Liquid AI เปิดตัว d1.2 และ d1.2-ultra โมเดลตัดสินใจอันดับ 1

· By: AttapolK

Liquid AI เปิดตัว d1.2 และ d1.2-ultra โมเดลตัดสินใจอันดับ 1

Liquid AI เพิ่งทำการ released d1.2 and d1.2-ultra โดยโมเดลการตัดสินใจ (decision model) เหล่านี้ถูกออกแบบมาเพื่อส่งคืนค่าความน่าจะเป็นที่ปรับเทียบแล้ว (calibrated probabilities) จากชุดคำตอบที่กำหนดไว้แทนการเขียนข้อความ โดยในรุ่น d1.2 นี้ได้เพิ่มการรองรับทั้งข้อความ รูปภาพ และเสียง พร้อมทั้งเพิ่มประเภทคำตอบใหม่อีก 5 รูปแบบ

สำหรับประสิทธิภาพนั้น d1.2-ultra สามารถทำคะแนนได้สูงถึง 75 คะแนนบน Artificial Analysis Decision Index v2.1 ซึ่งถือเป็นคะแนนที่สูงที่สุดในกลุ่มโมเดลการตัดสินใจที่อยู่ในดัชนีนี้ ผู้ใช้งานสามารถตรวจสอบตัวเลือกการติดตั้งและสเปกเพิ่มเติมได้ผ่าน GPULeaderboard.com chrome extension

TL;DR

  • ขนาด: ไม่เปิดเผยจำนวนพารามิเตอร์ รองรับสูงสุด 65,536 input tokens ต่อคำถาม และรองรับได้ถึง 128 คำถามต่อการเรียกใช้หนึ่งครั้ง
  • รันบน: โฮสต์ผ่าน Liquid API เท่านั้น ในขณะนี้ยังไม่มีการเปิดเผยน้ำหนักโมเดล (weights) โดย Liquid AI ระบุว่าจะเปิดให้ใช้งานในอนาคต
  • ประสิทธิภาพ: d1.2-ultra ได้ 75 คะแนน และ d1.2 ได้ 69 คะแนนบน AA Decision Index v2.1
  • ความแม่นยำสูงสุด: ค่าความคลาดเคลื่อนการปรับเทียบ (calibration error) ของ d1.2-ultra อยู่ที่เพียง 0.8 จุด จากเกณฑ์มาตรฐาน 13 รายการ

Liquid AI d1.2 คืออะไร?

d1.2 เป็นโมเดลการตัดสินใจแบบโฮสต์จาก Liquid AI ที่เน้นการตอบคำถามแบบระบุประเภทจากข้อมูลข้อความ รูปภาพ หรือเสียงในการเรียกใช้ครั้งเดียว โดยระบบจะส่งคืนค่าความน่าจะเป็นต่อตัวเลือกที่กำหนด และสร้าง zero output tokens ทำให้ผู้ใช้เสียค่าบริการเฉพาะส่วน input เท่านั้น

d1.2-ultra ถูกพัฒนาขึ้นเพื่อจัดการกับงานตัดสินใจที่มีความซับซ้อนสูง ส่วนรุ่น d1.2 จะเน้นความเร็วและมีราคาประหยัดกว่าครึ่งหนึ่ง โดยรหัสโมเดลที่ใช้คือ d1.2 และ d1.2-ultra ส่วนเวอร์ชันก่อนหน้าอย่าง d1, d1.1 และ d1-ultra ได้ถูกยกเลิกการใช้งานแล้วเนื่องจากไม่รองรับระบบเสียงและฟังก์ชันใหม่ๆ

5 งานใหม่ใน d1.2 มีอะไรบ้าง?

d1.2 ได้เพิ่มความสามารถในการตอบคำถามแบบระบุประเภท 5 รูปแบบใหม่บน endpoint และรูปแบบคำขอเดิม ดังนี้:

  • อ่านค่า (- text, - number, - date): ส่งคืนค่าพร้อมระบุตัวอักษรที่เป็นต้นทางของข้อมูลนั้น โดยจะตอบว่า "not found" แทนการคาดเดาหากไม่พบข้อมูล
  • ค้นหาทุกช่วง (- spans): ค้นหาและส่งคืนข้อความที่ตรงกันในแต่ละส่วน เช่น ชื่อหรืออีเมล พร้อมระบุตำแหน่งที่พบ
  • ระบุตำแหน่งวัตถุ (- box, - boxes): ส่งคืนพิกัดรูปสี่เหลี่ยมระบุตำแหน่งวัตถุ 1 รูป หรือตามจำนวนอินสแตนซ์ที่พบ
  • ประมาณค่าตัวเลข (- number พร้อม - range): ให้คำตอบที่ดีที่สุดพร้อมระบุช่วงตัวเลข เช่น ระบุค่า 12 ภายใต้ช่วง 10 ถึง 14
  • เลือกทุกตัวเลือกที่เกี่ยวข้อง (- choice พร้อม - multiple): ส่งคืนทุกเลเบลที่สอดคล้องกับข้อมูลพร้อมค่าความน่าจะเป็นของแต่ละรายการ

การป้อนข้อมูลด้วยเสียงทำงานอย่างไร?

โมเดลนี้สามารถใช้เสียงเป็นทั้งหัวข้อของคำถาม เช่น การระบุภาษาที่พูด หรือตรวจสอบเสียงสัญญาณแจ้งเตือน และยังสามารถรับคำถามในรูปแบบเสียงได้อีกด้วย โดย API รองรับไฟล์ 16-bit PCM WAV และคิดอัตรา tokens ที่ 10 tokens ต่อวินาทีของเสียง จากการทดสอบกับชุดข้อมูล ESC-50 และ FLEURS พบว่าทั้งสองโมเดลมีความแม่นยำสูงถึง 95% ถึง 97%

d1.2 ทำคะแนนได้อย่างไรบน Artificial Analysis Decision Index?

ดัชนีนี้ประเมินจากเกณฑ์ 6 รายการที่มีน้ำหนักต่างกัน เช่น AA-Paperclip (30%) และ EvalSafe-O*NET-AA (15%) โดยระบบจะตัดแต้มหากโมเดลตอบผิดแต่มีความมั่นใจสูง ซึ่ง d1.2-ultra ทำได้ 75 คะแนน ทิ้งห่างคู่แข่งอย่าง Drex Max v1.1 และ GLiDE v1.2 ที่ได้ 73 คะแนน ขณะที่ d1.2 ทำได้ 69 คะแนน แม้จะต่ำกว่ารุ่น d1-ultra เดิมเล็กน้อย แต่ Liquid AI ยืนยันว่าไม่มีโมเดลใดในระดับราคานี้ที่ให้ประสิทธิภาพสูงกว่า d1.2

ค่าความน่าจะเป็นถูกปรับเทียบได้ดีเพียงใด?

โมเดลที่ปรับเทียบแล้ว (calibrated model) หมายความว่าหากโมเดลระบุความมั่นใจ 80% ผลลัพธ์ควรจะถูกต้องใกล้เคียง 80% ของเวลาทั้งหมด เพื่อให้มนุษย์สามารถเข้ามาดูแลงานที่โมเดลมีความมั่นใจต่ำได้ทันที จากการทดสอบกว่า 22,505 ข้อ Liquid AI พบว่า d1.2-ultra มีค่าความคลาดเคลื่อนเพียง 0.8 จุด ซึ่งต่ำกว่าคู่แข่งอย่าง GPT-6 Luna ที่สูงถึง 7.2 จุดอย่างเห็นได้ชัด

งานใหม่มีความแม่นยำเพียงใด?

Liquid AI เปิดเผยข้อมูลการทดสอบบนชุดข้อมูลสาธารณะในส่วนที่แยกไว้ (held-out splits) เพื่อยืนยันประสิทธิภาพในงานต่างๆ ดังนี้:

งาน (ชุดข้อมูล)d1.2-ultrad1.2
อ่านค่าจากใบเสร็จ (CORD, SROIE)98%96%
ค้นหาข้อมูลส่วนบุคคล (Nemotron PII)94% / 93%92% / 88%
ระบุตำแหน่งวัตถุ (RefCOCO, RefCOCO+, RefCOCOg)94%94%
นับจำนวนวัตถุภายใน 1 (COCO)93%92%
เลือกวัตถุทุกชิ้นที่มีอยู่ (COCO)87%90%

น่าสนใจที่ d1.2 สามารถเอาชนะรุ่น Ultra ได้ในงานเลือกแบบหลายเลเบล (multi-label) โดยทำได้ 90% ต่อ 87%

d1.2 เปรียบเทียบกับโมเดลการตัดสินใจอื่นๆ

ตัวชี้วัดd1.2-ultrad1.2Drex Max v1.1 (Nace.AI)Decider v1.3 (Perplexity)
AA Decision Index v2.175697370
ค่าความคลาดเคลื่อนการปรับเทียบ0.81.2ไม่มีการรายงาน3.7
ราคา Input ต่อ 1M tokens$0.042$0.02$0.03$0.02
ราคา Output$0$0$0$0
ข้อมูลนำเข้าข้อความ, รูปภาพ, เสียงข้อความ, รูปภาพ, เสียงข้อความ, รูปภาพข้อความ, รูปภาพ

ราคาและการใช้งาน

Liquid AI กำหนดราคาไว้ที่ $0.02 ต่อ 1M input tokens สำหรับ d1.2 และ $0.042 สำหรับ d1.2-ultra พร้อมให้เครดิตฟรี $2 สำหรับผู้ใช้งานใหม่บน Liquid Console โดยรูปภาพจะคิดค่าใช้จ่ายตามจำนวนแพตช์ขนาด 32x32 และมีการคิดค่าบริการสื่อเพียงครั้งเดียวแม้จะใช้กับหลายคำถาม

ข้อจำกัดของคำขอ ต่อหนึ่งครั้งประกอบด้วย:

  • คำถามสูงสุด 128 ข้อ และขนาดไฟล์ไม่เกิน 4.5 MB
  • รูปภาพไม่เกิน 8 รูป (หรือ 1 รูปสำหรับงานระบุตำแหน่ง)
  • คลิปเสียงไม่เกิน 8 คลิป ความยาวรวมไม่เกิน 300 วินาที

สรุปประเด็นสำคัญ

  • d1.2-ultra ครองอันดับหนึ่งบน AA Decision Index v2.1
  • ทั้งสองโมเดลเป็นแบบ Omnimodal รองรับข้อความ รูปภาพ และเสียง โดยไม่มีการเสียค่า output tokens
  • เพิ่มฟังก์ชันการตอบข้อมูลแบบละเอียด 5 รูปแบบใหม่
  • มีความแม่นยำในการปรับเทียบค่าความน่าจะเป็นที่เหนือกว่าคู่แข่งในตลาด
  • ปัจจุบันยังให้บริการเฉพาะแบบโฮสต์ผ่าน API และยังไม่เปิดเผยน้ำหนักโมเดลสู่สาธารณะ
Source: MarkTechPost
ดูแลงานแปลและเรียบเรียงโดย AttapolK

ความคิดเห็น (0)

เข้าสู่ระบบเพื่อร่วมแสดงความเห็น

สมัครสมาชิก

มาเป็นคนแรกที่แสดงความเห็นกันเลยโบร