A Liquid AI anunciou dois modelos abertos de decisão, d1-3B e d1-omni-600M, destinados a aplicações de inferência na edge. O anúncio foi publicado no Hugging Face a 7 de outubro de 2026. Segundo a empresa, o d1-3B aceita texto e imagens, enquanto o d1-omni-600M, apresentado como experimental e em fase de investigação, aceita texto e imagens ou texto e áudio. A empresa não divulgou medições de velocidade para este último modelo.

Ao contrário dos modelos generativos, que produzem sequências de tokens, os modelos d1 respondem a perguntas numa única passagem, explica a Liquid AI. O d1-3B parte do modelo visual e linguístico LFM2.5-VL-3B, de arquitectura apenas descodificadora. O d1-omni-600M deriva do LFM2.5-Encoder-350M, um codificador bidireccional ao qual foram acrescentados codificadores de visão e áudio. A empresa afirma que o modelo mais pequeno continua em desenvolvimento.

No Decision Index 0.2.1, a Liquid AI atribui ao d1-3B uma pontuação de 48,57, que apresenta como a melhor entre os modelos com menos de 10 mil milhões de parâmetros. A empresa diz que o resultado supera o de todos os modelos de 4 mil milhões e 9 mil milhões avaliados, bem como o do Decider 35B-A3B, que obteve 47,11. Estes resultados foram divulgados pelo fabricante; a evidência fornecida não inclui validação independente.

A empresa também testou os modelos em sete conjuntos de dados públicos, relativos a compreensão de leitura, toxicidade, classificação de intenções, perguntas médicas e compreensão multilingue. Na média apresentada, o d1-3B obteve 82,9 pontos e o d1-omni-600M, 78,4, contra 81,1 para o Decider 4B e 77,1 para o Decider 2B. A Liquid AI assinala que não apresenta resultados de visão ou áudio: o índice inclui uma divisão de visão privada e, segundo a empresa, os testes de decisão em áudio continuam a ser um problema em aberto.

Os números de velocidade dizem respeito apenas ao d1-3B e foram medidos, em colaboração com a NVIDIA, em vários dispositivos, incluindo computadores compactos Jetson e placas gráficas. A Liquid AI reporta 16 milissegundos para uma pergunta no Jetson AGX Thor, 26 no AGX Orin e 50 no Orin Nano. Numa NVIDIA RTX 4090, o valor indicado é de oito milissegundos. A empresa afirma ainda que, no AGX Thor, três perguntas demoram 20 milissegundos, face a 16 para uma pergunta. Não foram divulgados tempos para o d1-omni-600M.

As instruções publicadas pela Liquid AI indicam a utilização da biblioteca Transformers na versão 5.14 ou posterior e o carregamento de código remoto próprio. Os exemplos incluem tarefas como encaminhar pedidos, classificar mensagens e avaliar urgência, bem como responder a perguntas sobre imagens. O material fornecido não especifica os termos da licença nem apresenta medições independentes de desempenho ou de consumo energético.

Porque importa

Modelos que respondem numa única passagem podem ser aplicados a tarefas de classificação e encaminhamento com requisitos de baixa latência, incluindo em hardware compacto. Os dados disponíveis são os publicados pelo fabricante e não permitem concluir sobre desempenho independente, consumo energético ou capacidade de áudio em condições comparáveis.

Fontes

Multimodal open d1 decision models for the edgeHugging Face ↗