LiquidAI: d1

LiquidAI d1 adalah model keputusan terstruktur dari Liquid AI. Model ini terdaftar di api14 dengan model id liquid/d1 dan provider LiquidAI, serta kategori utamanya adalah decisions. Alih-alih menghasilkan prosa bebas, d1 dibangun untuk membuat pilihan, yang menjadikannya jenis alat yang berbeda dari model chat atau penulisan umum. Jika aplikasi Anda membutuhkan model untuk memilih opsi, memberikan skor, atau menjawab ya atau tidak, itulah peran yang dirancang untuk diisi oleh d1.

Model ini menerima teks sebagai input dan mengembalikan keputusan sebagai output. Context window-nya adalah 65536 token, dan output maksimumnya adalah 58982 token. Provider mendeskripsikan d1 sebagai model keputusan terstruktur yang disajikan sebagai endpoint System One: Anda mengirim state beserta pertanyaan bertipe, dan model mengembalikan pilihan, skor, atau jawaban ya/tidak. Kerangka itu penting saat Anda merencanakan integrasi, karena respons yang Anda terima dimaksudkan untuk dikonsumsi oleh kode, bukan dibaca sebagai teks percakapan.

Use case praktisnya mengikuti langsung dari bentuk tersebut. Di mana pun sebuah sistem harus mengevaluasi state dan menetapkan jawaban, d1 dapat berperan sebagai langkah keputusan: merutekan permintaan ke salah satu dari beberapa jalur, menilai suatu item terhadap kriteria yang Anda berikan, atau mengembalikan boolean untuk gate atau filter. Karena input-nya adalah teks dan output-nya adalah keputusan, model ini secara alami cocok dalam pipeline di mana komponen hulu menyusun konteks dan komponen hilir bertindak berdasarkan hasilnya. Model ini tidak diposisikan sebagai generator penjelasan panjang, jadi perlakukan sebagai komponen yang memutuskan, bukan yang menceritakan.

Anda dapat memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id liquid/d1. Karena endpoint ini mengikuti format OpenAI chat completions, klien dan SDK yang ada dapat bekerja tanpa penanganan khusus. Satu hal yang perlu diperiksa sebelum Anda membangun: d1 tidak mencantumkan parameter permintaan yang didukung, jadi jangan berasumsi bahwa kontrol sampling atau opsi serupa akan berpengaruh. Kirim state dan pertanyaan bertipe Anda dalam permintaan, lalu baca keputusan dari respons.

Batasan utama yang perlu diingat adalah context window 65536 token. Jika tugas Anda bergantung pada input yang sangat panjang, rencanakan cara Anda menyesuaikannya, karena state dan pertanyaan keduanya menggunakan anggaran tersebut. Dan jika yang sebenarnya Anda butuhkan adalah pembuatan teks, peringkasan, atau percakapan terbuka, model dalam kategori berbeda akan lebih cocok daripada d1. Pilih d1 ketika hal yang Anda inginkan kembali adalah sebuah keputusan.