LiquidAI: d1 to model decyzyjny od LiquidAI, wydany 1 pazdziernika 2026. Nace.AI: Drex v2.0 to model decyzyjny od Nace.AI, wydany 12 pazdziernika 2026. Oba naleza do tej samej kategorii, co oznacza, ze sa zbudowane tak, aby zwracac decyzje jako wynik, a nie swobodna proze, i oba sa udostepniane przez api14 obok siebie. Ci dwaj dostawcy to odrebne firmy, wiec wybor miedzy nimi jest wyborem miedzy dwoma dostawcami tak samo jak miedzy dwoma identyfikatorami modeli.
Najwyrazniejsza roznica to okno kontekstu. Drex v2.0 przyjmuje do 131072 tokenow, dwa razy wiecej niz 65536 tokenow, ktore przyjmuje d1, wiec moze pomiescic w przyblizeniu dwukrotnie wieksze dane wejsciowe w jednym wywolaniu. Inna roznica to modalnosc wejscia. d1 przyjmuje zarowno tekst, jak i obrazy, podczas gdy Drex v2.0 przyjmuje tylko tekst. Na wyjsciu oba sa takie same: oba zwracaja decyzje i zadne z nich nie wymienia zadnych obslugiwanych parametrow, wiec nie mozesz dostrajac zachowania probkowania ani podobnych ustawien poprzez cialo zadania w zadnym z nich. Porownanie jakosciowe wskazuje d1 jako tansza strone wejsciowa, podczas gdy ceny wyjscia nie roznia sie istotnie miedzy nimi, wiec strona wejsciowa jest miejscem, gdzie d1 ma przewage kosztowa.
Przy praktycznym wyborze zacznij od tego, co podajesz modelowi. Jesli twoje dane wejsciowe zawieraja obrazy, takie jak zrzuty ekranu, zeskanowane formularze lub diagramy, ktore model musi odczytac przed podjeciem decyzji, d1 jest jedynym z dwoch, ktory w ogole moze przyjac takie dane wejsciowe, wiec jest domyslnym wyborem. Jesli twoje dane wejsciowe to dlugi tekst, taki jak duzy dokument polityki, dlugi transkrypt lub duza partia rekordow, ktore trzeba rozwazyc razem, Drex v2.0 jest lepszym dopasowaniem, poniewaz jego okno kontekstu jest dwukrotnie wieksze, a d1 zmusilby cie do obciecia lub podzielenia pracy. Jesli twoje dane wejsciowe to krotki lub umiarkowany tekst bez obrazow, oba moga sobie z tym poradzic, a tansza strona wejsciowa d1 czyni go rozsadnym pierwszym wyborem, z Drex v2.0 jako opcja zapasowa, gdy prompt wzrosnie ponad to, co d1 moze pomiescic.
Wywolanie kazdego z tych modeli dziala tak samo, poniewaz api14 udostepnia API zgodne z OpenAI. Kierujesz swojego istniejacego klienta OpenAI na bazowy URL api14, zachowujesz swoj zwykly ksztalt zadania i ustawiasz pole model na identyfikator, ktorego chcesz uzyc. Uzyj "liquid/d1" dla modelu LiquidAI i "nace-ai/drex-v2.0" dla modelu Nace.AI. Wszystko inne w zadaniu pozostaje bez zmian, wiec przelaczanie miedzy nimi to zmiana identyfikatora modelu w jednej linii, co czyni tanie testowanie obu na wlasnych danych wejsciowych przed podjeciem decyzji. Poniewaz zaden model nie wymienia obslugiwanych parametrow, ogranicz cialo zadania do pol, ktore oba przyjmuja, i unikaj wysylania opcji dostrajania, ktore nie beda mialy zastosowania.
Jest jeden przypadek, w ktorym Drex v2.0 wygrywa nawet przy pracy tylko z tekstem: gdy zadanie naprawde wymaga wiekszego okna, a podzielenie danych wejsciowych straciloby kontekst istotny dla decyzji. Jedno wywolanie na dlugim dokumencie moze byc bardziej niezawodne niz kilka wywolan na fragmentach, ktorych decyzje trzeba potem uzgodnic, i wlasnie tam podwojony kontekst zasluguje na swoje miejsce. Odwrotnie, jesli obrazy sa czescia danych wejsciowych, d1 pozostaje jedyna opcja niezaleznie od dlugosci.