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

IT之家 10 月 9 日消息，Liquid AI 在 10 月 7 日通过博文披露，正式推出 d1 系列两款开放权重决策模型：d1-3B 支持 31.2 亿参数规模的文本与图像判断，d1-omni-600M 则凭借 5.87 亿参数，可处理文本、图像及语音输入。

据 IT之家引用博文内容，在 Jev 模型于 9 月走红后，OpenAI 等企业也陆续发布了类似的决策模型，而 Liquid AI 成为这一领域的新参与者。此次推出的 d1-3B 与 d1-omni-600M 已在 Hugging Face 平台公开，用户能够进行下载、微调及部署。

d1-3B 模型包含 31.2 亿参数，基于视觉语言模型 LFM2.5-VL-3B 训练而成，支持文本与图像输入。该模型在 Decision Index v0.2.1 公开测试集中取得 48.57 分，Liquid AI 表示其性能超过所有 10B 参数以下的模型。

d1-omni-600M 模型拥有 5.87 亿参数，基于双向编码器 LFM2.5-Encoder-350M 训练。该模型支持文本与图像，或文本与语音的组合输入，是 Liquid AI 首个实验性多模态决策模型检查点。

在推理速度方面，d1-3B 在 NVIDIA RTX 4090 上回答单个问题的耗时仅为 8 毫秒，处理 384 像素图像时需 102 毫秒。在 Jetson AGX Thor 上，单次问题耗时为 16 毫秒；在 Jetson Orin Nano 上则为 50 毫秒。

用户测试结果显示，d1-3B 在配备 12GB 显存的 GeForce RTX 3060 上，单次判断耗时 25 毫秒，处理 640×480 像素图像需 146 毫秒，峰值显存占用约为 6GB。另有用户报告，该模型在 RTX 3090 上单次判断耗时仅 8 毫秒。