LiquidAI: d1-ultra kontra ScaleDown: Classify-1
Porównanie LiquidAI: d1-ultra (0,15 USD / 1M tokenów (≈ 0,58 zł)) i ScaleDown: Classify-1 (0,14 USD / 1M tokenów (≈ 0,55 zł)) obok siebie na podstawie aktualnych cen w USD i możliwości z katalogu api14. Oba działają przez to samo API zgodne z OpenAI.
Specyfikacja
| LiquidAI: d1-ultra | ScaleDown: Classify-1 | |
|---|---|---|
| Dostawca | LiquidAI | ScaleDown |
| Wejście | 0,15 USD / 1M tokenów (≈ 0,58 zł) | 0,14 USD / 1M tokenów (≈ 0,55 zł) |
| Odczyt z cache | 0,15 USD / 1M tokenów (≈ 0,58 zł) | - |
| Okno kontekstu | 32 768 | 1 000 000 |
| Maks. wyjście | 29 491 | 900 000 |
| Wejście | text, image | text, image, file |
| Wyjście | decisions | decisions |
| Wywołania narzędzi | ||
| Ustrukturyzowane wyjście | ||
| Sterowanie rozumowaniem | ||
| Dodano | 15 paź 2026 | 13 paź 2026 |
Najważniejsze różnice
- Oba mają zbliżoną cenę wejścia.
- ScaleDown: Classify-1 przyjmuje 30.5× więcej kontekstu (1 000 000 tokenów).
- Żądanie z 1000 tokenów wejściowych i 500 wyjściowych kosztuje 0,000147 USD z LiquidAI: d1-ultra i 0,000140 USD z ScaleDown: Classify-1.
Szczegółowo
LiquidAI: d1-ultra to model decyzyjny od LiquidAI, wydany 15 października 2026. ScaleDown: Classify-1 to również model decyzyjny, stworzony przez ScaleDown i wydany dwa dni wcześniej, 13 października 2026. Oba należą do tej samej kategorii, co oznacza, że oba są zbudowane tak, aby zwracać decyzję jako wynik zamiast swobodnej prozy, i oba są udostępniane przez api14 pod identyfikatorami modeli liquid/d1-ultra i scaledown/classify-1.
Najwyraźniejsza różnica między nimi dotyczy kontekstu i obsługi danych wejściowych. ScaleDown: Classify-1 akceptuje okno kontekstu o rozmiarze 1 000 000 tokenów, podczas gdy LiquidAI: d1-ultra akceptuje 32 768 tokenów, więc to model ScaleDown ma znacznie większy kontekst. Jeśli chodzi o modalności wejściowe, d1-ultra przyjmuje tekst i obrazy, natomiast Classify-1 przyjmuje tekst, obrazy i pliki, więc model ScaleDown akceptuje jeden dodatkowy rodzaj danych wejściowych. Oba zwracają decyzje jako jedyną modalność wyjściową. Żaden z modeli nie wymienia żadnych obsługiwanych parametrów, więc nie ma tam różnicy do wykorzystania, a porównanie jakościowe nie wskazuje istotnej różnicy w zakresie użycia narzędzi, ustrukturyzowanych danych wyjściowych ani rozumowania, więc nie należy zakładać, że jeden jest silniejszy od drugiego w tych aspektach. Jeśli chodzi o cenę, oba są w przybliżeniu takie same dla danych wejściowych, a porównanie nie daje nic użytecznego dla cen danych wyjściowych, więc traktuj je jako porównywalne pod względem kosztu, zamiast wybierać wyłącznie na podstawie ceny.
W praktycznej pracy czynnikiem decydującym jest zwykle to, ile materiału model musi przejrzeć przed podjęciem decyzji. Jeśli Twoje zadanie obejmuje długie dokumenty, duże partie tekstu lub cokolwiek, co przekroczyłoby około trzydziestu tysięcy tokenów, ScaleDown: Classify-1 jest naturalnym wyborem ze względu na znacznie większe okno kontekstu. Jeśli dane wejściowe są krótkie i chcesz dodatkowo przekazać modelowi obraz obok tekstu, LiquidAI: d1-ultra obsługuje taki przypadek i to po niego należy sięgnąć, gdy Twój potok jest zbudowany wokół zwięzłych decyzji opartych na obrazie i tekście. Gdy dane wejściowe obejmują pliki jako odrębny typ danych wejściowych, a nie wklejony tekst lub obrazy, to Classify-1 przyjmuje je bezpośrednio.
Wywoływanie któregokolwiek z modeli przez api14 działa w ten sam sposób, ponieważ brama udostępnia API zgodne z OpenAI. Wysyłasz żądanie do tego samego punktu końcowego z tym samym kształtem żądania, a jedyne, co zmieniasz między nimi, to identyfikator modelu: użyj liquid/d1-ultra dla modelu LiquidAI i scaledown/classify-1 dla modelu ScaleDown. Wszystko inne w Twoim kliencie, uwierzytelnianie i obsługa odpowiedzi pozostają bez zmian, więc przełączanie między nimi to zmiana jednej linii i możesz porównać ich decyzje na własnych danych bez przepisywania kodu integracji.
Istnieje jeden przypadek, w którym mniejszy model nadal jest lepszym wyborem, mimo że drugi ma większy kontekst. Jeśli dane wejściowe są krótkie, a zadanie polega na obrazie i tekście bez udziału plików, LiquidAI: d1-ultra pasuje do zadania i nie potrzebujesz dodatkowej pojemności Classify-1. Ponieważ oba mają w przybliżeniu tę samą cenę za dane wejściowe, nie ma kary kosztowej za wybór modelu z mniejszym kontekstem, gdy dane wejściowe są małe, ani powodu, by wysyłać więcej tokenów, niż wymaga zadanie.
Zmień jednym ciągiem znaków
Oba modele używają tego samego endpointu i tej samej struktury żądania. Zmień wartość model z "liquid/d1-ultra" na "scaledown/classify-1", prompty, streaming i narzędzia działają dalej.
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);
Więcej porównań
- LiquidAI: d1 Latest kontra LiquidAI: d1-ultra Latest
- LiquidAI: d1 Latest kontra Baseten: Joey 1
- LiquidAI: d1 Latest kontra LiquidAI: d1.1
- LiquidAI: d1 Latest kontra Morph: Reflex
- LiquidAI: d1-ultra Latest kontra Baseten: Joey 1
- LiquidAI: d1-ultra Latest kontra LiquidAI: d1.1
- LiquidAI: d1-ultra Latest kontra Morph: Reflex
- Baseten: Joey 1 kontra LiquidAI: d1.1