质量比准确率更关键,因为下游规则引擎和风控阈值直接依赖概率的绝对数值,而非仅排序。
d1.2-ultra 的性能定位
据 MarkTechPost 报道,d1.2-ultra 在 Artificial Analysis Decision Index v2.1 上取得 75 分。这一指数专门衡量模型在决策类任务上的表现,而非语言生成质量。
需要说明的是,原始素材并未披露该分数在榜单上的具体排名位次、对比基线或测评细节,因此「Top the AA Decision Index」更应理解为该系列在决策专项指数上处于领先位置。两个版本的差异、参数量、上下文长度、推理成本等信息目前也未公开。
对开发者而言,更值得关注的是评估维度本身:当一个模型不再靠文字输出证明能力时,传统的 benchmark 体系需要相应调整,决策指数这类专门指标的价值会上升。
Artificial Analysis Decision Index 是 Artificial Analysis 推出的专项评测指数,与该公司更广为人知的 LLM 综合排行榜同属一个评测体系,但聚焦于决策类任务而非语言生成质量。这类决策指数通常由一组判断、分类、排序或打分任务构成,按任务类型加权汇总为单一分数。需要注意的是,专项指数与通用 benchmark(如 MMLU、GPQA)不可直接横向比较——前者衡量模型作为决策组件的可靠性,后者衡量知识与推理能力。当模型输出形态从文本变为概率时,传统基于生成文本打分的评测范式失效,这也是决策指数这类指标受到关注的原因。
零输出 token 意味着什么
「零输出 token」是这套模型最反直觉的设计。生成式模型的成本大头往往在解码阶段,输出越长、成本越高。d1.2 直接输出概率,绕开了逐 token 生成的过程,在批量决策任务上可能带来显著的成本优势。
另一层意义在于集成方式。概率输出天然适配规则引擎、阈值判断和下游分类器,不需要额外的结果解析层。对于需要可解释性和可审计性的企业系统,一个校准良好的概率值比一段自然语言推理更容易纳入既有流程。
代价是灵活性下降:模型不能回答问题、不能解释理由、不能多轮交互。它只适合被当作一个决策组件使用。
解码阶段(decoding) 是自回归生成模型成本的主要来源:模型需逐个 token 采样或取argmax,每步都要过一次前向计算,输出长度直接决定延迟与算力开销。零输出 token 的设计意味着模型在编码完全模态输入后,直接通过一个输出头映射到概率分布,完全跳过自回归解码循环。这使得推理成本更接近「一次前向传播」,而非「输入长度 + 输出长度」的累积开销。在批量决策场景(如对数万条内容逐条打分)中,这种成本结构的差异会被放大,但也意味着模型无法进行思维链式推理,复杂判断的深度受限。
全模态决策的应用空间
文本、图像、音频三模态同时输入,让 d1.2 可以处理单一模态模型难以覆盖的判断任务。例如结合用户语音与文字描述做意图判定,或依据图像与配套说明做质检分级。
这类任务的特点是输入异构、输出简单,恰好是决策模型的长处。相比之下,让通用大模型处理同类任务,通常需要多轮提示与后处理,链路更长、不确定性更高。
不过素材未提供具体客户案例或落地场景,以上推断基于模型能力特征,实际效果仍需等待更多公开评测与使用反馈。
一条值得关注的差异化路线
Liquid AI 的选择揭示了一个趋势:模型能力的分化不只发生在参数规模上,也发生在输出形态上。当多数厂商围绕生成质量竞争时,把模型收敛为「纯决策器」是一种务实的产品策略。
它能否成立,取决于两点:决策指数这类专项评测能否形成行业共识,以及企业是否愿意为概率输出重构现有系统。d1.2 已经给出了技术答案,市场答案还没到。
相关推荐

Gemini 4 Neon 曝光:或成 Opus 5.5 有力竞争者
Hacker News 讨论帖指出 Gemini 4 Neon 看起来像 Opus 5.5 的竞争者。本文解读这一社区信号背后的产品定位、顶级模型竞争格局变化,以及对开发者模型选型策略的实际意义。

Claude Fable 5.2 独立创作短片《Fable》引热议
Hacker News 上出现由 Claude Fable 5.2 独立完成剧本、画面与导演的短片《Fable》,本文分析全流程 AI 创作的意义、社区反应及对内容创作者的启示。

Anthropic IPO定价:AI巨头上市信号
Anthropic 进行 IPO 定价的消息引发关注。本文分析这一动作对 AI 行业估值、商业化路径和竞争格局的潜在影响,并指出公开市场对 AI 公司的期待与挑战。