模型

LiquidAI: d1

Markdown · JSON

LiquidAI: d1

Liquid AI d1 的文字決策工作流程會依據固定的可能結果評估所提供的證據,並回傳機率、類別選擇或評分準則分數。它支援分類、分流、相關性篩選與優先順序排定,且不會生成書面回答。

關於模型

此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項,依所選方法列於下方。

d1 是 Liquid AI 的託管式決策模型,適用於範圍明確的分類、分流與評分任務。本模型設定涵蓋其文字決策工作流程:將證據以狀態形式提供、定義一個或多個問題,即可取得針對已知可能結果、具型別的數值答案。Liquid 將這些決策描述為直接回傳機率的評估,生成的輸出 token 數為零。有用的結果是一個已定義的決策及其不確定性,而不是一段新撰寫的文字。

同時準備證據與問題

請提供足以做出決策的文字,包括解讀時所需的上下文。讓狀態與描述評估內容的指令保持分開。客服訊息可能需要附上產品或問題的說明;文件段落則可能需要附上使用者的搜尋問題。提問之前先定義答案集,並為每個選項賦予符合預期工作流程的意義。簡短的標籤可作為穩定的輸出鍵,說明文字則用來解釋各標籤之間的界線。

請在共用的狀態上使用具名問題。像 intent(意圖)、urgency(緊急程度)或 relevant(相關)這類清楚的名稱,能讓輸出始終與其代表的決策相對應。例如,一則回報頁面無法正常運作的訊息,可以同時支援意圖選擇、緊急程度評分準則,以及是否回報瑕疵的是非檢查。每個問題都應保有自己的判斷準則,而不是把三種判斷合併成單一含糊的標籤。

以 choice 處理類別與分流

choice(選擇)問題會從無序集合中選出一個標籤,並回傳各具名選項的機率分布。請透過判斷準則的說明來定義選項;結果包含選定的選項、各項機率與信心值。整理文件時,請定義可能的資料夾或主題,並說明各自應收納哪些內容。進行請求分流時,請描述實際存在的目的地。應用程式可以利用所得標籤選擇下一步,同時保留相互競爭的機率以供審查。

示範性的歸檔任務可以區分產品問題、整合問題與存取問題,並為超出這些定義的素材設置一個 other(其他)選項。請讓界線保持具體:無法通過驗證的訊息,與詢問如何設定某項功能的訊息並不相同。回傳的標籤只是在所提供的含義中做出選擇;它不會建立不存在的目的地,也不會在其他系統中執行變更。

以 noul 進行條件檢查與相關性判斷

noul 問題會回傳一個介於 0 到 1 之間的機率,表示所定義的是非條件成立的可能性。Liquid 示範了用於內容審查與段落相關性的二元檢查。請精確陳述條件,並決定所得機率的用途:標記可能符合的項目、篩選段落,或將不確定的案例送交審查。門檻值由使用結果的任務決定,且機率不應被視為保證正確的事實判定。

進行相關性篩選時,請同時提供查詢與候選段落。詢問該段落是否有助於回答查詢,再將原始段落與其機率一同保存。這有助於為後續的回答挑選來源素材,而不需要讓 d1 自己撰寫該回答。如果相關性需要分成多個程度,而非單純的是非條件,請定義有序的評分準則,並使用 score 問題。

以 score 處理有序等級

score(評分)問題會將狀態放在一份由有序且附說明之等級構成的評分準則上。等級索引從 0 開始,分數則是各等級依機率加權後的位置,可能落在兩個等級之間。結果也包含等級分布與信心值。以緊急程度為例,請定義「沒有立即影響的問題」、「造成明顯不便」與「工作受阻」之間的區別。因此,四級評分準則的索引為 0 到 3;其期望分數並不自動等於編號 1 到 4 的某個類別。

若預期用途是排序或彙總,請使用帶小數的分數;若模稜兩可的情況很重要,則請保留完整的分布。部門這類類別沒有自然順序,應使用 choice 問題。在文件所載的介面中,信心值概括了所回報答案的明確程度;它應與任務所要的分數區分開來,也不應被當成決策必然正確的保證。

多個問題與開發商示範的應用

在一次開發商端呼叫中,多個問題可以評估同一個狀態,且各自保有其型別與機率。Liquid 的文字範例包括客服工單篩選、將文件歸入資料夾分類體系、選擇程式碼搜尋路徑、在可用的 AI 代理動作中做出選擇,以及決定要保留哪些工具輸出內容。這些工作流程的下一步決策範圍都很明確。程式碼搜尋步驟可以根據說明選出有望的資料夾;內容篩選步驟則可以對所提供的素材選擇 keep(保留)、trim(精簡)或 drop(捨棄)。取得來源資料與執行所選操作,仍由周邊的應用程式負責。

適用範圍與實用的決策成果

文件所載的基本功能適用於已知的可能結果、評分準則評等與條件檢查。撰寫新文字、摘要、程式碼與開放式對話則需要生成工作流程,無法從 d1 的決策結果中得出。請圍繞可觀察的證據來準備問題,並將該問題的定義與輸出一同保存,以便日後解讀標籤或分數。

讓每個狀態都聚焦於能回答其所定義問題的證據,並將不相關的決策任務分開,以維持判斷準則清晰。保持來源素材的相關性,為類別涵蓋不完整的情況定義備用含義,並使用該任務的已標註範例來評估機率門檻值。實用的成果會記錄選定的類別或期望分數,以及其分布、問題識別資訊與原始證據。

Ailoot Ultra · System One POST /v1/systemone liquid/d1

liquid/d1

LiquidAI /liquid/d1

入門

Liquid AI d1 的文字決策工作流程會依據固定的可能結果評估所提供的證據,並回傳機率、類別選擇或評分準則分數。它支援分類、分流、相關性篩選與優先順序排定,且不會生成書面回答。

接受的輸入
文字
結果
decisions

Ailoot 可用 · 輸入與方法

Ailoot Ultra · System One POST /v1/systemone
輸入
text
輸出
decisions
輸出格式
json
欄位類型要求值與限制預設值
欄位model類型string要求必填值與限制
liquid/d1
預設值—
欄位provider類型schema要求選填值與限制預設值—
欄位questions類型object要求必填值與限制預設值—
欄位session_id類型string要求選填值與限制預設值—
欄位state類型schema要求必填值與限制預設值—
欄位trace類型schema要求選填值與限制預設值—
欄位user類型string要求選填值與限制預設值—
欄位questions.<id>.type類型string要求必填值與限制
noul, choice, score
預設值—
欄位questions.<id>.instructions類型string|object|array要求必填值與限制預設值—
欄位questions.<id>.criteria類型object|array要求選填值與限制
條件: choice/score:必填;noul:選填。choice 的條件為物件;score 為陣列,並要求 minItems1。
預設值—
欄位questions.<id>.criteria.true類型string|object|array要求必填值與限制
適用條件: 已提供 noul criteria 物件
預設值—
欄位questions.<id>.criteria.false類型string|object|array要求必填值與限制
適用條件: 已提供 noul criteria 物件
預設值—
輸入素材組合

noul · 必填: state, questions.<id>.type=noul, questions.<id>.instructions

choice · 必填: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object

score · 必填: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1

方法參數與生命週期
參數規格
參數content_type規格application/json
參數required規格model, state, questions
參數material_types規格text
參數optional_controls規格provider, session_id, trace, user
參數multimodal_input_binding規格null

生命週期: synchronous

請傳送完全相符的模型 ID,並保留完整的原生回應。

方案

費率資訊不會增加請求選項。支援的參數列於所選方法中。

快速模式
未指定 選取快速模式時
flex 模式
未指定 選取 flex 模式時
最高推理強度
未指定 最高推理強度採用 default 調整值時

Ailoot 費率

各設定的價格

請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。

設定費率表上下文 Token 數大於上下文 Token 數小於或等於費用
設定詞元基本費率費率表基本費率上下文 Token 數大於—上下文 Token 數小於或等於無上限費用
輸入 · 輸入 Token $0.00008 / 1K Token
輸出 · 輸出 Token $0 / 1K Token
輸入 · 讀取快取 $0.00008 / 1K Token
輸入 · 寫入快取 — / 1K Token
輸入 · 寫入快取,1 小時 — / 1K Token
設定請求長度級距 1費率表—上下文 Token 數大於0上下文 Token 數小於或等於無上限費用
輸入 · 輸入 Token $0.00008 / 1K Token
輸出 · 輸出 Token $0 / 1K Token
輸入 · 讀取快取 $0.00008 / 1K Token
輸入 · 寫入快取 — / 1K Token
輸入 · 寫入快取,1 小時 — / 1K Token

Ailoot 會在請求前預留估算金額。取得結果後,依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →

請求範例

Ailoot Ultra · System One

原樣保留的官方請求結構;文件範例使用您的實際請求資料,並保留完整結果
{
  "model": "liquid/d1",
  "questions": {
    "is_bug": {
      "criteria": {
        "false": "The customer is asking a question or requesting a feature.",
        "true": "The customer describes broken or unexpected product behavior."
      },
      "instructions": "Is the customer reporting a software defect?",
      "type": "noul"
    },
    "team": {
      "criteria": {
        "account": "Login, permissions, or profile issues.",
        "frontend": "Rendering, layout, or browser compatibility issues.",
        "payments": "Checkout, billing, or payment processing issues."
      },
      "instructions": "Which team should own this ticket?",
      "type": "choice"
    },
    "urgency": {
      "criteria": [
        "Can wait for the next release",
        "Should be fixed this week",
        "Blocking revenue right now"
      ],
      "instructions": "How urgent is this ticket?",
      "type": "score"
    }
  },
  "state": {
    "customer_tier": "enterprise",
    "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."
  }
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"
export AILOOT_REQUEST_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))
if not isinstance(p,dict): raise SystemExit('Request must be a JSON object')
p['model']='liquid/d1'
Path('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))
PY_RESULT

接收並儲存結果

Ailoot Ultra · System One

json

保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

會保留每個已提供的問題 ID 答案,包括其確切型別、noul/choice/score 值、信心值、機率與圖例。完整的原始 JSON 會先儲存,並僅在結算後回傳。

需要檢查原始回應時

請保留原始操作與完整/部分回覆;切勿重送 POST。

回應欄位
欄位類型
欄位model類型string
欄位id類型string
欄位provider類型string
欄位answers.<id>.type類型string
欄位answers.<id>.noul類型number
欄位answers.<id>.choice類型string
欄位answers.<id>.score類型number
欄位answers.<id>.confidence類型number
欄位answers.<id>.probabilities類型object
欄位answers.<id>.legend類型object
欄位usage.input_tokens類型integer
欄位usage.output_tokens類型integer
欄位usage.cost類型number
錯誤與後續步驟
回應條件下一步
回應400 · invalid_request_error條件必要欄位、表示方式或值無效下一步請修正指出的請求欄位。

別名

模型別名

Ailoot Ultra liquid/d1

方法路徑別名

請使用上方列出的 API 方法路徑。

相關呼叫用 ID

liquid/d1

FAQ · LiquidAI: d1
可以使用哪些輸入與結果?

POST /v1/systemone · liquid/d1: text → decisions

請求使用哪些欄位?

POST /v1/systemone · liquid/d1: model, provider, questions, session_id, state, trace, user

更多詳情

將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。

公司及其專案組合

公司及其專案組合:數百萬客戶,每月銷售額達數十億。

優惠購買 token。

訂閱優惠適合持續工作,折扣碼購買 token 最高可折 50%。

訂閱
為定期請求選擇優惠方案。
最高 50% 折扣碼
購買時輸入代碼,價格依活動重算。
歷史中的費用
每次請求保存模型、token 與金額。

選擇訂閱 · 查看模型價格

將 API 加入 你銷售的產品。

依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人;轉售請申請經銷授權。

商用應用程式
在付費功能加入文字、圖片、影片與聲音生成。
經銷授權
提供專案說明與存取方式,要求書面使用和轉售條件。
網站文件
串接前可閱讀正式服務條款、授權合約與資料處理政策。

申請經銷授權 · 正式服務條款與授權合約