Liquid AI d1 API: 호스팅과 로컬 배포

분류, 예·아니요 판단, 점수 산정이 필요한 앱이라면 Liquid AI d1을 평가할 만합니다. 호스팅 d1 API는 입력 100만 토큰당 0.04미국 달러이며 출력 토큰을 생성하지 않습니다. 로컬용 d1-3B는 텍스트와 이미지를, 더 작은 실험 모델 d1-omni-600M은 음성까지 처리합니다. 같은 제품군이라는 이유만으로 품질이 같다고 볼 수는 없습니다.

모델 서버를 운영하지 않고 흐름을 검증하려면 API부터 시작할 수 있습니다. 오프라인 실행, 데이터 이동 통제, 기기 지연 시간이 중요하면 공개 가중치를 검토합니다. 이 정도 API 단가에서는 토큰 비용 절감만으로 직접 운영할 이유가 충분하지 않을 수 있습니다.

d1이 처리하는 작업

Liquid는 10월 5일 호스팅 모델을, 2026년 10월 7일 공개 가중치를 발표했습니다. 답을 토큰 단위로 작성하는 대신 한 번의 순전파로 정해진 형식의 판단을 반환합니다.

• noul: 환불 요청 여부처럼 ‘예’일 확률을 반환합니다.
• choice: 미리 정한 범주 중 하나와 각 선택지의 확률을 반환합니다.
• score: 미리 정한 순서형 척도에서 확률로 가중한 점수를 반환합니다.

지원 티켓 라우팅, 검색 결과 재정렬, 텍스트·이미지 확인에 적합합니다. 코드, 요약, 자연어 설명을 작성하려면 생성 모델이 필요합니다. 공식 마이그레이션 안내도 이 경계를 구분합니다. 다른 결정 API의 별도 연동 규격은 Jev 가이드에서 확인할 수 있습니다.

세 가지 배포 방식 비교

600M 모델 카드에는 중요한 제한이 있습니다. 요청 하나에는 이미지 또는 음성만 넣을 수 있으며 둘을 동시에 넣을 수 없습니다. 이미지 사용 시 상태와 질문 텍스트는 896토큰으로 잘립니다. 음성은 16 kHz 모노, 최대 30초이며 영어 화자와 어시스턴트 사이의 요청으로 훈련했습니다. 한국어를 포함한 다국어 음성 정확도를 입증한 것이 아니며 전사 서비스도 아닙니다.

Liquid가 공개한 Decision Index 0.2.1 점수는 d1-3B 48.57, d1-omni-600M 15.95입니다. 공식 채점기를 사용했지만 순위표에 제출한 결과는 아닙니다. 품질을 우선할 때 큰 모델부터 평가할 근거는 되지만, 모든 분류 작업의 우위나 호스팅 d1과의 동등성을 보여주지는 않습니다.

0.04달러 요금의 실제 계산 방식

출시 발표의 평가 방법은 입력 100만 토큰당 이 단가를 사용합니다. API 문서에 따르면 질문마다 해당 텍스트와 전달한 모든 이미지를 과금합니다. 여러 질문을 HTTP 요청 하나로 묶어도 공통 입력을 한 번만 과금하는 것은 아닙니다.

10만 건의 요청, 질문마다 과금 토큰 1,000개를 가정하면 다음과 같습니다.

• 요청당 질문 하나: 100,000 × 1,000 ÷ 1,000,000 × 0.04달러 = 4미국 달러.
• 요청당 질문 세 개, 각 1,000토큰: 12미국 달러.

세금과 기타 요금을 제외한 토큰 비용입니다. 질문 길이와 재시도로 합계가 달라지므로 usage.input_tokens를 확인해야 합니다. JSON 응답을 반환해도 usage.output_tokens는 0입니다.

이미지 한 장이 질문마다 추가하는 토큰은 ceil(ceil(width / 32) × ceil(height / 32) × 1.5)입니다. 1024 × 1024 이미지는 1,536토큰, 0.00006144미국 달러이며 텍스트 비용은 별도입니다. 세 질문이면 이미지 부분만 4,608토큰입니다. 이미지 이해 비용이며 이미지 생성 가격이나 OmniaKey 요금이 아닙니다.

로컬 배포가 더 저렴할까

월 비용에는 하드웨어 감가상각이나 임대료, 전력, 개발 시간, 모니터링, 해당 라이선스, 잘못된 판단의 처리 비용을 넣어야 합니다. 무료로 가중치를 받는다고 운영까지 무료는 아닙니다.

월 50미국 달러라는 가상의 로컬 비용은 호스팅 입력 12.5억 토큰과 같습니다. 계산식은 50 ÷ 0.04 × 1,000,000입니다. 요청당 1,000토큰이면 125만 건입니다. 하드웨어 견적이나 두 모델의 품질이 같다는 증거가 아닌 비용 계산 예시입니다.

오프라인 동작, 데이터 통제, 기기 지연이 핵심이면 더 적은 사용량에서도 로컬을 선택할 수 있습니다. 총 운영비 ÷ 검수를 통과한 판단 수를 비교하고 오류와 사람의 검토 횟수도 기록하세요.

라이선스와 하드웨어 확인

두 저장소는 LFM Open License v1.0을 사용합니다. 라이선스 안내는 연 매출 1,000만 미국 달러 미만의 무료 상업 이용과 기준을 넘는 경우 별도 상업 라이선스를 설명합니다. 정확히 경계에 해당하면 원문을 기준으로 Liquid에 자격을 확인해야 합니다. 재배포 시 라이선스, 저작자 표시, 해당 NOTICE, 수정 파일 표시 의무가 있으며 후속 상업 이용자도 자체 자격을 검토해야 합니다. d1-3B와 600M의 원문이 기준이며, 제한 없는 Apache-2.0과 같지 않습니다.

매개변수 수에 2바이트를 곱하면 16비트 가중치만 약 6.24 GB와 1.174 GB입니다. 십진 단위 계산이며 최소 RAM·VRAM 요구량이 아닙니다. 실행 버퍼, 활성값, 미디어 처리, 배치가 메모리를 더 사용합니다. 양자화는 크기와 품질 모두에 영향을 줄 수 있습니다.

3B 모델 카드의 예열 후 단일 질문 수치는 RTX 4090 8 ms, Apple M5 Pro 30 ms입니다. 3.4K토큰 상태에서는 102 ms와 640 ms로 늘어납니다. RTX 수치는 컴파일을 사용합니다. 특정 입력에 대한 공급사 측정이며 콜드 스타트나 API 지연 보장이 아닙니다. 실험 모델 600M의 추론 시간은 공개하지 않았습니다.

API 호출과 로컬 실행

호스팅 주소는 **POST /decisions/v1/systemone**이며 Chat Completions와 스키마가 다릅니다. Liquid 콘솔에서 만든 키를 LIQUID_API_KEY에 설정합니다. 공통 예시는 영어 지원 요청을 유지하며 실행하면 과금 호출이 발생합니다.

curl --fail-with-body https://api.liquid.ai/decisions/v1/systemone \
  -H "Authorization: Bearer $LIQUID_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "d1",
    "state": "Please refund the duplicate charge.",
    "questions": {
      "refund": {"type": "noul", "instructions": "Is a refund requested?"}
    }
  }'

answers.refund.noul에서 확률을 읽고 업무의 정답 라벨이 있는 예제로 임계값을 정하세요. 이미지는 원격 URL 대신 Base64 데이터로 전달합니다.

로컬에는 d1을 지원하는 최신 llama.cpp 빌드가 필요합니다. 공식 GGUF 절차로 서버를 시작합니다.

llama-server -hf LiquidAI/d1-3B-GGUF:Q8_0

다른 터미널에서 로컬 주소를 호출합니다.

curl --fail-with-body http://127.0.0.1:8080/v1/systemone \
  -H "Content-Type: application/json" \
  -d '{
    "state": "Please refund the duplicate charge.",
    "questions": {
      "refund": {"type": "noul", "instructions": "Is a refund requested?"}
    }
  }'

작은 모델을 평가하려면 기존 서버를 중지하고 600M 절차를 사용합니다.

llama-server -hf LiquidAI/d1-omni-600M-GGUF:Q8_0 -b 4096 -ub 4096

배치 크기는 질문 전체를 담아야 하며 긴 상태는 모델 카드에 따라 최대 16,384까지 늘립니다. 명령은 문서와 대조했으며 이 리뷰에서 추론을 실행하지 않았습니다. 모델, 양자화, 실행 엔진 버전을 기록하세요.

무엇부터 평가할까

연결된 서비스의 사용량이 작거나 불확실하면 호스팅 d1이 실용적인 출발점입니다. 로컬 텍스트·이미지 판단은 공개 비교를 근거로 d1-3B부터 평가할 수 있습니다. 음성이나 작은 크기가 중요하고 실험판의 제한을 받아들일 수 있으면 d1-omni-600M을 별도로 평가하세요.

모든 후보에 같은 라벨 데이터, 범주 정의, 합격 기준을 적용합니다. 잘못된 라우팅, 누락, p95 지연, 최대 메모리, 사람이나 다른 모델로 넘기는 빈도를 측정하세요. 확률 형태의 출력만으로 새 언어나 데이터에서도 정확하다고 볼 수 없으므로 보정 상태도 확인해야 합니다.

OmniaKey 모델 카탈로그는 현재 게이트웨이 모델과 가격을 보여줍니다. 이 글은 Liquid 공식 API와 로컬 옵션을 확인한 것이며 OmniaKey의 d1 지원을 의미하지 않습니다. 판단 이후의 생성 작업은 카탈로그 모델을 따로 비교할 수 있습니다.