A Liquid AI megnyitotta d1 döntési modellek családját

Egyetlen előrehaladással adnak választ

A Liquid AI 2026. október 7-i bejelentése szerint a d1 család két új tagból áll. A d1-3B a Decision Index v0.2.1 nyilvános felosztásán 48,57 pontot ért el. A vállalat szerint ez magasabb minden 10 milliárd paraméternél kisebb modell eredményénél, és megegyezik a Decider 35B-A3B teljesítményével, amely a d1-3B méretének tizenkétszerese.

A d1 modellek felépítése eltér a Liquid Foundation Models generatív modelljeitől. Tokenek előállítása helyett egyetlen előrehaladásban, vagyis egyetlen forward pass során adják meg a választ. Ez a működés a Liquid AI szerint különösen alkalmas gyors, strukturált döntésekre, például osztályozásra és más döntési feladatokra.

A d1-3B szöveget és képeket fogad, alapját az LFM2.5-VL-3B adja. A d1-omni-600M kísérleti ellenőrzőpont, amely szöveg és kép, illetve szöveg és hang párosával is működik. Alapja az LFM2.5-Encoder-350M, amelyhez külön látási és hangfeldolgozó komponenseket adtak.

A kisebb modellek több szöveges teszten is jól szerepeltek

A Liquid AI hét nyilvános teszten mérte fel a modelleket. A feladatok között szerepelt az olvasott szöveg értelmezése, a toxikus tartalmak felismerése, a szándékosztályozás, az orvosi kérdések megválaszolása és a többnyelvű megértés.

A táblázatban a d1-3B átlaga 82,9 pont lett, megelőzve a Decider 4B 81,1 pontos eredményét. A d1-omni-600M 78,4 pontos átlagot ért el, a Liquid AI szerint így a 77,1 pontos Decider 2B előtt végzett annak negyedakkora paraméterszámával.

A d1-omni-600M a Civil Comments toxikusságfelismerési tesztjén 95,8 pontot, a PAWS-X parafrázis-azonosítási feladatán pedig 79,5 pontot ért el. A vállalat a multimodális képességeket bemutató demókat is közzétette, a Decision Index v0.3 privát látási felosztásának eredményeit azonban ebben a kiadásban nem közölte. A dedikált hangalapú döntési teszteket jelenleg nyitott kutatási problémának nevezi.

A d1-3B edge eszközökön is gyors

A d1-3B támogatja a teljes NVIDIA-vermet a DGX adatközponti rendszerektől a Jetson edge eszközökig, és az első naptól használható a llama.cpp keretrendszerrel. A Liquid AI a bemenettől a válaszig tartó teljes késleltetést mérte, mivel a döntési modellek nem generálnak kimeneti tokeneket.

Egy kérdés megválaszolása NVIDIA GeForce RTX 4090 grafikus processzoron 8 ezredmásodpercet vett igénybe. A Jetson AGX Thoron 16, a Jetson AGX Orinon 26, a Jetson Orin Nanón pedig 50 ezredmásodperc volt az eredmény. A vállalat szerint ez minden mért eszközön 50 ezredmásodperc alatti válaszidőt jelent.

A részletes edge mérésben a d1-3B egy 384 pixeles képet az Apple M5 Pro gépen 62, a Jetson AGX Thoron 35, a Jetson AGX Orin 64 GB modellen 83, a Jetson Orin Nanón pedig 202 ezredmásodperc alatt dolgozott fel. Az NVIDIA RTX 4090-en ugyanez 17, az AMD MI325X-en 18 ezredmásodperc volt.

Letölthetők a Hugging Face-ről

A d1-3B és a d1-omni-600M már elérhető a Hugging Face-en, a Liquid AI pedig dokumentációt is biztosít a helyi futtatáshoz. A modellek nyílt súlyúak, ezért a vállalat megfogalmazása szerint letölthetők, finomhangolhatók és telepíthetők korlátozások nélkül.

A Liquid AI tíz demót készített, amelyek élő kameraképen, képkockánkénti egyetlen előrehaladással mutatnak be valós idejű döntéseket. A példák között gesztusvezérelt játék és élő tartalommoderálás is szerepel. A demók a Hugging Face felületén kipróbálhatók beállítás nélkül. Az NVIDIA-val közösen egy Isaac Sim környezetben működő navigációs bemutatót is készítettek, ahol a modellt hardver a hurokban beállításban Jetsonon futtatják.

A két modell eltérő kompromisszumot kínál. A d1-3B a döntési minőségre helyezi a hangsúlyt, míg a d1-omni-600M kisebb mérete miatt olyan telepítéseknél lehet megfelelő, ahol a modell mérete számít.