LiquidAI: d1-ultra mot ScaleDown: Classify-1
En jämförelse sida vid sida av LiquidAI: d1-ultra (0,15 US$ / 1M textdelar (≈ 1,44 kr)) och ScaleDown: Classify-1 (0,14 US$ / 1M textdelar (≈ 1,37 kr)) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.
Specifikationer
| LiquidAI: d1-ultra | ScaleDown: Classify-1 | |
|---|---|---|
| Leverantör | LiquidAI | ScaleDown |
| Indata | 0,15 US$ / 1M textdelar (≈ 1,44 kr) | 0,14 US$ / 1M textdelar (≈ 1,37 kr) |
| Cacheläsning | 0,15 US$ / 1M textdelar (≈ 1,44 kr) | - |
| Kontextfönster | 32 768 | 1 000 000 |
| Max utdata | 29 491 | 900 000 |
| Indata | text, image | text, image, file |
| Utdata | decisions | decisions |
| Verktygsanrop | ||
| Strukturerad utdata | ||
| Styrning av resonemang | ||
| Tillagd | 15 okt. 2026 | 13 okt. 2026 |
Viktiga skillnader
- Båda har ungefär samma indatapris.
- ScaleDown: Classify-1 läser 30.5× mer kontext (1 000 000 tokens).
- Ett anrop med 1 000 indata- och 500 utdata-tokens kostar 0,000147 US$ med LiquidAI: d1-ultra och 0,000140 US$ med ScaleDown: Classify-1.
Mer i detalj
LiquidAI: d1-ultra är en beslutsmodell från LiquidAI, släppt den 15 oktober 2026. ScaleDown: Classify-1 är också en beslutsmodell, gjord av ScaleDown och släppt två dagar tidigare, den 13 oktober 2026. Båda tillhör samma kategori, vilket innebär att båda är byggda för att returnera ett beslut som sin utdata snarare än fri prosa, och båda tillhandahålls via api14 under modell-id:na liquid/d1-ultra och scaledown/classify-1.
Den tydligaste skillnaden mellan dem är kontext och indatahantering. ScaleDown: Classify-1 accepterar ett kontextfönster på 1 000 000 tokens, medan LiquidAI: d1-ultra accepterar 32 768 tokens, så ScaleDown-modellen är den med den klart större kontexten. När det gäller indatamodaliteter tar d1-ultra text och bilder, medan Classify-1 tar text, bilder och filer, så ScaleDown-modellen accepterar en extra typ av indata. Båda producerar beslut som sin enda utdatamodalitet. Ingen av modellerna listar några stödda parametrar, så det finns ingen skillnad att utnyttja där, och den kvalitativa jämförelsen visar ingen meningsfull skillnad när det gäller verktygsanvändning, strukturerad utdata eller resonemang, så du bör inte anta att den ena är starkare än den andra på dessa axlar. När det gäller pris ligger de två ungefär lika för indata, och jämförelsen ger inget användbart för utdatapriser, så behandla dem som jämförbara i kostnad snarare än att välja enbart utifrån pris.
För praktiskt arbete är den avgörande faktorn vanligtvis hur mycket material du behöver att modellen tittar på innan den beslutar. Om din uppgift involverar långa dokument, stora textbatcher eller något som skulle spränga gränsen på ungefär trettiotusen tokens, är ScaleDown: Classify-1 det naturliga valet på grund av sitt mycket större kontextfönster. Om dina indata är korta och du dessutom vill ge modellen en bild tillsammans med text, täcker LiquidAI: d1-ultra det fallet, och det är modellen att ta till när din pipeline är byggd kring kompakta beslut baserade på bild plus text. När dina indata innehåller filer som en distinkt indatatyp snarare än inklistrad text eller bilder, är Classify-1 den som accepterar dem direkt.
Att anropa endera modellen via api14 fungerar på samma sätt, eftersom gatewayen exponerar ett OpenAI-kompatibelt API. Du skickar din begäran till samma endpoint med samma begäransform, och det enda du ändrar mellan de två är modell-id:t: använd liquid/d1-ultra för LiquidAI-modellen och scaledown/classify-1 för ScaleDown-modellen. Allt annat i din klient, din autentisering och din svarshantering förblir som det är, så att byta mellan dem är en ändring på en rad och du kan jämföra deras beslut på dina egna data utan att skriva om integrationskod.
Det finns ett fall där den mindre modellen fortfarande är det bättre valet även om den andra har mer kontext. Om dina indata är korta och din uppgift är bild plus text utan filer inblandade, passar LiquidAI: d1-ultra för jobbet och du behöver inte den extra kapaciteten hos Classify-1. Eftersom de två ligger ungefär på samma pris för indata finns det ingen kostnadsnackdel med att välja den mindre kontextmodellen när dina indata är små, och ingen anledning att skicka fler tokens än uppgiften kräver.
Byt med en sträng
Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "liquid/d1-ultra" till "scaledown/classify-1", 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": "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);
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