動察 Beating AI 速報、Liquid AI が d1.2 と d1.2-ultra の2つのマルチモーダル意思決定モデルを発表しました。
新モデルは Artificial Analysis の意思決定モデルランキングでそれぞれ69点と75点を獲得し、それぞれ前世代から3点と4点向上しました。うち d1.2-ultra は首位で、2位に2点差をつけています。
d1.2-ultra のコンテキストウィンドウも3.3万から6.6万 Token に拡大しました。平均タスク所要時間は前世代の301ミリ秒から218ミリ秒に短縮され、約28%削減されました。
従来の d1-ultra は主に真偽判定、単一選択、スコアリングを担当していましたが、新バージョンでは5種類のタスクが追加されました。文書から金額や日付などの具体的な数値を抽出する、条件に合致するすべての文字とその位置を見つける、画像内の指定物体を囲む、数量を推定して範囲を示す、条件に合致する複数の選択肢を一度に選ぶ、といったものです。
例えば、請求書を処理する際、モデルは支払金額を直接抽出し、対応する原文を返せるようになりました。見つからない場合は「未検出」と回答します。画像を処理する際も、物体の存在を判定するだけでなく、記述に合致するすべての物体を枠で囲むことができます。
両モデルには音声入力も追加され、録音内の言語やサイレンなどの音を直接識別でき、音声で質問することも可能です。
Liquid AI の内部テストによると、d1.2-ultra の票券数値抽出の精度は98%、画像ターゲット定位は94%に達しました。
22,505問をカバーする別の対照テストでは、その信頼度較正誤差はわずか0.8ポイントでしたが、Perplexity Decider v1.3 は3.7ポイントでした。つまり、提示される判断確率が実際の正答率により近く、システムが人手による再確認が必要なタスクを識別しやすくなります。
価格は据え置きです。d1.2 と d1.2-ultra は100万入力 Token あたりそれぞれ0.02ドルと0.042ドルで、出力費用はかからず、現在いずれも API が公開されています。
Liquid AI は、今後同等の能力を持つオープンソース版を提供する予定だと述べています。