Liquid AI开源d1决策模型：8毫秒判断，支持图文语音

Liquid AI 于 10 月 7 日发布 d1 系列两款开放权重决策模型，已在 Hugging Face 公开，可下载、微调并部署。d1-3B 在 RTX 4090 上单问耗时 8 毫秒，并支持图像输入。对需要快速内容判断的运营者，这可能是一个可本地化的新工具。

发生了什么

Liquid AI 于 10 月 7 日发布博文，宣布推出 d1 系列两款开放权重决策模型：d1-3B 和 d1-omni-600M。IT之家 10 月 9 日消息显示，这两款模型已在 Hugging Face 公开，用户可下载、微调并部署。

其中，d1-3B 拥有 31.2 亿参数，基于视觉语言模型 LFM2.5-VL-3B 训练，支持文本与图像输入。d1-omni-600M 拥有 5.87 亿参数，基于双向编码器 LFM2.5-Encoder-350M 训练，支持文本与图像，或文本与语音的组合输入，属于 Liquid AI 首个实验性多模态决策模型检查点。

该系列出现的时间点值得注意：在 Jev 模型 9 月推出爆火后，OpenAI 等公司也相继推出类似的决策模型，Liquid AI 是加入该战局的新成员。

关键事实

• d1-3B 拥有 31.2 亿参数，基于视觉语言模型 LFM2.5-VL-3B 训练，支持文本与图像输入。
• d1-omni-600M 拥有 5.87 亿参数，基于双向编码器 LFM2.5-Encoder-350M 训练，支持文本与图像，或文本与语音的组合输入。
• d1-3B 在 Decision Index v0.2.1 公开测试集获得 48.57 分，Liquid AI 称其领先所有 10B 以下模型。
• 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 上单问耗时 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。

我们的分析

从速度数据看，d1 系列更偏向快速判断，而不是生成长文本。d1-3B 在 NVIDIA RTX 4090 上回答单个问题耗时 8 毫秒，在用户测试的 12GB 显存 GeForce RTX 3060 上单次判断耗时 25 毫秒。这类毫秒级延迟意味着它有可能被放进接近实时的内容处理流程，例如评论预审、图片初筛、语音片段分类。

开放权重是另一个关键点。用户可下载、微调并部署，意味着运营团队可以把通用判断能力改造成自己的专用分类器，而不是只能依赖外部 API。峰值显存约 6GB 的用户测试数据也表明，部分消费级显卡可能跑得动，这降低了本地试用的门槛。不过，实际效果和稳定性还需要结合自己的任务验证，不能仅凭公开测试数据下结论。

从行业背景看，Jev 模型 9 月爆火后多家公司跟进，说明“决策模型”可能正在成为独立于生成模型的赛道。对内容运营者来说，这可能意味着未来会有更多轻量、快速、可本地化的判断工具，而不是所有任务都要调用重型的生成式模型。

对运营者意味着什么

• 先从 Hugging Face 下载 d1-3B，在本地显卡上测试单次判断延迟和显存占用，评估能否接入现有评论预审或图片筛选流程。
• 如果团队频繁处理文本与图像组合内容，优先测试 d1-3B；如果涉及语音内容，再评估 d1-omni-600M 的文本与语音组合输入能力。
• 把“可微调部署”当作选型条件，而不是只把它当成一个现成工具。可请技术同事用少量自有数据试微调，看看能否把判断标准调整得更贴合自己的社区规则。
• 在做自动审核时保留人工抽检环节，尤其是模糊样本。毫秒级判断适合初筛，但不应替代对争议内容的复核。