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

Liquid AI 在 10 月 7 日通过博文宣布，推出 d1 系列两款开放权重决策模型：d1-3B 以 31.2 亿参数支持文本与图像判断，d1-omni-600M 凭借 5.87 亿参数可处理文本、图像及语音输入。

根据博文介绍，继 Jev 模型 9 月走红后，OpenAI 等企业也陆续发布类似决策模型，Liquid AI 成为这一领域的新入局者。此次推出的 d1-3B 与 d1-omni-600M 已在 Hugging Face 开放，用户可下载、微调并部署。

d1-3B 包含 31.2 亿参数，基于视觉语言模型 LFM2.5-VL-3B 训练，能处理文本与图像输入。该模型在 Decision Index v0.2.1 公开测试集获得 48.57 分，Liquid AI 声称其表现优于所有 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，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 上回答单个问题耗时 8 毫秒，处理 384 像素图像耗时 102 毫秒。在 Jetson AGX Thor 上，单次回答耗时 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。若想获取更多相关资讯，可访问龙8官网入口。