Liquid d1
Liquid AI 的开放决策模型:给它一个情境和若干问题,一次推理就得到校准后的答案,不生成 token。
一句话概括. d1 是 Liquid AI 推出的一个小模型家族,它快速做出决定,而不是写出文字。你用文字、图片、视频或声音描述一个情境,再问问题,比如这是不是退款请求、该由哪个团队处理。模型在几毫秒内给每个问题的每个选项返回概率。在你的公司年营收达到 1000 万美元之前,可以免费商用。
概述
Liquid AI 于 2026 年 10 月 7 日发布了 d1-3B 和 d1-omni-600M,基于 LFM3 骨干的 d1-2B 和 d1-Omni-2B 则在 10 月下旬出现在 Hugging Face 上。它们是业内所说的决策模型,不生成 token:你给出一个情境(可以是文本、JSON、图片、视频或音频)和一组有名字的问题,答案直接从一次前向传播中读出。问题类型包括是非题、从有名字的选项里选一个或多个,以及有序评分;d1-2B 还能抽取文本、数字和日期,在物体周围画框,并给出带区间的数量估计。d1-3B 基于 LFM2.5-VL-3B 训练,d1-omni-600M 基于 LFM2.5-Encoder-350M 编码器,d1-2B 基于 LFM3-VL-2B,d1-Omni-2B 基于 LFM3-Omni-2B,后者增加了音频。
这些数字都来自 Liquid 自己。在 Decision Index 0.2.1 的公开划分上,d1-3B 得 48.57 分,Liquid 称这超过了所有 10B 以下的模型,也高于 36B 的 Decider 35B-A3B(47.11 分),不过同一张表里 12B 的 Winnow-12B 得了 50.02 分。在较新的 0.3 套件上,d1-2B 得 51.1 分,d1-3B 和 d1-Omni-2B 都是 49.0 分,实验性的 d1-omni-600M 是 18.3 分。Liquid 测得 d1-3B 回答一个问题在 RTX 4090 上用 8 毫秒,在 Apple M5 Pro 上用 30 毫秒,在 Jetson Orin Nano 上用 50 毫秒,d1-2B 在 H100 上用 5.7 毫秒。模型通过带远程代码的 Transformers 运行,Liquid 称 llama.cpp 从第一天起就支持。
权重采用 LFM Open License v1.0,年营收低于 1000 万美元可免费商用。模型卡对局限说得很清楚:它们不是聊天模型,不写文字,知识密集型问题更适合更大的模型,d1-2B 的答案在状态超过约 64K token 之后会变得不太可靠。d1-omni-600M 的音频是用说话者与助手之间的英文请求训练的,音频片段会被截到 30 秒。截至 2026 年 11 月 11 日的 30 天内,Hugging Face 统计 d1-3B 约有 27,900 次下载,d1-omni-600M 约 11,800 次,d1-2B 约 11,300 次,d1-Omni-2B 约 4,100 次。
适合做什么
- 智能体里的路由、分诊、内容审核和护栏环节,需要一个可以设阈值的概率
- 用 d1-2B 从文档里读取文本、数字和日期,并在图片里定位物体
- Jetson 开发板和笔记本这类边缘设备,因为在 Liquid 测过的每台设备上,d1-3B 回答一个问题都不超过 50 毫秒
- 用 d1-Omni-2B 对语音留言和声音事件做路由
需要注意
- 它不能聊天、不能解释自己、也不能调用工具,需要文字时请用聊天模型
- 知识密集型问题更适合更大的模型,状态太长时可靠性会下降
- 需要带远程代码的 Transformers,d1-3B 要 5.14 或更高版本,d1-2B 和 d1-Omni-2B 要 5.19 或更高版本,或者使用 llama.cpp
- 基准和延迟都是 Liquid 自己的结果,年营收达到 1000 万美元后商用就不再获得授权
- d1-omni-600M 是早期研究版本,它的音频只用英文请求训练过
性能数据来自开发方,未经独立验证。
需要多少内存?
以下为 d1-omni-600M 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。
| 版本 | 参数量 | BF16 | FP8 / INT8 | 4-bit (Q4) | 可运行于 |
|---|---|---|---|---|---|
| d1-omni-600M | 587M | 1.35 GB | 0.675 GB | 0.405 GB | 笔记本或手机 |
| d1-2B BF16 | 1.92B | 4.42 GB | 2.21 GB | 1.32 GB | 笔记本或手机 |
| d1-Omni-2B BF16 | 2.17B | 4.99 GB | 2.5 GB | 1.5 GB | 笔记本或手机 |
| d1-3B BF16 | 3.12B | 7.18 GB | 3.59 GB | 2.15 GB | 笔记本或手机 |
估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。
许可证,用大白话说
Liquid AI 提供的 Apache 2.0 风格许可证,但有一个关键限制:只有当你的公司(含关联方)年营收低于 1000 万美元时,才获准商用。超过这条线就不在授权范围内,需要另行签订协议。
- 仅在营收低于上限时可免费商用
延伸阅读
常见问题
- Liquid d1 是什么?
- d1 是 Liquid AI 推出的一个小模型家族,它快速做出决定,而不是写出文字。你用文字、图片、视频或声音描述一个情境,再问问题,比如这是不是退款请求、该由哪个团队处理。模型在几毫秒内给每个问题的每个选项返回概率。在你的公司年营收达到 1000 万美元之前,可以免费商用。
- Liquid d1 可以商用吗?
- 可以,但有条件。Liquid d1 采用 LFM Open 1.0 发布,允许商用,但附带额外规则:仅在营收低于上限时可免费商用。产品上线前请阅读许可证原文。
- Liquid d1 是开源的吗?
- Liquid d1 是开放权重模型,但不是严格意义上的开源。你可以下载模型文件,但 LFM Open 1.0 附带了开源促进会的定义所不允许的条件。
- 我能在自己的电脑上运行 Liquid d1 吗?
- 可以。最小版本 d1-omni-600M 在 4 位精度下约需 0.405 GB 内存,现代笔记本或中端显卡即可胜任。
- Liquid d1 是什么时候发布的?
- Liquid d1 由 Liquid AI 于 2026年10月7日 发布。
- Liquid d1 的上下文窗口有多长?
- Liquid d1 支持最长 128K token 的上下文窗口。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- Liquid AI: Open d1, edge decision models for text, vision and audio (7 Oct 2026) liquid.ai
- d1-3B model card (Hugging Face) huggingface.co
- d1-2B model card (Hugging Face) huggingface.co
- d1-Omni-2B model card (Hugging Face) huggingface.co
- d1-omni-600M model card (Hugging Face) huggingface.co
发布时间等信息最近核实于 2026年11月11日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| Clef Cloudflare | 9.41B – 27.4B | 64K | Apache 2.0 (宽松) | 6.49 GB 笔记本或手机 | |
| AutoTrust Decider AutoTrust AI Lab | 8.95B – 36B 激活 3B | 256K | Apache 2.0 (宽松) | 6.18 GB 笔记本或手机 | |
| LFM3 Liquid AI | 1.73B – 2.17B | 256K | LFM Open 1.0 (附条件) | 1.19 GB 笔记本或手机 | |
| LFM3-Audio-2B Liquid AI | 2B | 32K | LFM Open 1.0 (附条件) | 4.6 GB 笔记本或手机 |