A Liquid AI anunciou o d1-ultra, seu novo modelo de decisão multimodal com o que a empresa chama de desempenho estado da arte. Diferente dos modelos de linguagem que geram texto token por token, o d1-ultra lê dados não estrututados — texto, imagem ou ambos — em uma única passada e retorna probabilidades para cada resposta possível, sem gerar qualquer token de saída.
Como funciona
O d1-ultra responde a três tipos de perguntas: sim/não (noul), escolha entre múltiplos rótulos e pontuação em escala. A principal diferença em relação ao d1 anterior é o tamanho do modelo base, que agora usa um modelo de pesos abertos maior com customizações pesadas da Liquid AI no pipeline de treinamento. O resultado é um ganho significativo em tarefas de conhecimento e raciocínio sobre dados visuais, especialmente em cenários onde a resposta não é binária simples.
Casos de uso reais
A Liquid AI construiu o d1-ultra para cenários que são difíceis e desorganizados no mundo real. Exemplos citados pela empresa incluem a detecção de defeitos em placas de circuito comparando com a especificação técnica e a verificação de sinistros de seguro comparando a foto do cliente com a descrição do dano. São tarefas onde um modelo generativo tradicional seria lento, caro e inconsistente, enquanto um modelo de decisão pode entregar uma resposta confiável em milissegundos.
Preço e disponibilidade
O d1-ultra está disponível na Liquid API por US$ 0,042 por milhão de tokens de entrada. A empresa também oferece um playground para testes em d1.liquid.ai. O preço é agressivo para o que o modelo entrega, especialmente considerando que ele não gera tokens de saída — o custo é apenas de processamento de entrada. Para aplicações de alto volume, como inspeção contínua de produção ou triagem de documentos, o custo por decisão pode ser irrelevante em escala.
Por que modelos de decisão importam
Enquanto a indústria de IA se concentra em modelos que geram texto, os modelos de decisão atacam um problema diferente: classificação e avaliação rápida de dados não estruturados. Em indústrias como manufatura, seguros e logística, a capacidade de responder "sim, há um defeito aqui" com uma probabilidade confiável pode valer mais do que um parágrafo gerado por um LLM. O d1-ultra se posiciona exatamente nessa interseção: IA aplicada a problemas de negócio concretos, com métricas de precisão e velocidade, não de fluidez de linguagem.
Conclusão
O d1-ultra é um exemplo claro de especialização. Em vez de competir com GPT e Claude em geração de texto, a Liquid AI foca em um nicho específico com uma arquitetura otimizada para o problema. A estratégia de preço agressivo e o foco em casos de uso industriais sugerem que a empresa quer se tornar a infraestrutura padrão para decisões automatizadas em ambientes onde precisão e velocidade importam mais do que a capacidade de escrever um ensaio.
Fontes e referências
Encontrou uma informação que precisa de correção? Fale com a redação.