Liquid AI 开放两款 d1 决策模型：让分类与路由少走一步

2026年10月7日，Liquid AI 发布开放权重的 d1-3B 与 d1-omni-600M，提供可下载、本地运行的决策模型。重点是结构化判断：接收状态与问题，返回选项概率、分类或评分，减少先生成解释、再从文字里抽取结果的步骤。发布公告

两种规模，两种输入组合

官方模型卡说明，d1-3B 支持文本与图像输入，总参数约31.2亿；d1-omni-600M 总参数约5.87亿，支持文本加图像，或文本加音频。后者属于早期实验版本，音频训练主要围绕英语请求，片段最长30秒，不能推断它已可靠覆盖多种语言和长音频。3B 模型卡、omni 模型卡

官方接口支持从无序候选中选择、按有序标准评分，以及返回“是”的概率。例如，一张工单可以同时判断是否要求退款、应交给哪个部门，以及紧急程度。它适合答案形式已经明确的业务环节。决策模型文档

速度数字要连同条件一起看

d1-3B 在 RTX 4090 上的8毫秒单问题结果，是厂商在已预热、编译及 CUDA Graphs 优化条件下的测量。模型卡也列出未使用该优化时的16毫秒结果；新输入形状、输入长度和整条系统流程，都会影响最终延迟。速度条件

因此，“毫秒级决策”不能改写成任意设备、任意输入都能稳定实时运行。小模型的一次计算延迟，也不是应用从接收请求到完成业务操作的总耗时。

质量方面，Liquid AI 报告 d1-3B 在 Decision Index v0.2.1 公开集得分48.57。模型卡说明，这个分数用官方评分器计算，未作为正式排行榜提交。它可以作为选择测试对象的线索，仍需要检查自己的样本分布与错误类型。评估说明

适合放在哪一环

我们的分析是，d1 更值得在工单分流、意图识别或图像检查等具体环节评估。先写清选项和评分标准，再比较准确率、延迟与人工复核成本，比只看参数量更有用。

官方文档也划出了分工：自由写作、多轮对话、开放问答和复杂多步推理，应继续使用语言模型。两款模型提供了下载入口，但开放权重的使用仍需查看仓库里的许可条款，不能直接写成无限制商用。用途边界

本文根据官方资料整理，未下载运行模型，也未验证具体设备的表现。