Liquid d1 — 面向边缘的小型多模态决策模型
LiquidAI 的 d1-3B 与 d1-omni-600M 是由 LFM2.5 基座微调而来的紧凑决策模型 — 两个版本都支持图像，omni 版还支持音频 — 定位边缘与端侧部署并提供 GGUF 量化。它们是什么、跑在什么上面、以及与托管 Jev 的差异。
Liquid d1 是什么
LiquidAI 于 2026 年 10 月上旬发布了 d1-3B 与 d1-omni-600M，分别由其 LFM2.5-VL-3B 视觉语言基座与 LFM2.5-Encoder-350M 基座微调而来。Hugging Face 上的标签为 decision、calibration、system-one 与 edge；pipeline 类别是 image-text-to-text，意味着这些模型同时摄取图像与文本。d1-omni 版把输入扩展到音频。卡片声称的多语言覆盖很广：英语、德语、西班牙语、法语、意大利语、荷兰语、波兰语、葡萄牙语、阿拉伯语、印地语、日语、俄语、土耳其语、越南语和中文。
小到随身携带
这些是边缘尺寸的模型：omni 版 600M 参数，较大版本 3B。社区 GGUF 量化可经 llama.cpp 运行，让 omni 版成为笔记本电脑与单板机上的现实选择。如果你一直在寻找一个能跑在没有 GPU 的地方的决策模型，这个发布正是冲着这个生态位来的。
采用之前要检查什么
三件事。Hugging Face 卡片上的许可列为“other”，不是标准的开放许可 — 在把产品押上去之前先读它的实际条款。校准写在标签里，但真正的证明是你的负载：跑你自己的十案例验证。还有，自托管意味着服务运维、更新与监控都归你 — 小模型也需要有专人负责。
它与托管 Jev 的相对位置
Jev 是托管的文本决策模型：在你声明的选项之上给出概率，可通过 Optio 之类的网关用 Bearer key 调用。Liquid d1 覆盖 Jev 不覆盖的输入 — 图像、音频 — 并且运行在你托管它的地方。如果决策读的是图片或音频，d1 的生态位是真实存在的；如果决策读文本、且需要在托管流水线里设阈值，Jev 是更短的路径。
常见问题
- Liquid d1 是 Jev 的竞争对手吗？
- 部分是 — 两者都讲 System One 决策词汇（d1 卡片上的标签是这么写的），但它们只在文本上重叠。d1 的差异化在多模态输入（视觉，omni 版还有音频）与边缘尺寸的权重；Jev 是托管、纯文本、用 key 提供服务。
- 能在我的笔记本上运行 d1 吗？
- 经 llama.cpp GGUF 运行 d1-omni-600M 对 Apple Silicon 及类似硬件是现实的；3B 版本需要更多余量。去社区量化讨论帖里看看经过验证的配置。
- Liquid d1 免费吗？
- 权重免费下载，但其在 Hugging Face 上的许可字段是“other” — 商用之前先读实际条款，并记住你付出的算力与运维精力才是真正的成本。
- 这是 LiquidAI 的官方网站吗？
- 不是。Optio 是一个调用 Jev 的独立网关，与 TypeSafe、LiquidAI 及此处涉及的任何模型均无关联；本页对 d1 的描述尊重其原始表述，事实来源于 Hugging Face 模型卡。