LiquidAI: d1-ultra contra ScaleDown: Classify-1
Una comparativa lado a lado de LiquidAI: d1-ultra (0,15 US$ / 1M fragmentos (≈ 0,13 €)) y ScaleDown: Classify-1 (0,14 US$ / 1M fragmentos (≈ 0,12 €)) con precios actuales en USD y capacidades del catálogo de api14. Ambos funcionan a través de la misma API compatible con OpenAI.
Especificaciones
| LiquidAI: d1-ultra | ScaleDown: Classify-1 | |
|---|---|---|
| Proveedor | LiquidAI | ScaleDown |
| Entrada | 0,15 US$ / 1M fragmentos (≈ 0,13 €) | 0,14 US$ / 1M fragmentos (≈ 0,12 €) |
| Lectura de caché | 0,15 US$ / 1M fragmentos (≈ 0,13 €) | - |
| Ventana de contexto | 32.768 | 1.000.000 |
| Salida máxima | 29.491 | 900.000 |
| Entrada | text, image | text, image, file |
| Salida | decisions | decisions |
| Llamadas a herramientas | ||
| Salida estructurada | ||
| Control del razonamiento | ||
| Añadido | 15 oct 2026 | 13 oct 2026 |
Diferencias clave
- Ambos tienen aproximadamente el mismo precio de entrada.
- ScaleDown: Classify-1 lee 30.5× más contexto (1.000.000 tokens).
- Una solicitud con 1.000 tokens de entrada y 500 de salida cuesta 0,000147 US$ con LiquidAI: d1-ultra y 0,000140 US$ con ScaleDown: Classify-1.
En detalle
LiquidAI: d1-ultra es un modelo de decisiones de LiquidAI, publicado el 15 de octubre de 2026. ScaleDown: Classify-1 es también un modelo de decisiones, creado por ScaleDown y publicado dos días antes, el 13 de octubre de 2026. Ambos pertenecen a la misma categoría, lo que significa que ambos están diseñados para devolver una decisión como salida en lugar de prosa de forma libre, y ambos se sirven a través de api14 con los ids de modelo liquid/d1-ultra y scaledown/classify-1.
La división más clara entre ellos es el contexto y el manejo de la entrada. ScaleDown: Classify-1 acepta una ventana de contexto de 1.000.000 de tokens, mientras que LiquidAI: d1-ultra acepta 32.768 tokens, por lo que el modelo de ScaleDown es el que tiene el contexto más grande por un amplio margen. En cuanto a las modalidades de entrada, d1-ultra acepta texto e imágenes, mientras que Classify-1 acepta texto, imágenes y archivos, por lo que el modelo de ScaleDown acepta un tipo adicional de entrada. Ambos producen decisiones como su única modalidad de salida. Ninguno de los modelos enumera parámetros compatibles, por lo que no hay diferencia que explotar ahí, y la comparación cualitativa no ofrece ninguna diferencia significativa en uso de herramientas, salida estructurada o razonamiento, así que no deberías asumir que uno es más fuerte que el otro en esos ejes. En cuanto al precio, los dos son más o menos iguales para la entrada, y la comparación no ofrece nada útil para el precio de salida, así que considéralos comparables en coste en lugar de elegir solo por el precio.
Para el trabajo práctico, el factor decisivo suele ser cuánto material necesitas que el modelo examine antes de decidir. Si tu tarea implica documentos largos, lotes grandes de texto o cualquier cosa que supere aproximadamente los treinta mil tokens, ScaleDown: Classify-1 es la elección natural debido a su ventana de contexto mucho más grande. Si tus entradas son cortas y además quieres entregar al modelo una imagen junto con el texto, LiquidAI: d1-ultra cubre ese caso, y es el modelo al que recurrir cuando tu pipeline está construido en torno a decisiones compactas de imagen más texto. Cuando tus entradas incluyen archivos como un tipo de entrada distinto en lugar de texto pegado o imágenes, Classify-1 es el que los acepta directamente.
Llamar a cualquiera de los dos modelos a través de api14 funciona de la misma manera, porque la pasarela expone una API compatible con OpenAI. Envías tu solicitud al mismo endpoint con la misma forma de solicitud, y lo único que cambias entre los dos es el id de modelo: usa liquid/d1-ultra para el modelo de LiquidAI y scaledown/classify-1 para el modelo de ScaleDown. Todo lo demás en tu cliente, tu autenticación y tu manejo de respuestas permanece igual, así que cambiar entre ellos es un cambio de una línea y puedes comparar sus decisiones con tus propios datos sin reescribir el código de integración.
Hay un caso en el que el modelo más pequeño sigue siendo la mejor opción aunque el otro tenga más contexto. Si tus entradas son cortas y tu tarea es imagen más texto sin archivos involucrados, LiquidAI: d1-ultra encaja en el trabajo y no necesitas la capacidad extra de Classify-1. Dado que los dos tienen aproximadamente el mismo precio de entrada, no hay penalización de coste por elegir el modelo de contexto más pequeño cuando tus entradas son pequeñas, y no hay razón para enviar más tokens de los que requiere la tarea.
Cambia con una sola cadena
Ambos modelos usan el mismo endpoint y la misma estructura de solicitud. Cambia el valor de model de "liquid/d1-ultra" a "scaledown/classify-1": los prompts, el streaming y las herramientas siguen funcionando.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.post("/decisions", { body: {
"model": "scaledown/classify-1",
"state": "Customer: I was charged twice for my order and want my money back.",
"questions": {
"team": {
"type": "choice",
"instructions": "Which team should handle this message?",
"criteria": {
"billing": "Payments, refunds, invoices",
"support": "Product questions and bugs",
"sales": "Pricing and new purchases"
}
},
"urgent": {
"type": "noul",
"instructions": "Does this need a reply today?",
"criteria": {
"true": "Money, outage or legal risk",
"false": "Can wait"
}
}
}
} });
console.log(result.answers);
Más comparativas
- LiquidAI: d1 Latest contra LiquidAI: d1-ultra Latest
- LiquidAI: d1 Latest contra Baseten: Joey 1
- LiquidAI: d1 Latest contra LiquidAI: d1.1
- LiquidAI: d1 Latest contra Morph: Reflex
- LiquidAI: d1-ultra Latest contra Baseten: Joey 1
- LiquidAI: d1-ultra Latest contra LiquidAI: d1.1
- LiquidAI: d1-ultra Latest contra Morph: Reflex
- Baseten: Joey 1 contra LiquidAI: d1.1