Liquid AI 开源 d1 决策模型：不生成文本

这件事意味着什么

【要点】

Liquid AI 于 2026 年 10 月 7 日发布 Open d1：两款在 Hugging Face 上开放权重的决策模型。它们不生成文本，而是读入一个状态和一组带类型的问题（是/否、从命名选项中选一个、或打分），在一次前向计算里返回带概率的答案，输出 token 为零。

d1-3B（31.2 亿参数，基于 LFM2.5-VL-3B）接受文本和图像。d1-omni-600M（5.87 亿参数）被 Liquid 称为实验性版本，接受文本加图像，或文本加最长 30 秒的音频。

【可核验】

一手页面：https://www.liquid.ai/blog/d1-open ，以及 Hugging Face 上 LiquidAI/d1-3B 与 d1-omni-600M 的模型卡。

在 Decision Index v0.2.1 上，Liquid 给 d1-3B 的分数是 48.57，高于 Decider 35B-A3B（47.11），低于 Winnow-12B（50.02）；这是用官方评分器自测，「不是排行榜提交」。d1-3B 回答一个问题在 RTX 4090 上需 8 毫秒，在 Jetson Orin Nano 上需 50 毫秒。到 10 月 8 日（UTC）凌晨，llama.cpp 已合入两款模型的支持。

两款模型都采用 LFM Open License v1.0：被许可方年收入低于 1000 万美元时才享有商用权利。博客里「不受限制地部署」的说法比这更宽。

d1-3B 模型卡写的是返回「校准过的类型化答案」；d1-omni-600M 模型卡则说只有文本答案做了校准。

【我们的判断】

决策模型正从云端 API 走向设备端。OpenAI 的 Decisions API 处于公测，TypeSafe 的 Jev 开放了早期访问，二者都是托管服务；Liquid 则直接给出能在 Jetson 上跑的权重。

不生成文本带来可控：每个答案都是带概率的类型化值，便于记录、设阈值和审计。代价是模型只能在你预先定义的选项里挑，无法解释自己。

这个许可证不是 OSI 意义上的开源；更大的公司需要另谈授权。

校准和速度都是官方自测。这类模型比聊天模型更需要独立验证，因为下游系统会直接按这些概率行事。