Jev vs Liquid AI d1-ultra：新晋"第一"的决策模型值得换吗？
Liquid AI 于 2026-10-15 发布 d1-ultra，称其在 Artificial Analysis Decision Index 上排名第一。它接受与 Jev 相同的请求（state 加类型化问题），标价同为每百万输入 token $0.042，OpenRouter 上已可调用。我们 2026-10-16 的实测里，它的准确率与 Jev 持平（Banking77 银行卡意图 87.5% 对 86.5%，AG News 91% 对 89%），校准度是我们测过的模型里最好的。代价在成本：d1-ultra 每个问题都会把整段 state 重新读一遍，长文本上 5 个问题的请求，token 数约是 Jev 的四倍。
用你自己的文本试试
修改示例后运行。无需账号，每天免费 3 次。
场景
把工单分给对应团队，评估紧急程度，并标记流失风险。
可以随意修改，所选模型会针对这里的内容回答该场景的问题。
Jev 实际返回了什么
下面是上方示例未经修改的输出，采集自线上 API。
Hi, I've been trying to connect my Stripe account for 3 days and it keeps failing with 'invalid redirect'. I'm losing sales every hour this is down. Please help ASAP.
category
choiceWhich team should handle this support ticket?
integrations
- integrations99%
- billing1%
- bug0%
- account0%
置信度 99%
urgency
scoreHow urgent is this ticket?
- 4 · Critical73%
- 3 · Urgent27%
- 0 · Can wait0%
- 1 · Normal0%
- 2 · Soon0%
置信度 77%
churn risk
noulIs the customer at risk of churning?
采集于 2026-10-09 · 0.89 秒 · jev-1.13.0
一览
（厂商） 表示厂商公布的数字；（实测） 是我们 2026-10-16 经 OpenRouter 调用测得的。
| Jev | d1-ultra | d1 | |
|---|---|---|---|
| 厂商 | TypeSafe | Liquid AI | Liquid AI |
| 模型 id | jev-latest | liquid/d1-ultra | liquid/d1 |
| 发布 | — | 2026-10-15 | 2026-09-30 |
| 输入标价 | $0.042 / M token | $0.042 / M token | $0.02 / M token |
| 输出 token | 免费 | 免费 | 免费 |
| 上下文 | 约 32k token，与最长的问题共享 （厂商）；可开启 262k | 32,768 token （厂商） | 65,536 token （厂商） |
| 图片 | 需手动开启的预览功能 （厂商），JevStation 未接入 | 支持 （厂商），JevStation 暂只传文本 | 支持 （厂商），暂只传文本 |
| 语言 | 未说明 | 44 种 （厂商） | 未说明 |
| 输入 token 拟合 | ≈ 260 + 0.163 × 字符数 + 43 × 问题数 | ≈ 问题数 × (37 + 0.169 × 字符数) | 与 d1-ultra 相同 |
| 延迟中位数 | 378 ms （实测） | 525 ms （实测） | 533–548 ms （实测） |
| Banking77 银行卡意图 | 86.5% （实测） | 87.5% （实测） | 86.5% （实测） |
| AG News 新闻分类 | 89% （实测） | 91% （实测） | 91% （实测） |
| JevStation 积分 | 1 / 3 | 2 / 6 | 1 / 3 |
积分为标准档 / 大档；state 超过 8,000 字符或问题超过 5 个即为大档。
准确率与校准度
同一天给三个模型发了同样的带标签输入，零样本，每个选项一行说明。方法详见 决策模型对比，其他模型跑的也是同一批数据。
| 任务 | Jev | d1-ultra | d1 |
|---|---|---|---|
| Banking77，12 个银行卡意图（96） | 86.5% | 87.5% | 86.5% |
| AG News，4 个类别（100） | 89% | 91% | 91% |
| Banking77：置信度 ≥ 0.9 的答案 | 占 78%，正确率 96.0% | 占 65%，正确率 96.8% | 占 73%，正确率 100% |
| 置信度 ≥ 0.99 时答错 | 144 条错 3 条 | 41 条错 0 条 | 104 条错 2 条 |
| 期望校准误差（Banking77） | 0.065 | 0.034 | 0.065 |
准确率打平：一百条样本上差一两个点只是噪声。d1-ultra 的不同在校准度：它很少给出 0.99（196 条里 41 条，Jev 是 144 条），给了就没错过；Banking77 上的校准误差约为另外两个的一半。如果你要在高阈值以上自动执行，这正是关键属性。代价是覆盖率：过线的答案更少，更多要转人工。
三个模型都在 20,000 字符中性文本的任意位置找到了那句取消请求（d1-ultra 放在最末尾时 0.991，对照组 0.001）。
token 与成本
d1-ultra 标价与 Jev 相同，账单取决于 token 数，而两者在这点上差别很大。Jev 只读一遍 state；d1-ultra 和 d1 每个问题读一遍。我们用 9 个请求拟合（state 100、2,000、8,000 字符，各配 1、3、5 个问题）：
| 请求 | Jev token | d1-ultra token | 按标价谁更便宜 |
|---|---|---|---|
| 1 个问题，短工单（约 300 字符） | 约 350 | 约 90 | d1-ultra，约 4 倍 |
| 3 个问题，1,500 字符 | 约 640 | 约 870 | Jev，约 1.4 倍 |
| 5 个问题，8,000 字符 | 约 1,780 | 6,964 | Jev，约 3.9 倍 |
| 12 个长问题，24,000 字符 | 8,981 | 52,975 | Jev，约 5.9 倍 |
d1 的 token 数相同、价格减半，所以在 1,500 字符左右的文本上，三个问题以内都比 Jev 便宜。每次只问一个问题时，两个 Liquid 模型都是我们测过最便宜的选项之一：每千次 AG News 调用 d1-ultra $0.005，d1 $0.002。
延迟比 Jev 略慢，两个任务的 p50 约 530 ms，p90 不到 700 ms。约四十次请求里出现过一次 3.5 秒的响应，没有遇到限流。
怎么选
- 要在严格的置信度阈值以上自动执行：d1-ultra，我们测过校准最好的模型；请用自己的标注数据确认。
- 每次一个问题、调用量大：d1，我们测过单次成本最低，准确率不差。
- 长文本上问很多问题：Jev，或只读一遍 state 的 Microsoft-Decision-1、Luna Decisions。
- 图片输入：d1-ultra 经 Liquid API 或 OpenRouter 支持；JevStation 暂不传图片。
- 细粒度意图要最高准确率：2026-10-07 的测试里 Clef-flash 在 Banking77 上领先（97.9%）。
试一试
在上方免注册直接运行 d1-ultra 或 d1，或登录后用 并排对比 把同一段文本和问题同时发给 Jev 和 d1-ultra。价格计算器 可以按你的用量算出各自的成本。
来源
- d1-ultra 发布、多模态、44 种语言与 Decision Index 说法：Liquid AI 博客 与 发布推文 （厂商）
- d1 与 d1-ultra 的价格和上下文：OpenRouter：d1-ultra 与 d1 （厂商）
- 暂无独立的综合评分：BenchLM （独立）
- Jev 价格与上下文：TypeSafe 模型文档 （厂商）
- 准确率、校准度、延迟与 token 数：我们 2026-10-16 经 OpenRouter 的实测 （实测）
JevStation 是独立网站。Jev、d1 与 d1-ultra 分别是 TypeSafe 与 Liquid AI 的名称，我们与两者均无关联。
常见问题
- d1-ultra 能直接替换 Jev 吗？
- 请求格式上可以。经 OpenRouter 的 System One 接口或 JevStation 调用时，它接受同样的 state 和同样的 Choice、Score、Noul 问题，返回同样结构的答案。d1-ultra 还支持图片输入，但 JevStation 目前只传文本。
- d1-ultra 真的是最好的决策模型吗？
- 第一名（Artificial Analysis Decision Index 65 分）和 112 项评测都是 Liquid AI 自己公布的数字，我们暂未找到独立复现。在我们 196 条零样本输入上，它与 Jev、Microsoft-Decision-1、d1 持平；2026-10-07 的测试里 Clef-flash 在 Banking77 上更高（97.9%）。它真正突出的是校准度。
- d1-ultra 和 d1 有什么区别？
- d1 是 Liquid 的第一款托管决策模型（2026-09-30），每百万输入 token $0.02，上下文 65,536 token。d1-ultra 是更大的模型，$0.042，上下文 32,768 token。我们的测试里两者准确率相同、计费 token 完全一样；d1-ultra 给高置信度更谨慎（0.99 以上 41 条全对，d1 是 104 条错 2 条）。
- 为什么 d1-ultra 在 JevStation 上要 2 积分？
- 因为它和 Perplexity Decider 一样，每个问题都重读一遍 state。12 个长问题加 24,000 字符的 state 用了 52,975 个输入 token，Jev 是 8,981。按 1 积分算会突破我们的毛利底线，所以 d1-ultra 标准档 2 积分、大档 6 积分。d1 标价只有一半，仍是 1 / 3 积分。
- 不注册能试 d1-ultra 吗？
- 可以。d1-ultra 和 d1 都在本页的免注册试用里。
相关页面
把它接进你的流程
注册即送 50 点，保存自己的问题集，并通过 API 调用同样的评估。