A Liquid AI lançou o Open d1, dois modelos multimodais de peso aberto da sua família de modelos de decisão d1. O d1-3B lê texto e imagens. O d1-omni-600M lê texto com uma imagem, ou texto com áudio. Nenhum dos modelos escreve texto. Cada um retorna respostas calibradas e tipadas em uma única passagem direta com zero tokens de saída. O objetivo são decisões em tempo real na stack da NVIDIA: servidores DGX, estações de trabalho RTX e placas de borda Jetson. É implementável? Sim. Ambos os checkpoints estão no Hugging Face, carregam via Transformers e têm suporte llama.cpp desde o primeiro dia. A LFM Open License v1.0 permite uso comercial gratuito abaixo de US$ 10 milhões em receita anual. O d1-omni-600M é uma versão de pesquisa inicial sem números de latência publicados. O que é um modelo de decisão? Um LLM generativo escreve sua resposta token por token, e seu código a analisa. Um modelo de decisão pega um estado e um conjunto de perguntas nomeadas. Ele os lê uma vez e retorna uma probabilidade para cada resposta permitida. A Liquid AI define três tipos de perguntas: noul: uma pergunta de sim ou não, retornada como P(sim). choice: um rótulo de opções nomeadas, com uma distribuição de probabilidade completa. score: uma posição ponderada por probabilidade em uma rubrica ordenada de 2 a 10 níveis. Várias perguntas podem compartilhar um estado em uma única chamada. Cada resposta informa output_tokens: 0. A Liquid AI recomenda o d1 para roteamento, moderação, classificação de intenção, reranking, pontuação LLM-as-a-judge, guardrails de agentes e inspeção visual. Nenhum dos checkpoints é um modelo de chat. (function(){var f=document.getElementById('mtp-d1-frame');window.addEventListener('message',function(e){if(e.data&&e.data.type==='mtp-d1-resize'&&e.source===f.contentWindow){f.style.height=Math.ceil(e.data.height)+'px';}});})(); Como o d1-3B e o d1-omni-600M são construídos? O d1-3B tem 3,12 bilhões de parâmetros e começa a partir do LFM2.5-VL-3B, um modelo de visão-linguagem apenas decodificador. A Liquid AI calculou a média dos pesos do LFM2.5-2.6B com o backbone de texto desse modelo. Em seguida, ajustou vários checkpoints com diferentes seeds e misturas de dados, e mesclou
Fonte: MarkTechPost
Publicado em 2026-10-07