ENPT

Liquid AI publica o d1-3B e o d1-omni-600M abertos

Última atualização:

Source

Em 7 de outubro de 2026 a Liquid AI publicou dois modelos de decisão de pesos abertos. A API hospedada do d1, de 29/09, não muda: o checkpoint dela segue sem publicação, e estes cards não dizem que são aquele modelo.

O que saiu

  • d1-3B (3,12B), treinado a partir do LFM2.5-VL-3B. Texto e imagem. noul, choice e score numa passada, output_tokens 0. Hugging Face, mais GGUF e um build int8. O card é de 5/10; o blog é de 7/10.
  • d1-omni-600M (587M), treinado a partir do encoder LFM2.5. Texto e imagem, ou texto e até 30 segundos de áudio, não os três juntos. A Liquid chama de release experimental de pesquisa e não publica tabela de latência.

Os dois usam a LFM Open License v1.0. O uso comercial fica limitado quando a receita anual chega a US$ 10 milhões. O caminho documentado em Python é model.system_one(), com trust_remote_code=True, não uma rota hospedada /v1/systemone.

Números para ler com cuidado

A Liquid reporta Decision Index v0.2.1, split público, de 48,57 (d1-3B) e 15,95 (d1-omni-600M), e diz que 48,57 lidera todo modelo abaixo de 10B e empata com o Decider 35B-A3B (47,11). A média de sete benchmarks de texto é 82,9 no 3B e 78,4 no 600M. A latência de uma pergunta no 3B começa em 8 ms numa RTX 4090 e em 50 ms num Jetson Orin Nano. Tudo isso é UnverifiedClaim. O snapshot oficial do Decision Index que este site conferiu por último (28/09) é anterior aos cards.

O @atomic_chat_hq (7/10, 17:28 BRT) rodou o d1-3B numa RTX 3090 num loop de Snake: 8 ms, 82 movimentos por segundo, 86 maçãs, contra a Decisions API da OpenAI a 345 ms e 3 maçãs. A homepage atomic.chat não documenta a rodada. A comparação mistura uma passada local com uma API na rede. UnverifiedClaim.