Liquid AI d1.2 發表:讀發票、框物件與聽聲音,決策模型怎麼回報不確定?
Liquid AI d1.2 與 ultra 新增音訊和五類決策任務。解析讀值、方框、缺值、機率校準、每百萬輸入費率,並分清第三方榜單與原廠內部測試。
d1.2 把 AI 回答縮成程式能直接處理的判斷,例如發票金額、圖片裡的簽名位置,或一段錄音是哪種語言。這類工作要的是可核對的值,也需要知道模型有多不確定。
Liquid AI 在 2026 年 11 月 16 日推出 d1.2 與 d1.2-ultra,新增音訊輸入和五類輸出任務。兩款模型透過 Liquid API 提供,API 是應用向模型送資料並取得結果的程式介面。
官方的讀取範例會連同值回傳來源文字,找不到時可以回答沒有這個值。這能減少後續程式從長段回答猜欄位,卻不會自動消除辨識或漏讀錯誤。
新版本也重視機率校準,也就是模型說有八成把握的一批答案,實際大約有八成正確。若這種關係在自己的資料成立,團隊才比較容易把低把握案例交給人處理。
我會建議先挑收據抽取或客服分類這類能逐筆驗收的工作試用。付款、核准和重要權限應保留在另一段流程,讓模型提供證據與候選結果。
要選擇一般版或 ultra,先看新輸出型態怎麼改變資料的驗收方式。
d1.2 新增哪些可直接使用的答案?
五類任務涵蓋讀值、文字位置、圖片方框、數值範圍與多重選項,讓下游知道如何解讀輸出。不同答案型態各自對應工作需求,應用不必把所有結果都當成一段自由文字。
Liquid AI 的發布文章用發票說明讀值功能。模型可以回傳付款對象、金額和日期,也附上讀到的來源文字。若沒有顯示某個欄位,可以回答找不到。
這對資料流程很有幫助,因為「值是零」和「文件沒有這個值」需要不同處理。若後續程式把缺值當成零,模型即使已表達不足,業務資料仍可能被寫錯。
文字位置任務則會找出符合條件的每段內容,例如個人資料出現在哪裡。回傳位置能讓應用把候選文字標亮,使用者較容易確認模型是否找到全部項目。
圖片方框提供另一種可檢查的結果。找簽名可以回傳一個矩形,找照片中的每棵樹則可以回傳多個矩形與數量。驗收時要同時看找錯和漏掉,不能只挑成功框出的例子。
數值範圍和多重選項則用來表達估計與並存。照片裡可能有一個人數範圍,客服訊息也可能同時涉及帳務和配送,因此單選答案未必符合資料本身。
輸出格式固定之後,正確與漏掉的案例才容易分開計算。

音訊輸入可問聲音,也可用口說提問
兩款模型能根據錄音判斷聲音或語言,也能接收錄下來的問題。這讓決策流程不必永遠先把所有聲音轉成文字,但並不代表所有音訊工作都已涵蓋。
例如判斷錄音背景是否有警笛,可以直接詢問聲音內容。若只保留逐字稿,沒有被說出口的聲響可能完全消失,所以音訊本身提供的訊息有其用途。
另一方面,使用者也能用錄音提出問題。這描述的是輸入形式,和模型是否會生成語音回答不同。本文不把新增聽覺能力延伸成全雙工語音助理。
官方公布的音訊測試涵蓋聲音辨識資料,以及四十三種語言的錄音。每題提供三到六個選項,或要求回答是與否,兩款模型在這些保留錄音問題上的正確率為百分之九十五至九十七。
這個數字的分母是選項式問題,不能改寫成自由轉錄四十三種語言都達相同正確率。聽出西班牙語或葡萄牙語,與完整寫出每個專有名詞,是不同難度的任務。
應用若要處理台灣客服錄音,仍需加入自己的口音、背景聲與混合語言樣本。先確認問題型態是否和官方測試相近,才能知道這個結果對自己有多少參考價值。
這種判斷與完整轉寫是不同任務,測試不能混用。
機率校準怎麼幫助安排人工複核?
校準描述大量答案的把握與實際命中是否相符,並不保證每一筆高分都正確。它的用途是幫團隊安排處理門檻,讓模型沒有把握的案例更容易進入複核。
假設一批答案都被模型標成八成機率,長期約有八成正確,這種把握才比較有用。若模型經常說有九成把握卻大量答錯,下游就很難放心使用這個分數。
官方以十三項測試、兩萬兩千五百零五題比較校準誤差,表示 ultra 的誤差為零點八分,一般版為一點二分。這是整組資料上的統計差距,並非每個答案最多只會錯這麼多。
門檻也需要配合錯誤代價。客服分類錯一類,可能只是改派工單。發票金額錯一位數,則可能影響後續對帳。因此,即使分數相同,也不適合共用完全相同的自動通過規則。
高把握就能自動付款嗎?
模型回傳的把握只描述它對答案的估計,不是交易授權。付款還涉及供應商身分、重複請款和責任人核准,這些條件應由另外的規則與權限處理。
較適合的起點,是把值和來源文字並排呈現,記錄哪些高分答案仍被人工改正。累積自己的錯誤分布之後,再調整自動處理範圍,比直接照抄榜單門檻有依據。
自己的錯誤代價決定門檻,因此榜單之外還要看評測範圍。
榜單第一與新任務準確率,來自不同測試
Decision Index 的綜合分數,和新五類任務的內部保留資料測試,應分開解讀。兩者回答的問題不同,也不能把其中一個數字當成所有功能的共同正確率。
Artificial Analysis 原始發布確認,ultra 在 Decision Index v2.1 得七十五分,一般版六十九分。該指標同時考慮決策結果與給答案的機率,七十五分不等於任何工作都答對百分之七十五。
這是第三方評測方自己公布的結果,和 Liquid AI 對新任務的內部測試來源不同。本文查閱原始資料與方法說明,沒有自行重跑兩套評測。
對新五類任務,官方明說還沒有公開基準,所以使用公開資料切出的保留部分建立內部測試。保留資料代表沒有拿來做該次訓練用途的評估部分,但仍需看任務和標準如何設計。
收據讀值測試中,ultra 與一般版分別達百分之九十八與九十六。圖片描述對應物件方框,兩者都是百分之九十四。這說明較高綜合分,不必然讓每個子任務都領先。
多物件選取測試甚至出現一般版百分之九十、ultra 百分之八十七的結果。若應用正好重視這一類工作,先做自己的對照測試,比只依版本名稱挑最貴一款合理。
來源與分母分清後,費用才能放進相同工作量比較。
每百萬輸入 token 的費用,要換成完整工作量
一般版與 ultra 只收輸入 token 費用,圖片切塊與額外問題文字也會影響計量。token 是模型處理文字或圖片資訊的單位,不能直接當成一個中文字。
十一月十七日查閱的官方價格,一般版每百萬輸入單位為零點零二美元,ultra 為零點零四二美元。這是美元的輸入計價,並非每百萬張圖片或每百萬分鐘錄音。
官方給的圖片例子是一千零二十四乘一千零二十四像素,計為一千五百三十六個單位。它以三十二乘三十二像素的小塊計量,所以圖像尺寸也會進入費用,而不只是問題寫了幾個字。
同一次請求可以對相同內容問多個問題,主要輸入只計一次,額外問題仍加入自己的文字量。若每次都重送整份文件,成本就會與把問題合併在一次呼叫不同。
官方決策模型文件提供介面與答案型態。實作時應保存模型版本、問題設定與實際計量,才能知道一次文件處理包含幾次呼叫。
公告表示之後會加入 OpenRouter 與 Vercel,這是後續計畫。本次已可使用的入口是 Liquid API。模型權重也沒有因 API 上線就自動成為可下載檔案,兩者要分開確認。
便宜的單位價格仍要加上漏讀、重試與人工複核成本。
先做缺值與模糊資料,測門檻能否接住錯誤
驗收資料應包含不存在的欄位、日期歧義與重複物件,檢查模型是否能表達不足。只有欄位完整、畫面乾淨的樣本,容易讓新輸出型態看起來比真實資料穩定。
發票可以先放入沒有稅額、金額模糊或有多個日期的範例。每筆先由人標記正確值與來源位置,再檢查模型回答找不到時,下游是否真的停在缺值狀態。
文字位置任務則應計算漏掉的部分。模型找到一個電話號碼,不表示它已找到整份文件的所有個人資料。若用途是遮蔽資料,遺漏和誤刪都需要分別記錄。
圖片方框可以加入目標不存在的情況,確認模型不會勉強框一個看起來接近的物件。數量任務則可把可接受範圍寫清楚,避免只看單一漂亮預測。
我會先比較兩款模型在同一組資料上的錯誤和複核量,再決定哪一版省下更多完整工作成本。這比把綜合榜單第一名直接當成正式流程的預設選擇,更接近產品需要的答案。
個人資料抽取尤其需要分清精確率與召回率。前者問模型標出的內容有多少真的正確,後者問文件裡原本存在的內容有多少被找到,兩個比例不會自動一起改善。
例如模型只找到最清楚的一個號碼,可能很少標錯,卻漏掉頁尾的另一個號碼。若用途是資料遮蔽,這種漏掉的部分就比多框一段無關文字更需要處理。
日期和數字也要保留原始格式。不同地區對月份與日期的順序可能不同,應用應提供明確背景,並在來源有歧義時交給人確認,避免只因回傳型態正確就接受。
問題設計也會改變結果。詢問文件的總金額、已付款金額和應付餘額,可能各自找到不同位置。把欄位需求寫清楚,才能確認錯誤來自模型還是任務本身。
因此,第一批測試最好同時保存原始輸入、問題、答案和人工修正。這會讓團隊在版本更新後重跑同一組案例,檢查原本能處理的缺值或特殊格式是否退步。
當來源位置能回讀、缺值能保留、錯誤能被人工接住,再逐步增加自動處理比例。這次更新的價值,在於提供更具體的答案型態,而這些型態也讓驗收變得更可操作。
d1.2 決策模型常見問題
ultra 一定比一般版準嗎?
ultra 在官方引用的綜合評測較高,但部分新任務兩者相同,另有一般版較高的子測試。選型應看自己的資料與錯誤代價,不能只看產品名稱。
回答找不到代表模型沒有失誤嗎?
找不到是一種可用輸出,仍可能是模型漏讀。驗收時要分開計算資料真的沒有值,和資料有值卻沒有找到,才能知道缺值回報是否可靠。
現在可以下載到手機離線使用嗎?
本次公告提供的是遠端 API,沒有公布同版本可離線部署的權重。可先用不含機密的樣本驗證答案型態,再依資料政策決定是否適合接入正式流程。
延伸閱讀:Liquid d1.1 決策模型更新:每百萬輸入 Token 0.02 美元,分流任務怎麼選?
延伸閱讀:決策模型怎麼做 LLM 評測?Hamel Husain 教你調門檻、比成本、讀分數