d1-ultraとは｜Liquid AIの決定モデルにJevのPython SDKから送る中身を実測で確かめた

d1-ultra は、Liquid AI が 2026-10-15 に発表した決定モデルだ。文章を生成せず、型を決めた質問に答えごとの確率を返す。質問の型は TypeSafe の Jev と同じで、Liquid AI の公式サンプルは同じ本文を両方に送っている。

この記事では、Jev の Python SDK（typesafe-sdk 0.7.5）を d1-ultra に向けたときに何が送られるかを、手元の記録用サーバで受けて確かめた。実際の API とモデルは呼んでいない。

決定モデルを含む LLM 全体の地図はLLMとは？仕組み・主要モデル比較・ローカル実行・量子化を一気にまとめる2026年版にまとめている。

「d1」という名前のものは他にもある。検索で混ざりやすいので先に分けておく。

答えの確率だけを返すLiquid AIの決定モデルd1-ultra

決定モデルは判断材料（state）と、型を決めた質問（questions）を受け取り、許された答えそれぞれの確率を返す。チャットのように文章は書かない。型は noul（はい/いいえ）・choice（選択肢から1つ）・score（順序のある段階）の3つで、Liquid AI の cookbook も d1 の型としてこの3つを挙げている。

仕組みの源流である Jev についてはJevとは｜文章を返さないSystem Oneモデルの正体を公式SDKのコードで実測し、Claude Codeで試すで SDK のコードから読んだ。d1-ultra はその同じ契約の上に、Liquid AI が自社のモデルを載せたものだ。

Liquid AI の発表では、d1-ultra は系列の最上位にあたる。発表の要点は次のとおり。

・入力はテキストと画像。44言語に対応
・入力100万トークンあたり0.042ドル、出力は0ドル
・Liquid API、OpenRouter、Vercel AI Gateway から使える
・パラメータ数は公表していない

系列の4つと Jev 1.14 を並べると次のようになる。当サイトで確かめられなかった値は「未確認」とした。

JevのSDKからd1-ultraへ送る中身

Liquid AI の cookbook にある road-decider（決定モデルが車線を選ぶゲーム）は、d1 と Jev を同じ本文で呼び分けている。設定ファイルでは d1 の送り先が https://api.liquid.ai に /decisions/v1/systemone を足したもの、Jev は OpenRouter の /api/alpha/decisions だ。README は「本文は両方の API で同じで、変わるのは URL・鍵・モデル名だけ」と書いている。

では、すでに Jev の Python SDK を使っているコードはどうか。typesafe-sdk 0.7.5 のソースを読むと、送り先は base_url に /v1/systemone を足して決まる。base_url を https://api.liquid.ai にすると /v1/systemone に送られ、cookbook の経路とずれる。cookbook と合わせるには https://api.liquid.ai/decisions を渡す。

SDK は PyPI から入る。新しい venv で次を実行し、2.65秒で依存ごと入った。

python3 -m venv .venv
.venv/bin/pip install typesafe-sdk==0.7.5

呼び出しは次のとおり。LIQUID_API_KEY には Liquid AI のコンソールで発行した鍵を入れる。

import os
from typesafe_sdk import TypeSafeClient, Noul, Choice, Score

client = TypeSafeClient(
    api_key=os.environ["LIQUID_API_KEY"],
    base_url=os.environ.get("D1_BASE_URL", "https://api.liquid.ai/decisions"),
    model="d1-ultra",
)
r = client.system_one(
    state="Customer: I was charged twice for my October invoice. Please fix it today.",
    questions={
        "refund": Noul(instructions="The customer is asking for a refund."),
        "route": Choice(
            instructions="Which team should handle this?",
            criteria={"billing": "Billing", "tech": "Technical support", "other": "Other"},
        ),
        "urgency": Score(instructions="How urgent is this?", criteria=["later", "this week", "today"]),
    },
)
print(r.model, r.answers["route"].choice, r.answers["route"].probabilities)

当サイトでは D1_BASE_URL を手元の記録用HTTPサーバ（http://127.0.0.1:<ポート>/decisions）に向け、このコードをそのまま実行した。サーバが受けた内容は次のとおり。

陰性対照として base_url を /decisions なしにすると、送り先は /v1/systemone になった。

コードに手を入れたくない場合は環境変数でも替えられる。次の4行を実行すると、引数なしの TypeSafeClient() が向け先とモデル名を拾ったことを表示する（通信はしない。鍵が空だと SDK が No API key was provided で止まる）。

export TYPESAFE_API_KEY="$LIQUID_API_KEY"
export TYPESAFE_BASE_URL=https://api.liquid.ai/decisions
export TYPESAFE_DEFAULT_MODEL=d1-ultra
.venv/bin/python -c 'from typesafe_sdk import TypeSafeClient; c = TypeSafeClient(); print(c._config.base_url, c._config.default_model)'

出力は https://api.liquid.ai/decisions d1-ultra だった。_config は SDK の内部属性なので、確認以外には使わない。

答えの形は cookbook の README が示すとおり answers.<名前> に choice・probabilities・confidence が入る。

d1-ultraの公表値とAA Decision Indexの読み方

Liquid AI の発表では、d1-ultra は Artificial Analysis の Decision Index で65となり、それまで首位だった Jev 1.14（57）を上回った。Liquid AI 自身の112評価のスイートでも8分野すべてで首位、平均76.7（Jev 1.14 は69.4）としている。どちらもLiquid AI が公表した値で、当サイトでは再現していない。

読むときの注意は2つある。

ひとつは指標が何を測っているか。決定モデルは確率を返すので、正解率だけでは良し悪しが決まらない。Liquid AI は確率の校正（確信度と実際の当たり具合が合うこと）も改善したとしている。校正の指標は分け方で値が大きく動くことを、Clefとは｜Cloudflareの決定モデルの「Jev互換」を両側のJSONを生成して突き合わせたで実測した。自分のデータで Brier スコアを取って比べるのが確実だ。

もうひとつは比べた相手と版だ。Jev は版が上がるたびに性能が変わる。cookbook の road-decider の既定は OpenRouter 上の typesafe/jev-1.13 で、発表が比べた 1.14 とは版が違う。

d1-ultraとオープン版d1-3Bの使い分け

重みを手元に置きたいなら、d1-ultra ではなく d1-3B になる。cookbook の SFT ノートブック2本から分かることは次のとおり。

・d1-3B は LFM2.5-VL-3B をもとにした3B の決定モデル
・trust_remote_code=True で読み込み、model.system_one と model.system_one_batch で同じ形の答えを返す
・choice の選択肢は26個までは A〜Z、それを超えると 00〜76 の2桁の符号で表す
・score の段階は2〜10
・ノートブックは transformers 5.19.0（TRL 版）と 5.17.0（Unsloth 版）を指定

ノートブックの出力に残る答えも、API と同じ answers と usage の形で、output_tokens は0だった。Banking77 の100件では、微調整前の正解率83.0%が LoRA の微調整後に88.0%になったと出力されている。これは Liquid AI がノートブックを実行したときの値で、当サイトでは d1-3B を動かしていない。

使い分けの目安は次のとおり。

d1-3B のライセンスは Liquid AI の発表では LFM Open License v1.0 で、年間売上1,000万ドル未満は商用で無料、それを超えると別の契約が要る。使う前に配布物の LICENSE を読んでほしい。

送る本文が Jev と同じなので、移行の手間は小さい。一方で、名前が同じ「Decisions」でも契約が違う API がある点はDecisions APIとは｜Jevの対抗馬と同名OSS実装の差をスキーマ15ケースで実測で整理した。

参照ソース

・Liquid AI — d1-ultra 発表 — 発表日・入力の種類・言語数・価格・ベンチマーク
・Liquid AI Docs — Decision models — 決定モデルの API の公式ドキュメント
・Liquid AI Docs — d1
・OpenRouter — liquid/d1-ultra
・Hugging Face — LiquidAI/d1-3B
・Hugging Face Blog — open d1
・Liquid4All/cookbook — road-decider の設定と README、d1-3B の SFT ノートブック2本（2026-10-17時点・コミット 744c5b6）
・typesafe-sdk 0.7.5（PyPI） — 送り先の組み立て・質問の型・環境変数（2026-10-17時点）
・dllm-reasoning/d1 — 同名の拡散LLM研究（判別のため）