Liquid AI 开源 Open d1 决策模型：d1-3B 单次前向 8ms 出答案，Jetson 边缘实时决策

核心背景与行业痛点

Agent 系统里大量环节其实不需要“写作文”：护栏判断要不要放行、重排序挑哪个候选、质检判断零件是否合格、语音指令该路由到哪里。用生成式大模型逐 token 输出答案，既慢又贵，还要再解析文本。Liquid AI 10 月 7 日发布 Open d1，把此前只走 API 的 d1 决策模型家族开源成两款可本地部署的权重：d1-3B 与 d1-omni-600M。

架构亮点与底层机制

d1 不生成 token，而是单次前向直接给出校准后的答案（是/否、选项、打分）。d1-3B 基于解码器结构的 LFM2.5-VL-3B，先把 LFM2.5-2.6B 与其文本骨干做权重平均，再用不同随机种子和数据配比微调后合并；官方称长输入训练、打乱选项顺序、修数据捷径比花哨技巧更有效。d1-omni-600M 基于双向编码器 LFM2.5-Encoder-350M，分阶段接入 FastConformer 音频编码器和来自 LFM2.5-VL-450M 的视觉编码器（LoRA 仅在有图像输入时激活），可处理文本+图像或文本+音频。

权威 Benchmark 与实测跑分对比

• Decision Index v0.2.1 公开集：d1-3B 48.57，10B 以下第一，与 12 倍体量的 Decider 35B-A3B 持平；d1-omni-600M 15.95。
• 7 项文本基准均分：d1-3B 82.9（Decider 4B 为 81.1）；d1-omni-600M 78.4（Decider 2B 为 77.1），Civil Comments 95.8、PAWS-X 79.5 为全表最高。
• 延迟（单请求）：RTX 4090 8ms、MI325X 9ms、Jetson AGX Thor 16ms、AGX Orin 26ms、Orin Nano 50ms；4090 打包吞吐 475 状态/秒。
• 视觉私有集未公布分数，音频决策基准官方坦言尚属空白。

开发者实战落地与开箱指南

权重已上架 d1-3B、d1-omni-600M 与 d1-3B-GGUF，许可证为 LFM Open License v1.0，首日支持 llama.cpp（覆盖 Apple、AMD、Qualcomm、NVIDIA，含 NVFP4）。本地部署参考 决策模型文档，不想装环境可先在 d1 Playground 试 10 个摄像头实时 demo。适合场景：Agent 工具调用前的安全护栏、RAG 重排序、工业视觉质检、端侧语音指令路由。