- d1-3B 决策指数
- 48.57
- 600M 决策指数
- 15.95
- 4090 单问延迟
- 约 8 ms
- d1-3B 参数量
- 约 31 亿
Liquid AI 放出两套可下载的 d1 决策模型权重。d1-3B 从 LFM2.5-VL-3B 继续训练，模型卡记总参数 3.12B，约合 31 亿，输入为文本和图像。实验性的 d1-omni-600M 基于 LFM2.5-Encoder-350M，模型卡记 5.87 亿参数；输入为文本配图像，或文本配音频，同一次请求不能两者都带。权重页为 Hugging Face 上的 LiquidAI/d1-3B 与 LiquidAI/d1-omni-600M，公司于 2026 年 10 月 7 日在博客公布。
决策模型不产出 token，一次前向直接给出答案。官方 Decision Index v0.2.1 的公开划分上，厂商称 d1-3B 为 48.57，d1-omni-600M 为 15.95。厂商称 48.57 高于该划分里 10B 以下的模型；模型卡上的 Decider 35B-A3B 为 47.11。d1-omni-600M 的延迟没有单独公布，厂商称这一检查点仍在开发。
- RTX 40908
- AGX Thor16
- AGX Orin26
- Orin Nano50
数据来源：Liquid AI 博客与模型卡
厂商测的是 d1-3B、一次只跑一个请求的单问延迟：RTX 4090 约 8 ms，Jetson AGX Thor 约 16 ms；Jetson AGX Orin（64 GB）约 26 ms，Jetson Orin Nano 约 50 ms。模型卡注明，4090 这一行用了编译后的 CUDA 图；不编译时单问为 16 ms。发布当天两套权重支持 llama.cpp，覆盖 Apple、AMD、高通与英伟达。英伟达软件栈从机房里的 DGX、RTX 工作站排到边缘 Jetson。
把是否放行、分类和抽取收成一次前向，边缘摄像头和机柜侧分流可以少等一串生成结果。大的一档约 31 亿参数，小的一档不到 6 亿，才有机会放进工控机和边缘盒。国产算力采购若把这类模型用在产线质检或告警分流，验收要分开看。权重能否在目标卡上跑通，厂商自测的毫秒数换成并发后还剩多少，都要单独核对。
