Liquid AI新模型d1-ultra登顶决策榜：超过Jev，知识题正确率却降至32%
2026-10-16
2 次阅读
RSS订阅
- Liquid AI 的 d1-ultra 模型以 65 分登顶 Artificial Analysis 决策榜，领先于 Jev 1.14。
- 该模型通过多模态能力判断选项概率，在 500 个知识问题中仅取得 32% 的正确率。
- d1-ultra 的知识题正确率较前代 d1 模型的 41% 有所下降。
- 模型在面对难题时表现出更高的诚实性，对 85% 未答对的问题主动表示“不知道”。
Liquid AI 的 d1-ultra 以 65 分领先于 Artificial Analysis 的 Decision Index v1.0，击败了 Jev 1.14 的 57 分。它通过读取文本和图像来判断可能正确的选项及其概率。它在 500 个知识问题中仅正确回答了 32%，低于 d1 的 41%，但对 85% 未答对的问题表示“不知道”，而之前仅为 2%。
📰 来源：https://www.okx.com/zh-hans/feed/post/90212666335424
💬 引用锚点
d1-ultra登顶决策榜证明其在复杂推理任务上具备顶级能力，但知识正确率下降至32%揭示了专业模型在广度与深度间的权衡挑战。
该模型对85%未答对的问题主动表示“不知道”，标志着AI正从盲目回答向诚实界定能力边界演进，提升了输出可信度。
Liquid AI通过图文融合判断选项概率，体现了多模态能力在提升决策准确性方面的关键作用。
💡 一句话定义：
Liquid AI新模型d1-ultra在决策榜单夺冠，但知识题正确率下降且更倾向于拒绝回答。
📈 核心数据：
- d1-ultra以65分领先Jev 1.14的57分登顶Decision Index v1.0
- 知识题正确率降至32%，低于d1模型的41%
- 对85%未答对问题表示不知道，之前该比例仅为2%
🧭 快速步骤：
- 关注模型在复杂决策场景中的表现提升
- 注意模型在知识准确性上的潜在退化风险
- 利用高拒答率特性降低错误信息的传播风险
常见问题
Liquid AI的d1-ultra在决策能力上表现如何？▼
d1-ultra以65分的成绩登顶Artificial Analysis的Decision Index v1.0榜单，领先于Jev 1.14的57分。它通过读取文本和图像来判断可能正确的选项及其概率。
d1-ultra的知识题正确率是多少？与之前模型相比有何变化？▼
d1-ultra在500个知识问题中仅正确回答了32%，低于其前代模型d1的41%。
d1-ultra如何处理不确定的问题？▼
尽管知识正确率下降，但d1-ultra对85%未答对的问题选择了表示“不知道”，而之前的模型这一比例仅为2%。
Jev 1.14在决策榜上的得分是多少？▼
Jev 1.14在Decision Index v1.0榜单上的得分为57分，低于d1-ultra的65分。
💬 评论 (0)
发表评论