- 发布日期
单次判断仅 8 毫秒，支持图像输入
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
Liquid AI 开源 d1 系列决策模型：单次判断仅 8 毫秒，支持图像输入
Liquid AI 于 10 月 7 日发布博文，宣布推出 d1 系列两款开放权重决策模型。d1-3B 支持 31.2 亿参数的文本与图像判断，d1-omni-600M 以 5.87 亿参数支持文本、图像及语音输入。两款模型均已在 Hugging Face 公开，用户可下载、微调并部署。IT之家 10 月 9 日报道了该消息。
在 Jev 模型 9 月推出爆火后，OpenAI 等公司也相继推出类似的决策模型。Liquid AI 是加入该战局的新成员。此次开源被视为该公司在决策模型领域的重要动作。
d1-3B 拥有 31.2 亿参数，基于视觉语言模型 LFM2.5-VL-3B 训练。它支持文本与图像输入，定位为文本与图像判断。该模型在 Decision Index v0.2.1 公开测试集获得 48.57 分。Liquid AI 称其领先所有 10B 以下模型。
d1-omni-600M 拥有 5.87 亿参数，基于双向编码器 LFM2.5-Encoder-350M 训练。它支持文本与图像，或文本与语音的组合输入。该模型属于 Liquid AI 首个实验性多模态决策模型检查点。
推理速度方面，d1-3B 在 NVIDIA RTX 4090 上回答单个问题耗时 8 毫秒。处理 384 像素图像耗时 102 毫秒。在 Jetson AGX Thor 上，单问耗时 16 毫秒；在 Jetson Orin Nano 上为 50 毫秒。
用户测试显示，d1-3B 在 12GB 显存的 GeForce RTX 3060 上单次判断耗时 25 毫秒。处理 640×480 像素图像耗时 146 毫秒，峰值显存占用约 6GB。另有用户报告，该模型在 RTX 3090 上单次判断耗时 8 毫秒。
这些数据表明，d1 系列面向低延迟决策场景，并试图在小型参数规模下兼顾多模态输入。开放权重和在 Hugging Face 公开，降低了用户下载、微调与部署门槛。随着更多公司进入决策模型赛道，Liquid AI 能否凭借速度与开放策略取得优势，仍有待观察。
