Liquid AI 推出 d1：一种仅 API 的决策模型，返回校准概率且不产生输出令牌

Liquid AI 于 2026 年 9 月 29 日宣布公开推出 d1，这是一款仅 API 的决策模型，公司将其品牌化为 d1:free。与传统的大型语言模型会输出文本令牌不同，d1 只返回校准后的概率值，并且服务对每一次调用报告零输出令牌。此公告被 MarkTechPost 报道，并记录在 Liquid AI 自己的决策模型参考页面中。该模型被定位为生成式 AI 的补充，为一系列分类风格的任务提供确定性、无令牌的接口。

d1 工作原理

根据 Liquid AI 的文档，d1 接受一个 JSON 负载，该负载将当前状态的描述与一个或多个类型化问题相结合。每个问题都会映射到特定的原语，模型返回一组校准后的概率，以回答查询而不产生任何文本令牌流。服务在每个请求中将字段 usage.output_tokens 记录为零，公司将此强调为避免基于令牌计费并简化下游处理的方式。概率输出旨在直接供需要数值置信度分数而非自由文本的应用程序使用。

Liquid AI 定义了三个核心原语来决定问题的解释方式。第一个原语称为 Noul，是一种概率性的是/否原语，返回单一概率以指示答案为真的可能性。第二个原语 Choice 在预定义的命名选项列表上生成概率分布，使单次调用即可实现多类分类。第三个原语 Score 返回有序的评分表，每个评分关联数值权重，适用于排序或评分任务。通过将输入约束为这些类型化形式，d1 能在不同领域提供良好校准的输出。

d1 的公共端点是对 /decisions/v1/systemone 的 POST 请求，如官方 API 参考中所列。调用必须包含身份验证令牌以及前文描述的 JSON 正文。响应负载包含名为 “probabilities” 的字段，存放每个被调用原语的校准值，并附带请求延迟和零令牌使用度量等元数据。Liquid AI 的文档指出，该端点托管在公司的云基础设施上，且不提供本地部署选项。

预期使用场景

Liquid AI 将 d1 推向一系列面向决策的应用。诸如垃圾邮件检测或情感分析等分类任务可以表达为 Noul 或 Choice 查询，提供置信度分数供下游系统采取行动。路由决策——确定调用哪个服务渠道或工作流步骤——自然适配 Choice 原语。评分与打分，例如评估内容质量或合规性，则利用 Score 原语的有序评分表。该模型还被宣传用于审核流水线、搜索结果重新排序，以及作为 LLM‑as‑judge 组件，在不生成额外文本的情况下验证生成模型的输出。

与此同时，Liquid AI 建议客户在需要自然语言创作的任务中继续使用生成式 LLM，例如起草电子邮件、摘要文档、进行对话、编写代码或执行多步推理。公司认为，当问题归结为二元或多类决策且需要校准置信度时，d1 表现突出，而生成式模型仍是开放式内容生成的首选工具。这种分工旨在降低令牌成本，并提升大型 AI 流水线中决策点的可解释性。

在实际应用中，电子商务服务可以向 /decisions/v1/systemone 发送包含订单详情作为状态的 POST 请求，并附带一个列出可能欺诈风险等级（如 “低”、 “中”、 “高”）的 Choice 问题。d1 将为每个等级返回校准概率，例如 “低” 为 0.92，“中” 为 0.07，“高” 为 0.01。平台随后可以将概率高于设定阈值的订单路由至人工审核队列，而自动批准其余订单。由于响应仅包含数值分数，集成无需解析文本，可在毫秒级完成，符合实时决策流水线的需求。

局限性与运营考虑

Liquid AI 明确表示，d1 仅作为托管服务提供。公司不提供可下载的模型，也不允许客户在私有数据上微调或以其他方式训练决策引擎。这一限制简化了合规性和版本控制，但也意味着组织无法在隔离基础设施上运行模型或自定义其内部参数。访问仅限于 API 端点，定价基于请求量而非令牌消耗，体现了零输出令牌的设计理念。

usage.output_tokens 被报告为零并不意味着服务不产生计算开支。Liquid AI 的内部监控仍会跟踪 CPU 与 GPU 周期、内存使用以及延迟，这些都构成了幕后成本结构。零令牌指标主要是一种计费抽象，用于将决策工作负载与生成式 LLM 调用的基于令牌的定价模型区分开来。因此用户应预期，高流量的决策请求仍会产生可衡量的费用，尽管没有文本令牌被输出。

随着 d1 现在公开可用，开发者可以在应用中集成校准的决策逻辑，而无需管理令牌预算或解析自由文本。此发布标志着行业向专用 AI 服务转变的更广趋势，这类服务补充而非取代大型语言模型。需要快速、可解释置信度分数用于路由、审核或评分的组织可以立即采用 d1，同时继续依赖生成式模型完成创意和推理任务。实际上，这一新选项重新塑造了 AI 流水线的计算分配方式，将决策调用的预算与文本生成分离，可能降低整体运营成本。