Blog › Modelos

Novo no OpenRouter · 16/11/2026

Liquid AI lança d1.2-ultra, modelo de decisão que lidera ranking da Artificial Analysis

Modelo omnimodal da Liquid AI marca 75 pontos no Decision Index v2.1, mas aparece em último no HLE-MultiChoice entre 24 modelos comparados.

Repercussão moderada 5 fontes Atualizado em 16/11/2026 às 23:30 (Brasília)

A Liquid AI lançou em 16 de novembro o d1.2-ultra, modelo omnimodal de decisão que processa texto, imagem e áudio. Ele chegou ao topo do Artificial Analysis Decision Index v2.1, com 75 pontos, à frente de 23 concorrentes. Para quem usa IA em extração de dados e classificação, o resultado vem com ressalvas em métricas específicas.

O que é e o que traz de novo

O d1.2-ultra é a versão de maior precisão da nova linha da Liquid AI, lançada junto com o d1.2, mais enxuto. Segundo a empresa, ambos devolvem uma decisão acompanhada de um escore de confiança. O catálogo do OpenRouter descreve o modelo como voltado a classificação complexa, compreensão multimodal, extração de informação e decisões automatizadas de alto risco.

A API ganhou funções específicas, segundo o GIGAZINE. Entre elas estão ler valores em textos, como o total de uma fatura, contar trechos que atendem a um critério e estimar quantos objetos aparecem numa imagem. Nesse caso, a resposta traz o número mais provável e uma faixa. Outra função permite escolher várias categorias de uma lista, como "pagamento" e "entrega" numa mesma reclamação.

O OrcaRouter aponta que o contexto dobrou em relação ao D1 Ultra, lançado cerca de um mês antes.

Desempenho e comparações

A Artificial Analysis atribuiu 75 ao d1.2-ultra no Decision Index v2.1, primeiro lugar entre 24 modelos. O OrcaRouter cita 74,85, contra 70,58 do D1 Ultra, que era o sexto. O Drex Max v1.1, da Nace.AI, aparece em segundo, com 72,62, e o d1.2, versão menor, ficou em nono, com 69. A Liquid AI afirma ainda que os dois modelos têm escores de confiança mais precisos que o Jev 1.14.

O mesmo ranking coloca o d1.2-ultra em último no HLE-MultiChoice, com 2,36% de acerto bruto. Em relação ao D1 Ultra, o OrcaRouter contabiliza quatro de 16 métricas de componente em queda. O modelo novo lê documentos e lida com paráfrases bem melhor, mas é um pouco pior em conhecimento factual e em se recusar a responder.

Repercussão e para quem faz sentido

A cobertura vem do GIGAZINE, do The Defiant e do OrcaRouter, que destaca ser o primeiro modelo da categoria com liderança atribuída por avaliador independente. Para o OrcaRouter, a troca é vantajosa em pipelines de extração. Quem usa o modelo como filtro, com limiares de recusa, deve testar antes, porque duas das métricas em queda pesam justamente nesse uso.

Pontos-chave

  • Entradas em texto, imagem e áudio
  • Contagem de objetos em imagens devolve estimativa e intervalo
  • Ranking da Artificial Analysis reúne 24 modelos de decisão
  • Quatro de 16 métricas de componente pioraram frente ao D1 Ultra

Texto escrito por IA a partir das reportagens e páginas listadas abaixo e checado contra elas por uma segunda revisão automática. Atualizado em 16/11/2026 às 23:30 (Brasília).

Dossiê do lançamento

O que o laboratório informa, os benchmarks publicados e os primeiros relatos de uso. Cada item leva à página de onde saiu.

O que o laboratório informa

  • d1.2-ultra é um modelo de decisão da Liquid AI. Responde perguntas sobre texto, imagem e áudio e devolve respostas com probabilidades. A Liquid AI o chama de "state-of-the-art omnimodal". liquid.ai ↗
  • Mudanças na família d1.2: entrada de áudio, como assunto ou como a própria pergunta, e cinco tarefas novas. São elas ler valor, achar spans em texto, localizar boxes em imagem, estimar número com faixa e multisseleção. liquid.ai ↗
  • Usos citados pela Liquid AI: extrair valores de notas e recibos, detectar dados pessoais, localizar e contar objetos em fotos, marcar tópicos, identificar sons e idiomas e mandar respostas de baixa confiança para revisão humana. liquid.ai ↗
  • Os resultados das cinco tarefas novas vêm de conjuntos de teste internos da Liquid AI. Segundo o laboratório, ainda não existe benchmark público para essas tarefas. liquid.ai ↗

Benchmarks publicados

Artificial Analysis Decision Index v2.174.85 (#1 de 24)

d1-ultra: 70.58 (#6)

Medição independente Artificial Analysis (relatado pela OrcaRouter) ↗
AA-Paperclip (Decision Index v2.1)75.81 de decision score; 67.7% dos documentos totalmente corretos (1º de 24)

Drex Max v1.1: 72.82 e 63.0%; SubQ Snap 1.2: 71.58; d1-ultra: 64.69 e 51.3%

Medição independente Artificial Analysis (relatado pela OrcaRouter) ↗
HLE-MultiChoice v1.1 (acurácia bruta)2.36%, último de 24 (decision score 46.36)

Decider v1.3: 15.32%; Drex Max v1.1: 8.25%; d1.2: 5.30%

Medição independente Artificial Analysis (relatado pela OrcaRouter) ↗
AA-Omniscience-Decision (acurácia / non-hallucination)23.6% / 83.8%

d1-ultra: 28.0% / 88.6%

Medição independente Artificial Analysis (relatado pela OrcaRouter) ↗
AA-Symmetry (Decision Index v2.1)86.34 (2º lugar)

Mammoth 27B: 88.25 (1º)

Medição independente Artificial Analysis (relatado pela OrcaRouter) ↗
Calibration error (13 benchmarks, 22,505 perguntas)0.8 pontos

d1.2: 1.2; Jev 1.14: 2.7; Decider v1.3: 3.7; GPT-6 Luna (Decisions API): 7.2

Divulgado pelo laboratório Liquid AI ↗
Nemotron PII (precision / recall, teste interno)94% / 93%

d1.2: 92% / 88%

Divulgado pelo laboratório Liquid AI ↗
COCO, escolher todos os objetos presentes (teste interno)87%

d1.2: 90%

Divulgado pelo laboratório Liquid AI ↗

Levantamento feito por um agente de IA com busca na web em 16/11/2026. Cada item traz o link da página consultada; confira a fonte antes de decidir.

Outras publicações