Liquid AI 开源 d1-3B 与 d1-omni-600M 端侧决策模型

今天，我们发布 d1 决策模型系列中的两个开放决策模型：d1-3B 和 d1-omni-600M（实验性）。

• Decision Index 0.2.1 上 10B 以下的最佳决策模型：d1-3B 得分为 48.57，领先于所有 4B 和 9B 模型以及 Decider 35B-A3B（47.11）。
• 多模态：d1-3B 支持文本和图像，而 d1-omni-600M 支持文本和图像或文本和音频
• 快速：d1-3B 在 NVIDIA Jetson AGX Thor 上回答一个问题仅需 16 ms，在 Jetson AGX Orin 上为 26 ms，在 Jetson Orin Nano 上为 50ms

我们如何为边缘构建决策模型

这些开放的 d1 决策模型基于我们的 Liquid Foundation Models（LFMs）构建。与我们的生成模型不同，决策模型不生成 token，而是在单次前向传播中给出答案。

d1-3B 和 d1-omni-600M 基于两个非常不同的主干网络训练而成：

• d1-3B 基于 LFM2.5-VL-3B 训练，这是我们最新的 VLM，采用仅解码器架构。它接受文本和图像作为输入。
• d1-omni-600M 基于 LFM2.5-Encoder-350M 训练，这是一个双向编码器。它增加了视觉和音频编码器以处理全部三种模态。它接受文本和图像，或文本和音频作为输入。该模型目前处于早期研究发布阶段，仍在进一步开发中。

基准测试结果

我们在七个公开数据集上对 d1-3B 和 d1-omni-600M 进行了基准测试，涵盖阅读理解、毒性检测、意图分类、医学问答和跨语言理解。d1-3B 的平均得分为 82.9，为表中最高，并高于 Decider 4B。d1-omni-600M 得分为 78.4，仅用四分之一的参数就超过了 Decider 2B（77.1）。

我们验证了 d1-3B 在标准视觉基准测试上保留了其 LFM2.5-VL-3B 主干的视觉能力，并且 d1-omni-600M 能够处理全部三种模态。我们没有报告任何视觉或音频基准测试结果，因为 Decision Index v0.3 仅包含一个私有视觉划分，而音频决策基准测试目前仍是一个开放问题。

速度

我们与 NVIDIA 合作，在 NVIDIA GeForce RTX 4090、NVIDIA Jetson AGX Thor、Jetson AGX Orin 64 GB 和 Jetson Orin Nano 上基于 NVIDIA 技术栈对 d1-3B 进行了评估。由于 d1-omni-600M 是早期研究发布版本，我们在本次发布中不报告其任何速度数据。

边缘推理。d1-3B 在每个测量设备上回答单个问题的时间均低于 50 ms。三个问题仅需一个问题的 1.3 倍时间，其中 AGX Thor 从 16 ms 增加到 20 ms。

GPU 推理。在 GPU 上，d1-3B 在两个平台上回答一个问题的时间均低于 10 ms，处理一张 384px 图像的时间均低于 18 ms。

如何使用开放的 d1 决策模型

当你需要快速、结构化的决策（包括多模态输入）时，请选择 d1 决策模型。d1-3B 在其规模下提供最高的决策质量，而 d1-omni-600M 则适合对占用空间有要求的场景。

安装依赖项（需要 transformers>=5.14）：

pip install "transformers>=5.14" torch torchvision pillow

这些模型自带代码，因此使用 trust_remote_code=True 加载：

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]))

为简洁起见，我们只包含 d1-3B 的示例。有关如何运行 d1-omni-600M 的说明，请参阅 d1-omni-600M 模型卡。

开始使用开放的 d1 决策模型

这两个决策模型均为开放权重，现已在 Hugging Face 上提供：

• 下载： Hugging Face 上的 d1-3B 和 d1-omni-600M。
• 试用： 在我们的 System One Arcade Hugging Face Space 中运行演示。

我们迫不及待想看到你构建的作品。

引用

如果你使用了这项工作，请引用发布博客：

@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},
}