LiquidAI: d1-ultra mot Nace.AI: Drex v2.0
En jämförelse sida vid sida av LiquidAI: d1-ultra (0,15 US$ / 1M textdelar (≈ 1,44 kr)) och Nace.AI: Drex v2.0 (0,21 US$ / 1M textdelar (≈ 2,06 kr)) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.
Specifikationer
| LiquidAI: d1-ultra | Nace.AI: Drex v2.0 | |
|---|---|---|
| Leverantör | LiquidAI | Nace.AI |
| Indata | 0,15 US$ / 1M textdelar (≈ 1,44 kr) | 0,21 US$ / 1M textdelar (≈ 2,06 kr) |
| Cacheläsning | 0,15 US$ / 1M textdelar (≈ 1,44 kr) | - |
| Kontextfönster | 32 768 | 131 072 |
| Max utdata | 29 491 | 117 964 |
| Indata | text, image | text |
| Utdata | decisions | decisions |
| Verktygsanrop | ||
| Strukturerad utdata | ||
| Styrning av resonemang | ||
| Tillagd | 15 okt. 2026 | 12 okt. 2026 |
Viktiga skillnader
- LiquidAI: d1-ultra är 30% billigare på indata-tokens.
- Nace.AI: Drex v2.0 läser 4.0× mer kontext (131 072 tokens).
- Ett anrop med 1 000 indata- och 500 utdata-tokens kostar 0,000147 US$ med LiquidAI: d1-ultra och 0,000210 US$ med Nace.AI: Drex v2.0.
Mer i detalj
LiquidAI: d1-ultra tillverkas av LiquidAI och Nace.AI: Drex v2.0 tillverkas av Nace.AI. Båda ligger i kategorin decisions, vilket innebär att deras utdata är ett beslut snarare än fri prosa, och båda släpptes inom några dagar från varandra i oktober 2026, där Drex v2.0 kom den 12 oktober och d1-ultra den 15 oktober. Ingen av modellerna exponerar några parametrar som stöds, så du kommer inte att justera samplingsinställningar på någon av dem.
Den tydligaste uppdelningen är kontext och indata. Drex v2.0 accepterar upp till 131072 tokens text, fyra gånger så mycket som d1-ultras fönster på 32768 tokens, så långa dokument, stora transkriptioner eller stora batcher av poster får plats bekvämt i Drex och kan behöva delas upp i d1-ultra. d1-ultra är mer flexibel vad gäller indata och tar både text och bilder, medan Drex v2.0 endast tar text. Båda returnerar beslut som sitt enda utdatamodalitet, och jämförelsedata markerar ingen av dem som den enda med verktygsanvändning, strukturerad utdata eller resonemang, så det finns ingen dokumenterad kapacitetsfördel där.
För en utvecklare som väljer avgör oftast indatatypen. Om din beslutsuppgift involverar skärmbilder, skannade sidor, diagram eller någon form av visuellt underlag är d1-ultra det enda alternativet av de två, eftersom Drex v2.0 inte kan se bilder. Om din uppgift endast är text men materialet är långt, till exempel ett fullständigt avtal, en lång supporttråd eller en stor logg, är Drex v2.0 det säkrare valet eftersom allt får plats i ett anrop utan att dela upp kontexten. När indata är kort text och inga bilder är inblandade kan båda modellerna utföra samma beslutsuppgift, och priset blir avgörande: d1-ultra är den billigare av de två på indata, medan jämförelsen inte visar någon meningsfull skillnad i utdatakostnad, så det är på indatasidan besparingen syns.
Att anropa någon av modellerna via api14 fungerar på samma sätt eftersom API:et är OpenAI-kompatibelt. Du pekar din befintliga klient mot api14, behåller din vanliga förfrågningsform och ställer in modellfältet till "liquid/d1-ultra" eller "nace-ai/drex-v2.0". Att växla mellan dem är en enradsändring av det modell-id:t, utan andra kodändringar, vilket gör det billigt att testa båda mot dina egna beslutsfall innan du bestämmer dig. Eftersom ingen av modellerna listar några parametrar som stöds, skicka en vanlig förfrågan och läs beslutet från svaret.
Det finns fortfarande fall där den andra modellen vinner. Om du redan har byggt runt d1-ultra för bildbaserade beslut men en viss batch endast är text och mycket lång, är Drex v2.0 det bättre valet för den batchen på grund av dess större kontext, även om du ger upp bildindata. Omvänt, om kostnaden är den främsta begränsningen och dina indata är kort text, förblir d1-ultra det billigare valet på indata.
Byt med en sträng
Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "liquid/d1-ultra" till "nace-ai/drex-v2.0", promptar, streaming och verktyg fortsätter att fungera.
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": "nace-ai/drex-v2.0",
"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);
Fler jämförelser
- LiquidAI: d1 Latest mot LiquidAI: d1-ultra Latest
- LiquidAI: d1 Latest mot Baseten: Joey 1
- LiquidAI: d1 Latest mot LiquidAI: d1.1
- LiquidAI: d1 Latest mot Morph: Reflex
- LiquidAI: d1-ultra Latest mot Baseten: Joey 1
- LiquidAI: d1-ultra Latest mot LiquidAI: d1.1
- LiquidAI: d1-ultra Latest mot Morph: Reflex
- Baseten: Joey 1 mot LiquidAI: d1.1