LiquidAI: d1-ultra

LiquidAI: d1-ultra är en modell från LiquidAI, och det är den största beslutsmodellen som leverantören erbjuder. Den tillhör kategorin decisions snarare än den allmänna chat-kategorin, vilket säger vad den är till för: i stället för att producera konverserande prosa är den byggd för att returnera ett val. Den tillhandahålls som en System One-endpoint, så du bör se den som en komponent du anropar för att fatta ett beslut inuti ett större system, inte som en assistent du pratar med.

Modellen tar text och bilder som indata, och dess utdatamodalitet är decisions. Du skickar ett tillstånd som består av text och bilder tillsammans med typade frågor, och den returnerar ett val. Kontextfönstret är 32 768 tokens, och maximal utdata är 29 491 tokens. Eftersom indata är typade frågor över ett tillstånd är modellen utformad kring strukturerade anrop snarare än öppen promptning, och bilderna du inkluderar utgör en del av det tillstånd som beslutet fattas från.

De praktiska användningsområdena följer av den formen. Varhelst du har en situation som kan beskrivas i text och bilder och en uppsättning kandidatsvar kan d1-ultra välja ett. Det täcker klassificerings- och routinguppgifter, triage av inkommande förfrågningar eller ärenden, val av en åtgärd från en fast uppsättning alternativ, och bedömning av visuell indata såsom skärmbilder eller foton mot en fråga du anger. Den passar också pipelines där ett senare steg behöver ett enda beslut snarare än ett stycke förklaring, eftersom utdata är ett beslut och inte fritext.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "liquid/d1-ultra". Eftersom endpointen följer OpenAI:s begärandeformat kan du använda dina befintliga OpenAI-klientbibliotek och peka dem mot api14. Modellen listar inga stödda parametrar, så räkna med att skicka modell-id:t och din indata, och förlita dig inte på att samplingskontroller såsom temperature eller top_p accepteras. Kontrollera den aktuella pristabellen på denna sida för gällande priser innan du binder dig till en pipeline med hög volym.

En begränsning att ha i åtanke är kontextfönstret på 32 768 tokens, som måste rymma både din text och eventuella bilder du inkluderar, så mycket stora tillstånd behöver trimmas eller delas upp. Utdata är ett beslut, så om du behöver genererad prosa, sammanfattningar eller förklaringar passar en textgenereringsmodell bättre. Det finns inte heller någon parameteryta att justera, så om din applikation är beroende av att styra slumpmässighet eller längd via begärandeparametrar kommer denna modell inte att ge dig den möjligheten.