LiquidAI: d1-ultra Latest

~liquid/d1-ultra-latest

liquid

Использовать

Выпущена 27 октября 2026 г.|33К контекст|5,30 ₽/М вход|по тарифу · выход

Эта модель всегда перенаправляется на последнюю модель семейства d1-ultra.

Провайдер для LiquidAI: d1-ultra Latest

Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.

liquid

Latency

—

Throughput

—

Uptime

—

Контекст

33К

токенов

Макс. ответ

29К

токенов

Вход

5,30 ₽

за 1М токенов

Выход

0 ₽

за 1М токенов

Модальности

Вход:ТекстИзображенияВыход:Решения

Тарификация для LiquidAI: d1-ultra Latest

Цены в рублях за 1 млн токенов. Списание — за реальные токены, без подписок.

Тип	Цена в ₽	Единица
Вход	5,30 ₽	за 1М токенов

Пример кода и API для LiquidAI: d1-ultra Latest

Модель решений вызывается через POST /v1/decisions обычным HTTP-запросом: в OpenAI SDK такого метода нет. Подробно — в документации.

Получить API-ключ

curl https://api.hubris.pw/v1/decisions \
  -H "Authorization: Bearer sk-gw-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "~liquid/d1-ultra-latest",
    "state": "Третий день не проходит оплата на сайте, клиенты уходят.",
    "questions": {
      "is_urgent": {"type": "noul", "instructions": "Клиент сообщает о срочной проблеме?"},
      "department": {
        "type": "choice",
        "instructions": "Какой отдел должен ответить?",
        "criteria": {"billing": "Оплата и счета", "tech": "Сбои и ошибки", "sales": "Тарифы"}
      }
    }
  }'

curl https://api.hubris.pw/v1/decisions \  -H "Authorization: Bearer sk-gw-..." \  -H "Content-Type: application/json" \  -d '{    "model": "~liquid/d1-ultra-latest",    "state": "Третий день не проходит оплата на сайте, клиенты уходят.",    "questions": {      "is_urgent": {"type": "noul", "instructions": "Клиент сообщает о срочной проблеме?"},      "department": {        "type": "choice",        "instructions": "Какой отдел должен ответить?",        "criteria": {"billing": "Оплата и счета", "tech": "Сбои и ошибки", "sales": "Тарифы"}      }    }  }'

import requests

res = requests.post(
    "https://api.hubris.pw/v1/decisions",
    headers={"Authorization": "Bearer sk-gw-..."},
    json={
    "model": "~liquid/d1-ultra-latest",
    "state": "Третий день не проходит оплата на сайте, клиенты уходят.",
    "questions": {
      "is_urgent": {"type": "noul", "instructions": "Клиент сообщает о срочной проблеме?"},
      "department": {
        "type": "choice",
        "instructions": "Какой отдел должен ответить?",
        "criteria": {"billing": "Оплата и счета", "tech": "Сбои и ошибки", "sales": "Тарифы"}
      }
    }
  },
)
print(res.json()["answers"])

import requestsres = requests.post(    "https://api.hubris.pw/v1/decisions",    headers={"Authorization": "Bearer sk-gw-..."},    json={    "model": "~liquid/d1-ultra-latest",    "state": "Третий день не проходит оплата на сайте, клиенты уходят.",    "questions": {      "is_urgent": {"type": "noul", "instructions": "Клиент сообщает о срочной проблеме?"},      "department": {        "type": "choice",        "instructions": "Какой отдел должен ответить?",        "criteria": {"billing": "Оплата и счета", "tech": "Сбои и ошибки", "sales": "Тарифы"}      }    }  },)print(res.json()["answers"])

const res = await fetch("https://api.hubris.pw/v1/decisions", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.HUBRIS_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    "model": "~liquid/d1-ultra-latest",
    "state": "Третий день не проходит оплата на сайте, клиенты уходят.",
    "questions": {
      "is_urgent": {"type": "noul", "instructions": "Клиент сообщает о срочной проблеме?"},
      "department": {
        "type": "choice",
        "instructions": "Какой отдел должен ответить?",
        "criteria": {"billing": "Оплата и счета", "tech": "Сбои и ошибки", "sales": "Тарифы"}
      }
    }
  }),
});
console.log((await res.json()).answers);

const res = await fetch("https://api.hubris.pw/v1/decisions", {  method: "POST",  headers: {    Authorization: `Bearer ${process.env.HUBRIS_API_KEY}`,    "Content-Type": "application/json",  },  body: JSON.stringify({    "model": "~liquid/d1-ultra-latest",    "state": "Третий день не проходит оплата на сайте, клиенты уходят.",    "questions": {      "is_urgent": {"type": "noul", "instructions": "Клиент сообщает о срочной проблеме?"},      "department": {        "type": "choice",        "instructions": "Какой отдел должен ответить?",        "criteria": {"billing": "Оплата и счета", "tech": "Сбои и ошибки", "sales": "Тарифы"}      }    }  }),});console.log((await res.json()).answers);

Другие модели от liquid

LiquidAI: d1.1

d1.1 — это модель структурированных решений от Liquid AI, предоставляемая как конечная точка System One и преемник d1. Отправьте состояние вместе с типизированными вопросами, и она вернет выбор,...

66К контекст·от 2,52 ₽/М

LiquidAI: d1 Latest

Эта модель всегда перенаправляется на последнюю модель семейства d1.

66К контекст·от 2,52 ₽/М

d1-ultra — это крупнейшая модель принятия решений Liquid AI, предоставляемая как конечная точка System One. Отправьте состояние текста и изображений вместе с типизированными вопросами, и она вернет выбор, а...

33К контекст·от 5,30 ₽/М

LiquidAI: LFM2.5-24B-A2B

LFM2.5-24B-A2B — это модель рассуждений типа mixture-of-experts от Liquid AI с общим количеством параметров 24B и активными параметрами 2.45B. Она всегда рассуждает перед ответом и создана для агентов, которые вызывают инструменты. Liquid рекомендует использовать её в паре с поиском или веб-поиском для задач, требующих больших объёмов знаний.

128К контекст·от 6,31 ₽/М

LiquidAI: d1

d1 — это модель структурированных решений от Liquid AI, предоставляемая как конечная точка System One. Отправьте состояние вместе с типизированными вопросами, и она вернет выбор, оценку или ответ да/нет...

66К контекст·от 2,52 ₽/М

LiquidAI: LFM2.5-Embedding-350M (free)

LFM2.5-Embedding-350M — это модель для создания текстовых эмбеддингов от Liquid AI. Она генерирует 1024-мерные эмбеддинги для задач поиска и семантического поиска. Успешные запросы и эмбеддинги могут быть сохранены и использованы для обучения...

512 контекст·бесплатно