ENPT

d1-omni-600M

Última atualização:

Aberto—$0/M input

Notas do quadrante

Ver o quadrante completo

Pontuação pela rubrica pública do quadrante (maturidade × capability; bolha = adoção). Revisamos conforme a evidência.

  • Maturidade5.9/10

    Pesos experimentais abertos sob a mesma LFM Open License v1.0 do d1-3B, com README de texto, imagem e áudio. Existe GGUF. A Liquid diz que os números de inferência ainda não estão prontos. Sem API hospedada nem SLA.

  • Capability5.5/10

    A mesma interface noul/choice/score, lida da distribuição sobre as opções. Sem ECE e sem tabela de latência. Decision Index 15,95 é rodada da própria Liquid. Áudio limitado a clipes em inglês de assistente, no máximo 30 segundos.

  • Adoção4/100

    Cerca de 8,5 mil downloads e 77 curtidas em três dias, à frente do d1-3B em downloads, mais um repo GGUF. A atenção do lançamento ficou no 3B. Sem caso de produção.

Vendor claims

O d1-omni-600M é o checkpoint aberto menor do lançamento da Liquid AI em 7 de outubro de 2026. O card lista 587M de parâmetros: um tronco e head de decisão de 381M, um encoder de visão de 94M e um encoder de áudio de 112M. A base é o LFM2.5-Encoder-350M, um encoder bidirecional, não o decoder do d1-3B.

O estado é texto ou JSON, com imagens ou um clipe de voz. As respostas saem da distribuição sobre as opções, com zero tokens de saída. Aceita ou texto e imagem ou texto e áudio, não os três juntos. O contexto é de 16.384 posições. Com imagens, o texto do estado e das perguntas é cortado em 896 tokens. Os clipes de áudio são cortados em 30 segundos. transformers>=5.15, trust_remote_code=True.

Licença. A mesma LFM Open License v1.0 do d1-3B. O uso comercial fica limitado quando a receita anual chega a US$ 10 milhões.

Escopo do áudio. O card avisa que o áudio foi treinado em pedidos entre um falante de inglês e um assistente: tipo de fala, tema e o que a pessoa quer.

O que a Liquid diz, e o que não diz

  • Decision Index v0.2.1: 15,95, contra 48,57 do d1-3B. UnverifiedClaim.
  • Sete benchmarks de texto, média 78,4, pouco acima do Decider 2B (77,1). O mais alto dessa tabela em Civil Comments (95,8) e PAWS-X (79,5). UnverifiedClaim.
  • O blog não publica tabela de latência. Chama isto de release experimental de pesquisa, ainda em desenvolvimento. O 0–0 ms do frontmatter quer dizer que não há número.
  • Sem ECE.

O relato de treino: fine-tune do encoder em tarefas de decisão, depois áudio (FastConformer mais um adapter, encoder treinado com o tronco de texto congelado) e visão (torre SigLIP2 do LFM2.5-VL-450M, adapter mais LoRA ativa só quando há imagem, encoder de visão congelado). Um fine-tune completo depois mescla a LoRA e faz média dos pesos com o checkpoint anterior.

Tem pesos de decisão próprios e a mesma interface tipada do d1-3B. O índice fica muito abaixo do 3B, então é opção de tamanho, não um segundo carro-chefe. Compare com o d1-3B e o d1 hospedado.

Port para Core ML (8/10/2026)

O FluidInference/d1-omni-600m-coreml converte o caminho de texto (tronco encoder LFM2.5 mais a cabeça de decisão) para Core ML em aparelhos Apple. Quem portou relata 2 respostas trocadas em 492 checagens contra o original (|Δp| máximo 0,017) e cerca de 4,6 ms por pergunta com 64 tokens no Neural Engine (UnverifiedClaim). Mantém a LFM Open License v1.0: sem uso comercial para entidades com receita anual de US$ 10 milhões ou mais. Os caminhos de imagem e áudio não foram portados. Notas inalteradas.