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 日发布公告，正式推出 d1 系列两款开放权重决策模型：d1-3B 拥有 31.2 亿参数，可处理文本与图像判断；d1-omni-600M 则凭借 5.87 亿参数，支持文本、图像及语音输入。
IT之家引用公告内容称，在 Jev 模型于 9 月走红后，OpenAI 等企业也相继推出类似决策模型，而 Liquid AI 成为该领域的新参与者。此次发布的 d1-3B 与 d1-omni-600M 已在 Hugging Face 平台开源，用户可下载、微调及部署。
d1-3B 拥有 31.2 亿参数，基于视觉语言模型 LFM2.5-VL-3B 训练，兼容文本与图像输入。该模型在 Decision Index v0.2.1 公开测试集中获得 48.57 分，Liquid AI 声称其表现优于所有 10B 参数以下的模型。
d1-omni-600M 拥有 5.87 亿参数，基于双向编码器 LFM2.5-Encoder-350M 训练。该模型支持文本与图像组合，或文本与语音组合输入，是 Liquid AI 首个实验性多模态决策模型检查点。
在推理速度上，d1-3B 在 NVIDIA RTX 4090 上回答单个问题仅需 8 毫秒，处理 384 像素图像需 102 毫秒。在 Jetson AGX Thor 上，单次回答耗时 16 毫秒；在 Jetson Orin Nano 上则为 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 像素图像需 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。
若用户希望获取更多技术细节或参与社区讨论，可访问博鱼体育入口获取最新信息。