Liquid d1-ultra 发布：制造异常初筛需要连接图片、判定规则与工单

公开动态与原创分析 · 消息日期：2026-10-15 · 消息来源

图文决策模型为制造企业增加了异常初筛的技术选项。真正影响现场效率的，是检验图片能否对应产品与规格版本、疑似异常能否进入正确的复核队列。墨客云数字员工可围绕一条检验记录组织这些资料和交接，让质量人员集中处理需要专业判断的对象。

新动态：图文输入与结构化判断

Liquid AI 于2026年10月15日发布 d1-ultra，提供托管 API。官方说明支持文字与图片输入，对预设问题返回概率、类别或评分，使用场景包括电路板缺陷检查。本文关注这一应用方向，不采用厂商领先排名作为现场质量效果依据。

官方决策模型文档将 d1-ultra 列为托管模型，与可下载权重的其他 d1 型号分别列出。企业评估时需确认具体服务、数据处理条件及接口；本文未调用该模型，也未完成墨客云对该服务的适配验证。

以下为电子制造的分析情境。一批检验图片陆续进入质量团队，图片分别对应产品批次、不同规格及拍摄角度。质量人员需要先补齐背景，再区分疑似连接异常、图片不清和需要补充检测的记录，才能安排复核。

生产希望尽快流转，质量团队需要控制漏检与误判。外观相似的部件可能适用不同公差；清晰图片也只能支持可见特征判断。对电气性能或内部结构的结论，仍应依靠相应检测记录与专业人员。

适合交给数字员工准备的成果，是一条完整的异常待复核记录：保留原图、产品与批次标识、拍摄条件、规格版本、初筛结果、缺失资料和接收岗位。图片与产品关联不明时，先补资料，避免把未知对象归入正常队列。

模型概率用于安排复核顺序时，需要用企业样本检查其与实际错误的关系。阈值应结合漏检影响、复核产能和图片质量确定。高概率疑似异常、低把握记录与无法读取的图片，均应有明确去向；产品放行仍沿用原有质量责任。

墨客云公开产品体系覆盖企业知识、系统接入、任务编排和流程执行。围绕检验记录，可设计由知识层提供现行规格及来源，接入层关联批次与质量资料，编排层组织补拍、资料补充和专业复核，形成统一的待处理对象。

图文模型在这条工作中承担限定范围的初筛。质量人员处理专业结论，获批后再按企业规则更新工单或交接记录。具体 MES、质量系统、图片存储接口和模型服务需逐项适配；方案可先从已授权的导出记录与复核草稿开始。

这一路径让规格、图片与复核意见随同一对象流转。墨客云的业务位置落在资料准备与岗位交接上；企业能够据此定位哪些步骤耗时、哪些异常反复退回，并确定后续接入范围。

在上述情境中，数字员工汇集一块电路板的图片和适用规格，登记可见的疑似针脚异常，交给质量人员确认。若角度遮挡关键部位，则生成补拍任务，并保留原始记录。补充图片回来后，再进入同一条复核事项。

专业人员确认后，依据企业已有规则关联返工、复检或其他处置任务。工单创建、负责人接收、处置完成和最终质量结论分别记录。仅生成异常描述的步骤，可以验收为材料准备完成；完整交付还需要对应工单及责任人状态。

首批可选规格清楚、图片条件相对稳定的一类可见缺陷，保留人工复核。统计范围涵盖正常、异常、图片不清和资料缺失样本，分别观察漏检、误报、补拍以及每条记录的准备与复核总时长。

业务目标是减少背景资料整理和重复分派，实际节约由试点记录确认。企业可用脱敏检验样本与既有复核表开展场景诊断，明确第一份异常记录、人工决定和系统交接标准。

本页内容由 墨客云AI（南京薄幕软件科技有限公司）发布与维护。咨询与场景诊断预约：180-1290-1065 · neo@mokyun.com