LiquidAI: d1-ultra 대 ScaleDown: Classify-1
api14 카탈로그의 최신 USD 가격과 기능을 바탕으로 LiquidAI: d1-ultra(US$0.15 / 100만 토큰 (≈ ₩198))와(과) ScaleDown: Classify-1(US$0.14 / 100만 토큰 (≈ ₩189))를 나란히 비교합니다. 두 모델 모두 같은 OpenAI 호환 API로 실행됩니다.
사양
| LiquidAI: d1-ultra | ScaleDown: Classify-1 | |
|---|---|---|
| 제공업체 | LiquidAI | ScaleDown |
| 입력 | US$0.15 / 100만 토큰 (≈ ₩198) | US$0.14 / 100만 토큰 (≈ ₩189) |
| 캐시 읽기 | US$0.15 / 100만 토큰 (≈ ₩198) | - |
| 컨텍스트 윈도우 | 32,768 | 1,000,000 |
| 최대 출력 | 29,491 | 900,000 |
| 입력 | text, image | text, image, file |
| 출력 | decisions | decisions |
| 도구 호출 | ||
| 구조화된 출력 | ||
| 추론 조절 | ||
| 추가일 | 2026. 10. 15. | 2026. 10. 13. |
주요 차이점
- 두 모델의 입력 가격은 거의 같습니다.
- ScaleDown: Classify-1는(은) 30.5배 더 긴 컨텍스트(1,000,000 토큰)를 읽습니다.
- 입력 1,000 토큰, 출력 500 토큰 요청의 비용은 LiquidAI: d1-ultra에서 US$0.000147, ScaleDown: Classify-1에서 US$0.000140입니다.
자세히 보기
LiquidAI: d1-ultra는 LiquidAI의 decisions 모델로, 2026년 10월 15일에 출시되었습니다. ScaleDown: Classify-1도 decisions 모델이며, ScaleDown이 만들었고 이틀 전인 2026년 10월 13일에 출시되었습니다. 둘 다 같은 카테고리에 속합니다. 즉, 둘 다 자유 형식 산문이 아니라 결정을 출력으로 반환하도록 만들어졌으며, 둘 다 api14를 통해 모델 id liquid/d1-ultra와 scaledown/classify-1로 제공됩니다.
둘 사이에서 가장 명확한 차이는 컨텍스트와 입력 처리입니다. ScaleDown: Classify-1은 1,000,000 토큰의 컨텍스트 윈도우를 허용하는 반면, LiquidAI: d1-ultra는 32,768 토큰을 허용하므로, ScaleDown 모델이 훨씬 더 큰 컨텍스트를 가진 쪽입니다. 입력 모달리티에서 d1-ultra는 텍스트와 이미지를 받는 반면, Classify-1은 텍스트, 이미지, 파일을 받으므로, ScaleDown 모델이 한 가지 입력 종류를 더 받습니다. 둘 다 결정을 유일한 출력 모달리티로 생성합니다. 어느 모델도 지원되는 파라미터를 나열하지 않으므로,そこ에서 활용할 차이는 없으며, 정성적 비교는 도구 사용, 구조화된 출력 또는 추론에서 의미 있는 차이를 제공하지 않으므로, 그러한 축에서 하나가 다른 하나보다 더 강하다고 가정해서는 안 됩니다. 가격에서 둘은 입력에 대해 거의 같고, 비교는 출력 가격에 대해 유용한 것을 제공하지 않으므로, 가격만으로 선택하기보다는 비용 면에서 비슷하다고 보아야 합니다.
실무에서는 결정적인 요인이 보통 모델이 결정을 내리기 전에 얼마나 많은 자료를 살펴봐야 하는지입니다. 작업에 긴 문서, 대량의 텍스트 또는 대략 3만 토큰을 넘어설 만한 것이 포함된다면, ScaleDown: Classify-1이 훨씬 더 큰 컨텍스트 윈도우 때문에 자연스러운 선택입니다. 입력이 짧고 텍스트와 함께 이미지도 모델에 넘기고 싶다면, LiquidAI: d1-ultra가 그 경우를 처리하며, 파이프라인이 간결한 이미지 더하기 텍스트 결정을 중심으로 구축되어 있을 때 선택할 모델입니다. 입력에 붙여넣은 텍스트나 이미지가 아니라 별도의 입력 유형으로 파일이 포함된다면, Classify-1이 그것들을 직접 받는 모델입니다.
api14를 통해 어느 모델을 호출하든 방식은 같습니다. 게이트웨이가 OpenAI 호환 API를 노출하기 때문입니다. 같은 엔드포인트에 같은 요청 형태로 요청을 보내며, 둘 사이에서 바꾸는 유일한 것은 모델 id입니다. LiquidAI 모델에는 liquid/d1-ultra를 사용하고 ScaleDown 모델에는 scaledown/classify-1을 사용합니다. 클라이언트, 인증, 응답 처리의 다른 모든 것은 그대로 유지되므로, 둘 사이를 전환하는 것은 한 줄 변경이며 통합 코드를 다시 작성하지 않고도 자체 데이터에서 두 모델의 결정을 비교할 수 있습니다.
다른 모델이 더 많은 컨텍스트를 가지고 있음에도 불구하고 더 작은 모델이 여전히 더 나은 선택인 경우가 하나 있습니다. 입력이 짧고 작업이 파일이 관련되지 않은 이미지 더하기 텍스트라면, LiquidAI: d1-ultra가 그 작업에 맞고 Classify-1의 추가 용량이 필요하지 않습니다. 둘은 입력에서 가격이 거의 같으므로, 입력이 작을 때 더 작은 컨텍스트 모델을 선택하는 데 비용 불이익이 없고, 작업이 요구하는 것보다 더 많은 토큰을 보낼 이유도 없습니다.
문자열 하나로 전환
두 모델은 같은 엔드포인트와 요청 형식을 사용합니다. model 값을 "liquid/d1-ultra"에서 "scaledown/classify-1"로 바꾸기만 하면 프롬프트, 스트리밍, 도구가 그대로 작동합니다.
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);
더 많은 비교
- LiquidAI: d1 Latest 대 LiquidAI: d1-ultra Latest
- LiquidAI: d1 Latest 대 Baseten: Joey 1
- LiquidAI: d1 Latest 대 LiquidAI: d1.1
- LiquidAI: d1 Latest 대 Morph: Reflex
- LiquidAI: d1-ultra Latest 대 Baseten: Joey 1
- LiquidAI: d1-ultra Latest 대 LiquidAI: d1.1
- LiquidAI: d1-ultra Latest 대 Morph: Reflex
- Baseten: Joey 1 대 LiquidAI: d1.1