Liquid AI 开源 d1 决策模型：不做生成了，单题 8 毫秒给出答案

不写字，只做决定

绝大多数人对 AI 的印象是「生成」：问它一句话，它一个字一个字地写回一段回答。但现实里大量的 AI 任务根本不是写作，而是判断——这条评论是不是辱骂？这张图片里的包裹是不是倒了？机器人前方这条路通不通？为了回答一个是非题，去调用大模型写出一整段文字，是算力上最浪费的一种做法。

Liquid AI 在 10 月 7 日开源了 d1 系列决策模型，直接把这个环节砍掉。d1-3B 和 d1-omni-600M 不做 token 生成，输入进来、一次前向传播、直接输出类别标签或评分。官方给出的延迟数据是：RTX 4090 上单题 8 毫秒，AMD MI325X 上 9 毫秒，Jetson AGX Thor 16 毫秒，Apple M5 Pro 30 毫秒，最小的 Jetson Orin Nano 也只要 50 毫秒。

决策模型不等于缩小版的 LLM。它不会摘要、不会解释、不会追问——你要的是判断，它只给判断。

两款模型的底子与边界

d1-3B 约 31 亿参数，底座是 LFM2.5-VL-3B，能同时处理文本和图像；d1-omni-600M 约 6 亿参数，底座是双向编码器 LFM2.5-Encoder-350M，在文本和视觉之外再加上了音频，官方自己把它标为实验性 checkpoint。

Liquid AI 用自己的 Decision Index v0.2.1 做评测，d1-3B 得 48.57 分，官方称大致相当于一个 12 倍参数规模（约 350 亿）的模型水平；d1-omni-600M 得分 15.95，多模态能力换来了明显的精度折损。这两项都是厂商自报数据，尚无独立评测背书。

值得注意的是许可证：两款模型用的是 Liquid 自家的 LFM Open License，而不是 Apache 2.0 或 MIT。商业部署前要先把条款读清楚，这一点容易被忽略。发布首日即支持 llama.cpp，官方在 Hugging Face 上放了十个演示，让 d1-3B 对摄像头画面逐帧推理，每个演示覆盖一种真实场景——手势控制、实时内容审核等。

它真正的意义在架构选择上

Liquid AI 打开的是「生成」与「判断」的分工：开放式写作继续交给大模型，而高频、低价值、要求确定性的分类判断，交给毫秒级的小模型在设备侧完成。对内容审核、路径规划、质检这类每毫秒和每瓦都算成本的场景，这是可以直接省掉云端调用的一步。

代价同样清楚：它不能给你推理过程，也不能在判断之外补充上下文。如果你的任务需要「答案加上解释」，这条路走不通。选型的关键不在于谁更便宜，而在于你的需求里到底有没有「生成」这一项。