Pelancaran
Pada 7 Oktober 2026, Liquid AI menerbitkan pemberat dua model luar biasa di Hugging Face: d1-3B dan d1-omni-600M. Ia ialah "model keputusan": ia tidak menjana teks. Anda memberikan satu keadaan (tiket sokongan, JSON, foto atau semuanya) dan soalan bernama, dan model mengembalikan jawapan yang dibaca terus daripada taburan kebarangkaliannya. Pembilang penggunaan menunjukkan 0 token output.
Tiga jenis soalan
- Ya/tidak: mengembalikan kebarangkalian "ya", dari 0 hingga 1.
- Pilihan: memilih satu label daripada senarai dan mengembalikan label, keyakinan dan kebarangkalian setiap pilihan.
- Skala: meletakkan keadaan pada skala tertib 2 hingga 10 tahap.
Beberapa soalan tentang keadaan yang sama dijawab dalam satu laluan: menurut Liquid, tiga soalan memakan kira-kira 1.3 kali masa satu soalan. Tanpa teks dijana, tiada JSON rosak, gelung atau format rekaan.
Dua model
- d1-3B (3.12B parameter): berasaskan LFM2.5-VL-3B, membaca teks dan imej, konteks 32,768 token dan 16 bahasa.
- d1-omni-600M (587M): pengekod yang membaca teks, imej dan sehingga 30 saat audio dengan pemberat yang sama. Ia dilabel sebagai keluaran penyelidikan awal.
Angka (daripada Liquid sendiri)
- Decision Index 0.2.1: d1-3B mencatat 48.57, terbaik di bawah 10B dalam jadual syarikat dan mendahului model keputusan 12 kali lebih besar. Skor dikira sendiri oleh Liquid, bukan dihantar ke papan pendahulu awam.
- Kependaman: kira-kira 8 ms setiap soalan pada RTX 4090 dan 50 ms pada Jetson Orin Nano terkecil.
- Dalam demo, syarikat mengasingkan komponen baik dan rosak daripada barisan pengeluaran dengan ketepatan 85% hingga 97% tanpa latihan khusus, dan mendakwa menyamai atau mengatasi model termaju dalam 4 daripada 6 tugas dengan kos 19 hingga 200 kali lebih rendah. Ini ujian yang dipilih dan dijalankan oleh vendor; belum ada penghasilan semula bebas.
Di mana ia berjalan
Terdapat sokongan untuk llama.cpp, versi GGUF dan terkuantum, serta tindanan NVIDIA hingga Jetson. Liquid juga menawarkan API dihoskan yang mengenakan caj hanya untuk token input. Lesennya ialah lesen Liquid sendiri (bukan Apache atau MIT): baca syaratnya sebelum penggunaan komersial.
Mengapa ia penting
Banyak tugas AI perniagaan tidak memerlukan teks: mengelaskan tiket, meluluskan atau menolak, mengesan kecacatan, memilih laluan. Menggunakan LLM generatif untuk ini mahal dan rapuh (penghuraian JSON, jawapan luar format). Model yang hanya membuat keputusan dalam milisaat boleh menjadi penapis murah sebelum panggilan LLM yang mahal.
Cara menguji
- Pilih tugas pengelasan sebenar dengan label yang jelas.
- Bandingkan ketepatan, kependaman dan kos dengan LLM yang anda guna sekarang.
- Gunakan keyakinan yang dikembalikan untuk menghantar hanya kes yang meragukan kepada manusia atau model lebih besar.
Sumber
- Hugging Face, LiquidAI/d1-3B: https://huggingface.co/LiquidAI/d1-3B
- Hugging Face, LiquidAI/d1-omni-600M: https://huggingface.co/LiquidAI/d1-omni-600M
- Analisis OrcaRouter (8 Okt 2026): https://www.orcarouter.ai/blog/liquid-ai-d1-open-weights-release
Mahu mengautomasikan keputusan dan triaj dengan AI secara murah dan boleh dipercayai? KGA IT menawarkan konsultasi percuma: kga-it.com.