北京
10月8日消息，2026 年 10 月 8 日，Liquid AI 发布开源模型系列 Open d1，主打 "零输出 token" 的实时决策能力。模型读取输入后不生成任何文字，而是通过一次前向传播直接返回校准过、带类型的概率答案，单个问题延迟低至 8 毫秒。
本次开源了两个权重模型：
- d1-3B（3.12B 参数）：可读取文本与图像；
- d1-omni-600M（587M 参数）：可读取文本配图像、或文本配音频，属早期研究版本，未公布延迟数据。
两者均为决策模型，而非聊天模型：接收一个状态加一组命名问题，读取一遍后为每个允许的答案返回一个概率，输出 token 数为 0。多个问题可在一次调用中共享同一个状态。官方推荐用途包括路由、审核、意图分类、重排序、LLM-as-a-judge 打分、智能体护栏和视觉检查。
目标场景明确指向英伟达栈上的实时决策，覆盖 DGX 服务器、RTX 工作站和 Jetson 边缘板。
- d1-3B 起点是 LFM2.5-VL-3B（仅解码器的视觉语言模型）。Liquid AI 将 LFM2.5-2.6B 与该模型文本主干权重做平均，再用不同随机种子和数据配比微调出多个检查点后合并。
视觉侧采用 400M 的 SigLIP2 NaFlex 编码器，上下文长度为 32768 token。官方指出，长输入、打乱答案选项、修复数据捷径，比使用更高级的技术更重要。
- d1-omni-600M 起点是 LFM2.5-Encoder-350M（双向编码器），结构上包含 381M 的共享主干与决策头、94M 视觉编码器、112M 音频编码器。
音频编码器为 17 层 FastConformer，上下文 16384 token，音频片段上限 30 秒。一次请求只能携带图像或音频之一，不能同时携带；音频训练仅覆盖英语说话人对助手请求的场景。
- 在 Decision Index v0.2.1 上，d1-3B 得 48.57，超过所有 10B 以下模型，略高于 Decider 35B-A3B 的 47.11；仅 Winnow-12B 的 50.02 更高。该分数由 Liquid AI 自行用官方评分器得出，并非榜单提交。d1-3B 在 Tools（74.5）与 Arts（36.3）两类领先，Knowledge（23.8）相对落后。
- 七个公开文本基准上，d1-3B 平均 82.9，高于 Decider 4B 的 81.1；d1-omni-600M 平均 78.4，在 Civil Comments（95.8）与 PAWS-X（79.5）上拿到最高分。11 个图像基准上，d1-3B 平均 74.1，其基座模型为 73.9。
两个检查点已上架 Hugging Face，可通过 Transformers 加载，llama.cpp 首日即支持；许可证为 LFM Open License v1.0，年收入低于 1000 万美元的商业使用免费。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
