Liquid AI 推出 d1：僅 API 的決策模型，返回校準概率且無輸出代幣

Liquid AI 在 2026 年 9 月 29 日宣布公開推出 d1，這是一個僅提供 API 的決策模型，公司將其命名為 d1:free。與傳統會產生文字代幣的大型語言模型不同，d1 僅回傳校準過的概率值，且服務在每一次呼叫時都報告輸出代幣為零。此消息由 MarkTechPost 報導，並在 Liquid AI 自己的決策模型參考頁面上有詳細文件說明。該模型被定位為生成式 AI 的補充，提供一個確定性且無代幣輸出的介面，適用於各種分類類型的任務。

d1 的運作方式

根據 Liquid AI 的文件說明，d1 接受一個 JSON 載荷，該載荷同時包含當前狀態的描述以及一個或多個已類型化的問題。每個問題都會映射到一個特定的原始類型，模型隨後回傳一組校準過的概率，這些概率直接回答查詢而不會產生任何文字代幣串流。服務在每一次請求的回應中將欄位 usage.output_tokens 記錄為零，Liquid AI 強調此設計可避免基於代幣的計費，並簡化下游處理流程。這些概率輸出被設計為可直接被需要數值信心分數的應用程式消費，而非自由形式的文字。

Liquid AI 定義了三個核心原始類型，這些類型決定了問題的解讀方式。第一個稱為 Noul，是一種概率性的「是/否」原始類型，會回傳單一概率，表示答案為真的可能性。第二個是 Choice，會對預先定義的命名選項列表產生概率分布，從而在一次呼叫中完成多類別分類。第三個原始類型是 Score，會回傳一個有序的分數表，每個分數都附帶數值權重，這對於排序或評分任務特別有用。透過將輸入限制在這些類型化的形式，d1 能在多樣領域中提供良好校準的輸出。

d1 的公共端點是一個 POST 請求，路徑為 /decisions/v1/systemone，正如官方 API 參考文件所列。呼叫時必須攜帶驗證令牌，並在請求體中放入前述的 JSON 結構。回應的載荷包含名為 “probabilities” 的欄位，內部保存了每個被調用原始類型的校準概率值，此外還提供請求延遲和零代幣使用量等中繼資料。Liquid AI 的文件指出，該端點部署於公司自有的雲端基礎設施上，且不提供本地（on‑premise）部署選項。

預期使用情境

Liquid AI 將 d1 推廣為一系列以決策為導向的應用。諸如垃圾郵件偵測或情感分析等分類任務，可透過 Noul 或 Choice 查詢表達，從而得到可供下游系統直接採取行動的信心分數。路由決策——決定要呼叫哪個服務通道或工作流程步驟——自然適合使用 Choice 原始類型。評分與打分，例如評估內容品質或合規性，則可利用 Score 原始類型的有序分數表。模型同時也被宣傳用於審核管線、搜尋結果重新排序，以及作為 LLM‑as‑judge（大型語言模型作為裁判）的組件，驗證生成式模型的輸出而不產生額外文字。

同時，Liquid AI 建議客戶在需要自然語言創作的任務中仍然使用生成式大型語言模型，例如撰寫電子郵件、摘要文件、進行對話、編寫程式碼或執行多步推理。公司認為，當問題可歸結為二元或多類別決策且需要校準的信心分數時，d1 表現最佳；而對於開放式內容生成，生成式模型仍是首選工具。這種勞務分工旨在降低代幣成本，並提升大型 AI 流程中決策點的可解釋性。

實務上，一個電子商務服務可以向 /decisions/v1/systemone 端點發送包含訂單細節作為狀態的 POST 請求，同時附上一個 Choice 類型的問題，列出可能的詐騙風險等級，例如「低」、「中」與「高」。d1 會為每個等級返回校準的概率，例如「低」為 0.92，「中」為 0.07，「高」為 0.01。平台接著可以根據設定的閾值，將概率超過門檻的訂單送入人工審核佇列，其餘則自動批准。由於回應僅包含數值分數，整合過程不需解析文字，且可在毫秒級完成，符合即時決策管線的需求。

限制與營運考量

Liquid AI 明確指出，d1 僅以託管服務形式提供。公司不提供可下載的模型，也不允許客戶在私有資料上微調或以其他方式訓練決策引擎。此限制簡化了合規與版本控制，但同時意味著組織無法在隔離的基礎設施上運行模型，亦無法自訂其內部參數。存取僅限於 API 端點，且計費方式基於請求量而非代幣消耗，這與零輸出代幣的設計相呼應。

雖然 usage.output_tokens 報告為零，但這並不代表服務不產生計算成本。Liquid AI 的內部監控仍會追蹤 CPU 與 GPU 時間、記憶體使用量以及延遲，所有這些都會在幕後構成成本結構。零代幣指標主要是一種計費抽象，用以將決策工作負載與生成式大型語言模型使用的代幣計費模型分離。因此使用者仍需預期，高流量的決策請求會產生可衡量的費用，儘管沒有文字代幣被輸出。

隨著 d1 現已公開，開發者可以在不管理代幣預算或解析自由文字的情況下，將校準的決策邏輯整合至應用程式中。此發布顯示出產業正向專門化 AI 服務方向發展，這類服務旨在補充而非取代大型語言模型。需要快速、可解釋的信心分數以進行路由、審核或評分的組織，可立即採用 d1，同時在創意與推理任務上繼續依賴生成式模型。實務上，這一新選項重新塑造了 AI 流程中計算資源的分配方式，將決策呼叫的預算與文字生成分開，從而有可能降低整體營運成本。