Liquid AI, 7 Ekim 2026'da d1 karar modeli ailesinin iki açık ağırlıklı üyesini yayımladı: metin ve görüntü alan d1-3B ile deneysel, metin+görüntü veya metin+ses kabul eden d1-omni-600M. Şirketin vurgusu net: Bu modeller üretken sohbet modelleri gibi token üretmiyor; soruya tek bir ileri geçişte yapılandırılmış yanıt veriyor. Ağırlıklar Hugging Face'te indirilebiliyor; yerel çalıştırma belgeleri de paylaşıldı.
Karar modelleri, sohbet asistanlarından farklı bir ürün kategorisi. Amaç uzun yanıt üretmek değil; evet/hayır, seçenek veya skor gibi hızlı, kalibre edilmiş bir karar vermek. Liquid AI bunu kenar cihazlardan veri merkezi GPU'larına kadar aynı yığında konumlandırıyor.
Karar modeli ne demek?
Liquid AI'ye göre d1 ailesi, evet/hayır, çoktan seçmeli veya puan gibi kalibre edilmiş çıktılar için tasarlandı. d1-3B, LFM2.5-VL-3B görsel-dil omurgasından eğitildi; d1-omni-600M ise LFM2.5-Encoder-350M çift yönlü kodlayıcısından geliyor ve aşamalı olarak ses ile görü eklendi. Üretken Liquid Foundation Models'tan farklı olarak çıktıda üretilmiş metin dizisi yok; bu yüzden gecikme "girdi–çıktı uçtan uca" ölçülüyor.
Eğitim tarafında d1-3B için LFM2.5-2.6B ile görsel-dil omurgasının metin kısmının ağırlık ortalaması, farklı tohum ve veri karışımlarıyla ince ayar, uzun girdiler ve seçeneklerin karıştırılması öne çıkarıldı. d1-omni-600M'de ses için FastConformer kodlayıcı ve adaptör; görü için LFM2.5-VL-450M kodlayıcısından adaptör ve LoRA güncellemeleri kullanıldı.
Ölçümler: Decision Index ve hız
Liquid AI, d1-3B'nin Decision Index v0.2.1 (kamuya açık bölünme) üzerinde 48,57 puan aldığını, 10B altındaki tüm modellerin önünde ve kendinden 12 kat büyük Decider 35B-A3B ile aynı ligde olduğunu iddia ediyor. d1-omni-600M aynı endekste 15,95. Yedi metin ölçütünün ortalamasında d1-3B 82,9 ile tablodaki en yüksek skor; d1-omni-600M 78,4 ile Decider 2B'yi (77,1) geride bırakıyor. Civil Comments toksisite tespitinde d1-omni-600M yüzde 95,8 ile zirvede; PAWS-X parafraz tespitinde de 79,5 ile önde.
Hız iddiaları (şirketin ölçümü, tek istek): NVIDIA GeForce RTX 4090'da bir soru 8 ms; Jetson AGX Thor 16 ms; Jetson AGX Orin 26 ms; Jetson Orin Nano 50 ms. Apple M5 Pro'da 30 ms. Üç soruluk paket tek soruya göre yaklaşık 1,3 kat sürüyor; Thor'da 16 ms'den 20 ms'ye çıkıyor. AMD MI325X üzerinde tek soru 9 ms olarak veriliyor. NVIDIA yığını ve llama.cpp için ilk günden destek duyuruldu.
Nerede kullanılacak?
Liquid AI modelleri moderasyon, görsel kontrol, jestle oyun ve canlı içerik denetimi gibi gerçek zamanlı karar döngülerine konumlandırıyor; Hugging Face Space'te canlı kamera demoları ve NVIDIA ile Isaac Sim üzerinde Jetson donanım döngüsü örneği gösteriliyor. d1-3B "boyutuna göre en yüksek karar kalitesi", d1-omni-600M ise "ayak izinin kritik olduğu yerler" için öneriliyor. Ses kararı için ayrı kamuya açık ölçütlerin henüz olgunlaşmadığı da belirtiliyor.
Kenarda çalışan, buluta her karede gitmeyen yapay zekâ arayan ekipler için d1, üretken modellerden farklı bir kategori açıyor: Sohbet değil, hızlı ve yapılandırılmış karar. Şirket, açık ağırlık, ilk günden hız ve iki boyutlu aile (doğruluk–ayak izi dengesi) vaatlerini sıralıyor.
Kaynak: Liquid AI
