[控场AI]
模型d1-omni / Liquid d1-omni-600M

d1-omni-600M

Liquid AI发布的实验性多模态决策模型,基于双向编码器架构,处理文本图像音频输入但不生成文本,直接输出决策分布,参数量587M。

时间轴 (近 90 天)

10月14日

LiquidAI 的 d1-omni-600M 在 CPU 上运行,新增 18 次封禁全部是误报,召回率停留在上游的 0.319。

待验证50%
10月13日

d1-omni-600M模型约5.87亿参数,基于小型双向编码器,增加视觉和音频编码器,支持文本加图像或文本加最长30秒音频,Liquid称其为早期研究版本。

待验证50%
10月13日

Liquid AI的d1-omni-600M明确为早期研究版本,未公布延迟数据。

待验证50%
10月12日

d1-omni-600M 包含 381M 共享主干加决策头、94M SigLIP2 视觉编码器(来自 LFM2.5-VL-450M)和 112M 17 层 FastConformer 音频编码器。

待验证50%
10月12日

d1-omni-600M 基于 LFM2.5-Encoder-350M 双向编码器构建,而非在因果解码器上接分类头,上下文窗口为 16,384 tokens。

待验证50%
10月12日

d1-omni-600M 支持三种问题类型:noul(是/否/中立二元判断)、choice(从命名选项中选一个)和 score(从 2 到 10 个有序等级中选一个),同一状态下所有问题共用一次前向传播。

待验证50%
10月12日

d1-omni-600M 的标签支持 15 种语言,包括英语、德语、阿拉伯语、印地语、日语和中文。

待验证50%
10月12日

d1-omni-600M 图像输入时,状态和问题文本会被截断到 896 tokens;音频输入限制为单条 16 kHz 单声道片段、最长 30 秒,且音频训练数据仅来自英语使用者与助手之间的请求;图像和音频不能在同一次请求中同时携带,否则抛出 ValueError。

待验证50%
10月12日

d1-omni-600M 在 Civil Comments 内容审核基准上得分为 95.8,为该对比表中最高。

待验证50%
10月12日

Liquid 官方表示不报告 d1-omni-600M 的推理速度数据,博客中提到的亚 50ms 延迟仅适用于 d1-3B。

待验证50%

还有 7 条时间轴事件

全部知识事实 (17)

待验证

LiquidAI 的 d1-omni-600M 在 CPU 上运行,新增 18 次封禁全部是误报,召回率停留在上游的 0.319。

50%
待验证

Liquid AI的d1-omni-600M明确为早期研究版本,未公布延迟数据。

50%
待验证

d1-omni-600M模型约5.87亿参数,基于小型双向编码器,增加视觉和音频编码器,支持文本加图像或文本加最长30秒音频,Liquid称其为早期研究版本。

50%
待验证

d1-omni-600M 基于 LFM2.5-Encoder-350M 双向编码器构建,而非在因果解码器上接分类头,上下文窗口为 16,384 tokens。

50%
待验证

d1-omni-600M 支持三种问题类型:noul(是/否/中立二元判断)、choice(从命名选项中选一个)和 score(从 2 到 10 个有序等级中选一个),同一状态下所有问题共用一次前向传播。

50%
待验证

d1-omni-600M 的标签支持 15 种语言,包括英语、德语、阿拉伯语、印地语、日语和中文。

50%
待验证

d1-omni-600M 图像输入时,状态和问题文本会被截断到 896 tokens;音频输入限制为单条 16 kHz 单声道片段、最长 30 秒,且音频训练数据仅来自英语使用者与助手之间的请求;图像和音频不能在同一次请求中同时携带,否则抛出 ValueError。

50%
待验证

d1-omni-600M 在 Civil Comments 内容审核基准上得分为 95.8,为该对比表中最高。

50%
待验证

Liquid 官方表示不报告 d1-omni-600M 的推理速度数据,博客中提到的亚 50ms 延迟仅适用于 d1-3B。

50%
待验证

d1-omni-600M 各量化格式的磁盘占用:原始 F32 safetensors 2.35 GB,GGUF F16 约 1.2 GB,GGUF Q8_0 约 670 MB,ONNX q8(纯文本)0.41 GB,ONNX q4(纯文本)0.24 GB,ONNX 语音栈 0.67 GB。

50%
待验证

ONNX 维护者实测发现 4-bit 决策权重会使语音答案概率偏移最多 0.52,且 Liquid 模型卡建议 GPU 上避免 bfloat16,因其会在 0.8% 文本和 1.7% 音频行上翻转首选答案。

50%
待验证

对于 d1-omni-600M,建议在树莓派等边缘设备上使用 Q8_0 GGUF 量化,避免低量化以防止首选答案翻转,并为激活值预留 20%~30% 的内存余量。

50%
待验证

在 Liquid AI 的 Decision Index 0.2.1 上,d1-omni-600M 得分 15.95,d1-3B 得分 48.57,Decider 2B 得分 28.97。

50%
待验证

Liquid AI d1-omni-600M 参数规模为 587M,Q8_0 GGUF 量化后约 670 MB,llama.cpp 已合并支持,可在树莓派 5 上通过 llama-server 命令运行。

50%
待验证

d1-omni-600M 包含 381M 共享主干加决策头、94M SigLIP2 视觉编码器(来自 LFM2.5-VL-450M)和 112M 17 层 FastConformer 音频编码器。

50%
待验证

Liquid AI 的 Open d1 系列包含 d1-3B(文本+图像)和 d1-omni-600M(文本+图像或文本+音频,实验性)。

50%
待验证

Liquid AI 于 10 月 7 日发布 d1-omni-600M 与更大的 d1-3B,官方将其定位为实验性检查点。

50%

来源文章