LiquidAI: d1 tegen Respan: Span-01
Een vergelijking naast elkaar van LiquidAI: d1 (US$ 0,07 / 1M tekstdelen (≈ € 0,06)) en Respan: Span-01 (US$ 0,07 / 1M tekstdelen (≈ € 0,06)) met actuele USD-prijzen en mogelijkheden uit de catalogus van api14. Beide werken via dezelfde OpenAI-compatibele API.
Specificaties
| LiquidAI: d1 | Respan: Span-01 | |
|---|---|---|
| Aanbieder | LiquidAI | Respan |
| Invoer | US$ 0,07 / 1M tekstdelen (≈ € 0,06) | US$ 0,07 / 1M tekstdelen (≈ € 0,06) |
| Cache lezen | US$ 0,07 / 1M tekstdelen (≈ € 0,06) | - |
| Contextvenster | 65.536 | - |
| Maximale output | 58.982 | - |
| Invoer | text, image | text |
| Uitvoer | decisions | decisions |
| tool-aanroepen | ||
| Gestructureerde output | ||
| Instelbaar redeneren | ||
| Toegevoegd | 1 okt 2026 | 26 sep 2026 |
Belangrijkste verschillen
- Beide hebben ongeveer dezelfde inputprijs.
- Een verzoek met 1.000 input- en 500 outputtokens kost US$ 0,000070 met LiquidAI: d1 en US$ 0,000070 met Respan: Span-01.
In detail
LiquidAI: d1 is een beslissingsmodel van LiquidAI, uitgebracht op 1 oktober 2026. Respan: Span-01 is een beslissingsmodel van Respan, uitgebracht op 26 september 2026. Beide vallen in dezelfde categorie, wat betekent dat ze zijn gebouwd om een beslissing als uitvoer te retourneren in plaats van vrije tekst, en beide zijn bereikbaar via dezelfde gateway. De twee providers zijn verschillende bedrijven, dus de model-id's verschillen zowel in de leveranciersprefix als in de modelnaam.
Het duidelijkste verschil tussen hen zit in de invoerverwerking. LiquidAI: d1 accepteert tekst en afbeeldingen als invoer, dus het kan naar een screenshot, een diagram of een gescande pagina kijken naast je prompt. Respan: Span-01 accepteert alleen tekst. Het contextvenster is waar de gepubliceerde feiten ophouden: LiquidAI: d1 vermeldt 65.536 tokens, terwijl Respan: Span-01 geen contextlengte publiceert, dus je moet de limiet als onbekend beschouwen en testen met je eigen payloads voordat je je vastlegt op een workflow met lange documenten. Geen van beide modellen stelt ondersteunde parameters beschikbaar, en geen van beide adverteert toolgebruik, gestructureerde uitvoer of redenering als onderscheidend kenmerk, dus op die assen is er niets dat hen scheidt. Beide geven alleen beslissingen uit, wat betekent dat geen van beide een algemeen chat- of generatiemodel is.
Voor een praktische keuze begin je met het invoertype. Als je taak het lezen van een afbeelding inhoudt, zoals het classificeren van een formulier, het controleren van een grafiek of het routeren van een screenshot, is LiquidAI: d1 de enige van de twee die die invoer überhaupt kan verwerken. Als je taak puur tekst is, zoals het triageren van een supportticket, het labelen van een bericht of het maken van een ja-of-nee-beslissing over een alinea met inhoud, zijn beide modellen kandidaten en komt de beslissing neer op prijs en op hoeveel tekst je moet invoeren. Omdat Respan: Span-01 geen contextlengte vermeldt, houd je invoer bescheiden of verifieer je het gedrag zelf voordat je iets langs stuurt. Qua prijs zijn de twee ongeveer gelijk voor invoer, dus kosten zijn waarschijnlijk niet de beslissende factor aan die kant; uitvoerprijzen zijn niet onderscheiden in de beschikbare informatie, dus controleer de live tabel op deze pagina voor de actuele cijfers.
Het aanroepen van een van beide modellen via api14 werkt op dezelfde manier, omdat de API OpenAI-compatibel is. Je richt je client op de api14-basis-URL, stuurt je verzoek naar het chat completions-endpoint met je api14-sleutel, en stelt het modelveld in. De enige verandering tussen de twee is die string: gebruik "liquid/d1" voor LiquidAI: d1 en "respan/span-01" voor Respan: Span-01. Je berichtstructuur, headers en het parsen van reacties blijven identiek, dus je kunt van model wisselen met een bewerking van één regel, of beide naast elkaar draaien op dezelfde invoer om hun beslissingen te vergelijken voordat je er een kiest.
Er is één geval waarin Respan: Span-01 de betere keuze blijft, ook al dekt LiquidAI: d1 meer invoertypes. Als je workload alleen tekst is en je het smallere, enkelvoudige-modaliteitsmodel wilt, is Span-01 een voor de hand liggende keuze, en de iets eerdere release betekent dat het al wat langer beschikbaar is. Het is ook de verstandige standaard wanneer je geen afbeeldingsinvoer nodig hebt en het verzoekoppervlak zo eenvoudig mogelijk wilt houden. Geen van beide modellen ondersteunt tools of gestructureerde-uitvoervlaggen, dus als je pipeline daarvan afhankelijk is, plan dan om het parsen aan jouw kant te regelen, ongeacht welke id je aanroept.
Wissel met één string
Beide modellen gebruiken hetzelfde endpoint en dezelfde verzoekstructuur. Verander de waarde van model van "liquid/d1" naar "respan/span-01", prompts, streaming en tools blijven werken.
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": "respan/span-01",
"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);
Meer vergelijkingen
- LiquidAI: d1 Latest tegen LiquidAI: d1-ultra Latest
- LiquidAI: d1 Latest tegen Baseten: Joey 1
- LiquidAI: d1 Latest tegen LiquidAI: d1.1
- LiquidAI: d1 Latest tegen Morph: Reflex
- LiquidAI: d1-ultra Latest tegen Baseten: Joey 1
- LiquidAI: d1-ultra Latest tegen LiquidAI: d1.1
- LiquidAI: d1-ultra Latest tegen Morph: Reflex
- Baseten: Joey 1 tegen LiquidAI: d1.1