Liquid AI d1 API: bulut mu, yerel mi?

Uygulamanız bir kategori, evet/hayır kararı veya puan bekliyorsa Liquid AI d1 değerlendirilmeye değer. Bulutta sunulan d1 API, milyon girdi tokenı başına 0,04 ABD doları tutarında ve çıktı tokenı üretmiyor. Yerel kullanımda d1-3B metin ve görüntü işliyor; daha küçük ve deneysel d1-omni-600M konuşmayı da destekliyor. Aynı model ailesinde olmak, aynı kaliteyi sağladıkları anlamına gelmiyor.

Model sunucusu işletmeden iş akışını doğrulamak için API ile başlayabilirsiniz. Çevrimdışı çalışma, veri akışını kontrol etme veya cihazdaki gecikme önemliyse açık ağırlıkları değerlendirin. Bu API fiyatında yalnızca token tasarrufu, kendi sunucunuzu işletmenin maliyetini karşılamayabilir.

d1 ne yapar?

Liquid, bulut modelini 5 Ekim'de, açık ağırlıkları 7 Ekim 2026'da duyurdu. Model, yanıtı token token yazmak yerine tek ileri geçişte belirli bir türde karar döndürüyor:

• noul: destek talebinde iade istenip istenmediği gibi bir soruya “evet” olasılığı.
• choice: önceden tanımlanan kategorilerden seçim ve seçeneklerin olasılıkları.
• score: tanımladığınız sıralı ölçekte olasılıklarla ağırlıklandırılmış puan.

Destek taleplerini yönlendirme, arama sonuçlarını yeniden sıralama ve metin ya da görüntü kontrolü bu yapıya uygundur. Kod, özet veya serbest metin açıklaması üretmek için üretken model gerekir. Geçiş rehberi bu ayrımı açıklar. Farklı bir karar API'sinin kendi bağlantı sözleşmesi için Jev rehberimize bakabilirsiniz.

Üç seçenek arasındaki farklar

600M model kartı önemli sınırlar koyuyor: bir istekte görüntü veya ses bulunabilir, ikisi birlikte bulunamaz. Görüntü kullanıldığında durum ve soru metni 896 tokena kesilir. Ses 16 kHz mono ve en fazla 30 saniye olmalıdır; eğitim, İngilizce konuşan kişi ile asistan arasındaki taleplere dayanır. Bu, Türkçe konuşma doğruluğunu kanıtlamaz ve bir ses dökümü hizmeti değildir.

Liquid, Decision Index 0.2.1 için d1-3B'de 48,57, d1-omni-600M'de 15,95 bildiriyor. Resmî puanlayıcı kullanılmış, sonuçlar sıralama tablosuna gönderilmemiştir. Bu sağlayıcı verileri kalite önceliğinde büyük modeli önce denemeyi destekler; her görevde üstünlüğü veya bulut d1 ile eşdeğerliği kanıtlamaz.

0,04 dolarlık fiyat nasıl hesaplanır?

Duyurunun yöntem bölümü, milyon girdi tokenı başına bu fiyatı kullanıyor. API belgelerine göre her soru kendi metni ve gönderilen tüm görüntüler için ücretlendirilir. Birden çok soruyu tek HTTP isteğinde toplamak ortak girdinin yalnızca bir kez ücretlendirildiği anlamına gelmez.

100.000 istek ve soru başına 1.000 faturalandırılan token varsayalım:

• İstek başına bir soru: 100.000 × 1.000 ÷ 1.000.000 × 0,04 dolar = 4 ABD doları.
• Her biri 1.000 token olan üç soru: 12 ABD doları.

Hesaplar vergi ve diğer ücretleri içermez. Soru uzunluğu ve tekrar denemeleri toplamı değiştirir. usage.input_tokens değerini izleyin; JSON yanıtına rağmen usage.output_tokens sıfır kalır.

Görüntü başına ve soru başına token sayısı ceil(ceil(width / 32) × ceil(height / 32) × 1.5) olur. 1024 × 1024 görüntü 1.536 token, yani metin hariç 0,00006144 ABD doları ekler. Üç soru, 4.608 görüntü tokenı eder. Bu görüntü anlama maliyetidir; görüntü üretim fiyatı veya OmniaKey teklifi değildir.

Yerel çalıştırma ne zaman mantıklı?

Donanım amortismanı veya kirası, elektrik, mühendislik zamanı, izleme, geçerli lisans ücretleri ve hatalı kararları düzeltme maliyetini dahil edin. Ağırlıkları ücretsiz indirmek işletim giderlerini ortadan kaldırmaz.

Tamamen varsayımsal aylık 50 ABD doları yerel maliyet, API fiyatıyla 1,25 milyar girdi tokenına eşittir: 50 ÷ 0,04 × 1.000.000. İstek başına 1.000 tokenla 1,25 milyon istek eder. Bu bir maliyet hesabıdır; donanım fiyatı ya da modellerin eşit kalitede olduğunun kanıtı değildir.

Çevrimdışı çalışma, veri kontrolü veya gecikme gereksinimi daha düşük hacimde de yerel kullanımı haklı çıkarabilir. Kabul edilen karar başına toplam maliyeti karşılaştırın; hataları ve insan incelemelerini ayrıca kaydedin.

Lisans ve donanım gereksinimleri

Her iki depo LFM Open License v1.0 kullanıyor. Lisans rehberi, yıllık geliri 10 milyon ABD dolarının altında olanlar için ücretsiz ticari kullanım, üstünde olanlar için ayrı ticari lisans açıklıyor. Tam eşik değerindeki uygunluğu lisans metnine göre Liquid ile doğrulayın. Yeniden dağıtımda lisans, atıflar, varsa NOTICE ve değiştirilen dosyaların belirtilmesi gerekir. Sonraki ticari kullanıcılar da kendi uygunluklarını kontrol etmelidir. d1-3B ve 600M lisanslarını okuyun; açık ağırlıklar, kısıtsız Apache-2.0 demek değildir.

Parametre sayısı × iki bayt, yalnızca 16 bit ağırlıklar için ondalık birimlerle yaklaşık 6,24 GB ve 1,174 GB verir. Bunlar asgari RAM veya VRAM gereksinimleri değildir. Çalışma tamponları, aktivasyonlar, medya işleme ve gruplama ek bellek kullanır. Nicemleme boyutu ve kaliteyi değiştirebilir.

3B model kartı, ısınmış tek soruda RTX 4090 için 8 ms, Apple M5 Pro için 30 ms bildiriyor. 3,4K tokenlık durumda süreler 102 ve 640 ms oluyor. RTX ölçümünde derleme kullanılıyor. Bunlar belirli girdilerle alınmış sağlayıcı ölçümleri; soğuk başlangıç süresi veya API gecikme garantisi değil. Deneysel 600M için çıkarım süreleri yayımlanmıyor.

API çağrısı ve yerel sunucu

Bulut uç noktası POST /decisions/v1/systemone; şeması Chat Completions'tan farklıdır. Liquid konsolundan oluşturulan anahtarı LIQUID_API_KEY değişkenine koyun. Ortak örnekte İngilizce destek isteği korunmuştur; çalıştırılması ücretli çağrı yapar:

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?"}
    }
  }'

Olasılığı answers.refund.noul alanından okuyun. Karar eşiğini kendi etiketli örneklerinizle belirleyin. Görüntüler uzak URL yerine Base64 verisi olarak gönderilir.

Yerelde d1 destekli güncel llama.cpp gerekir. Resmî GGUF tarifi sunucuyu şöyle başlatır:

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

İkinci terminalden çağrı yapın:

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?"}
    }
  }'

Küçük model için önce sunucuyu durdurun, ardından 600M tarifini kullanın:

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

Grup boyutları sorunun tamamını almalıdır; model kartı uzun durumlar için 16.384'e kadar artırmayı belirtir. Komutlar belgelerle karşılaştırıldı, çıkarım çalıştırılmadı. Model, nicemleme ve çalışma ortamı sürümünü kaydedin.

Önce hangisini değerlendirmeli?

Bağlantılı, hacmi düşük veya belirsiz hizmetlerde bulut d1 pratik bir başlangıçtır. Yayımlanan karşılaştırmalara göre yerel metin ve görüntü için ilk aday d1-3B olabilir. Ses veya küçük boyut önemliyse ve deneysel sınırlar kabul edilebiliyorsa d1-omni-600M ayrı değerlendirilmelidir.

Aynı etiketli görevleri, kategorileri ve kabul kurallarını kullanın. Yanlış yönlendirmeleri, kaçırılan durumları, p95 gecikmesini, en yüksek bellek kullanımını ve insan ya da başka modele aktarma sıklığını ölçün. Olasılık çıktısının kendi diliniz ve verileriniz üzerinde kalibre olduğunu ayrıca kontrol edin.

OmniaKey model kataloğu güncel ağ geçidi modellerini ve fiyatlarını gösterir. Bu makale Liquid ve yerel seçenekleri doğrular; OmniaKey üzerinden d1 erişimi olduğunu göstermez. Karar sürecini tamamlayan üretim görevleri için katalogdaki modelleri ayrıca karşılaştırabilirsiniz.