Liquid AI 發佈端側決策模型 d1-3B 與實驗版 d1-omni-600M

今日，我們推出 d1 決策模型系列中的兩款開放式決策模型：d1-3B 和 d1-omni-600M（實驗版）。

• Decision Index 0.2.1 上 10B 以下最佳的決策模型：d1-3B 得分 48.57，領先所有 4B 和 9B 模型，亦高於 Decider 35B-A3B（47.11）。
• 多模態：d1-3B 支援文字和圖片，d1-omni-600M 則支援文字和圖片，或文字和音訊。
• 快速：d1-3B 在 NVIDIA Jetson AGX Thor 上回答問題需時 16 ms，在 Jetson AGX Orin 上需時 26 ms，在 Jetson Orin Nano 上需時 50ms。

我們如何為邊緣裝置打造決策模型

這些開放式 d1 決策模型以我們的 Liquid Foundation Models（LFMs）為基礎。與生成模型不同，決策模型不會產生 token，而是在單次前向傳播中作答。

d1-3B 和 d1-omni-600M 分別以兩個截然不同的主幹模型訓練：

• d1-3B 以我們最新的 VLM LFM2.5-VL-3B 訓練，該模型採用僅解碼器架構，接收文字和圖片作為輸入。
• d1-omni-600M 以 LFM2.5-Encoder-350M 訓練，這是一個雙向編碼器。它加入視覺和音訊編碼器，以處理全部三種模態。它可接收文字和圖片，或文字和音訊作為輸入。這個模型目前處於早期研究發布階段，仍在進一步開發。

基準測試結果

我們在七個公開數據集上對 d1-3B 和 d1-omni-600M 進行基準測試，涵蓋閲讀理解、毒性偵測、意圖分類、醫療問答和跨語言理解。d1-3B 的平均得分為 82.9，是表中最高分，亦高於 Decider 4B。d1-omni-600M 得分 78.4，以僅四分之一的參數量超越 Decider 2B（77.1）。

我們已驗證，d1-3B 在標準視覺基準測試中保留了其主幹模型 LFM2.5-VL-3B 的視覺能力，而 d1-omni-600M 能處理全部三種模態。由於 Decision Index v0.3 只包含一個私有視覺子集，而音訊決策基準測試目前仍是尚待解決的問題，因此我們沒有公佈任何視覺或音訊基準測試結果。

速度

我們與 NVIDIA 合作，使用 NVIDIA 技術堆疊，在 NVIDIA GeForce RTX 4090、NVIDIA Jetson AGX Thor、Jetson AGX Orin 64 GB 和 Jetson Orin Nano 上評估 d1-3B。由於 d1-omni-600M 仍處於早期研究發布階段，本次發布不會提供其速度數據。

邊緣推理。d1-3B 在每部已測試裝置上回答單一問題均少於 50 ms。回答三個問題所需時間僅為回答一個問題的 1.3x；AGX Thor 的時間則由 16 ms 增至 20 ms。

GPU 推理。在 GPU 上，d1-3B 在兩個平台上回答問題均少於 10 ms，處理 384px 圖片則少於 18 ms。

如何使用開放式 d1 決策模型

當你需要快速、結構化的決策（包括多模態輸入）時，可選用 d1 決策模型。以其規模而言，d1-3B 的決策品質最高；若重視模型佔用空間，d1-omni-600M 則更合適。

安裝相依套件（需要 transformers>=5.14）：

pip install "transformers>=5.14" torch torchvision pillow

這些模型隨附專屬程式碼，因此請使用 trust_remote_code=True 載入：

import io
import urllib.request

import torch
from PIL import Image
from transformers import AutoModel

device = "cuda" if torch.cuda.is_available() else "mps" if torch.backends.mps.is_available() else "cpu"
model = AutoModel.from_pretrained("LiquidAI/d1-3B", trust_remote_code=True,
                                  dtype=torch.float32 if device == "cpu" else torch.bfloat16).to(device)

# Several named questions over one text state, answered in one pass
questions = {
    "refund": {"type": "noul", "instructions": "Is the customer asking for a refund?"},
    "team": {"type": "choice", "instructions": "Which team should handle this?",
             "criteria": {"billing": "Charges, refunds, invoices", "technical": "App or site faults",
                          "fraud": "Suspected unauthorised use"}},
    "urgency": {"type": "score", "instructions": "How urgent is this?",
                "criteria": ["Can wait", "Today", "Blocking the customer now"]},
}
print(model.system_one("I was charged twice this month, please refund one of them.", questions))

# An image as the whole state
url = "http://images.cocodataset.org/val2017/000000039769.jpg"  # two cats on a sofa
photo = Image.open(io.BytesIO(urllib.request.urlopen(url).read()))
print(model.system_one(None, {"cats": {"type": "choice", "instructions": "How many cats are there?",
                                       "criteria": {"one": "One", "two": "Two", "more": "Three or more"}}},
                       images=[photo]))

# Many requests, packed together with no padding
tickets = ["Where is my parcel? It was due Monday.", "The app crashes when I open settings."]
print(model.system_one_batch([(t, {"team": questions["team"]}) for t in tickets]))

為求簡潔，我們只列出 d1-3B 的示例。請參閲 d1-omni-600M 模型卡，瞭解如何執行該模型。

開始使用開放權重 d1 決策模型

這兩個決策模型均採用開放權重，現已在 Hugging Face 上提供：

• 下載：在 Hugging Face 上取得 d1-3B 和 d1-omni-600M。
• 試用：在我們的 System One Arcade Hugging Face Space 中執行示範。

期待看看你會打造出甚麼。

引用

如果你使用這項成果，請引用發布網誌文章：

@article{liquidAI2026opend1,
  author  = {Liquid AI},
  title   = {Open d1: Edge decision models for text, vision, and audio},
  journal = {Liquid AI Blog},
  year    = {2026},
  note    = {www.liquid.ai/blog/open-d1},
}