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 于 10 月 7 日发布博文，宣布推出 d1 系列两款开放权重决策模型：d1-3B 支持 31.2 亿参数的文本与图像判断，d1-omni-600M 以 5.87 亿参数支持文本、图像及语音输入。

IT之家援引博文介绍，在 Jev 模型 9 月推出爆火后，OpenAI 等公司也相继推出类似的决策模型，而 Liquid AI 是加入该战局的新成员，本次推出的 d1-3B 与 d1-omni-600M 已在 Hugging Face 公开，用户可下载、微调并部署。

d1-3B 拥有 31.2 亿参数，基于视觉语言模型 LFM2.5-VL-3B 训练，支持文本与图像输入。该模型在 Decision Index v0.2.1 公开测试集获得 48.57 分，Liquid AI 称其领先所有 10B 以下模型。

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，或文本与语音的组合输入，属于 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 上回答单个问题耗时 8 毫秒，处理 384 像素图像耗时 102 毫秒。在 Jetson AGX Thor 上，单问耗时 16 毫秒；在 Jetson Orin Nano 上为 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 像素图像耗时 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。