d1-Omni-2B vs d1-omni : un tag, deux checkpoints et un écart de huit fois

Téléchargez d1-omni aujourd'hui et vous obtenez un modèle de décision de 587 M de paramètres en 850 Mo. Téléchargez d1-omni:2b et vous obtenez 4,4 Go de quelque chose de complètement différent — d1-Omni-2B, le modèle de décision audio que Liquid AI a livré avec la famille LFM3 le 27 octobre 2026, face à d1-omni, le nom qu'Ollama utilise depuis début octobre pour le checkpoint d1-omni-600M du fournisseur. Ce ne sont pas les réponses de deux fournisseurs à la même question. Ce sont deux générations de la même idée, séparées par un facteur huit en nombre de paramètres, et le choix entre elles est en réalité un choix concernant l'endroit où le modèle doit s'exécuter. L'un tient sur un téléphone. L'autre exige un GPU et, en échange, fait des choses que le plus petit ne peut pas faire du tout.

La dénomination rend cela plus difficile que nécessaire, il vaut donc la peine de le dire clairement avant les chiffres : il n’existe pas de modèle Liquid AI appelé simplement d1-omni. La documentation du fournisseur répertorie d1-omni-2B et d1-omni-600M comme poids ouverts, et d1.1 et d1-ultra comme uniquement hébergés. « d1-omni » est un nom de conditionnement — le checkpoint 587M sous une étiquette plus courte. C’est l’adversaire dans cette comparaison, et c’est celui que la plupart des gens ont déjà sur disque.

Ce que chacun est réellement

Les deux sont des modèles de décision au sens de Liquid AI : on leur fournit un état et une liste de questions nommées, et ils renvoient des réponses typées avec des probabilités en une seule passe avant. Ni l’un ni l’autre n’écrit de texte, ni ne produit de parole, et tous deux rapportent zéro jeton de sortie. La similitude s’arrête à l’interface.

• Paramètres — 2,17 B pour d1-Omni-2B contre 587 M pour d1-omni, répartis dans le petit modèle en un tronc partagé et une tête de décision de 381 M, un encodeur visuel de 94 M et un encodeur audio de 112 M.

• Architecture — un socle tri-hybride LFM3 pour le 2B : 24 couches composées de 13 convolutions courtes à portes, 5 attentions à fenêtre glissante et 6 attentions globales. Le 587M est un encodeur bidirectionnel LFM2.5 construit sur LFM2.5-Encoder-350M, avec une tour de vision SigLIP2 héritée de LFM2.5-VL-450M et un FastConformer de 17 couches pour l’audio.

• Contexte — 128K tokens avec un vocabulaire de 128 000 tokens pour le modèle 2B. Le modèle 587M est documenté à 16 384 tokens couvrant ensemble les positions de texte, d’image et d’audio, et sa fiche ajoute que lorsque des images sont présentes, le texte d’état et de question est réduit à 896 tokens, comme à l’entraînement. La page d’Ollama indique 125K pour les deux tags, un chiffre que le fournisseur ne publie pas ; dimensionnez vos prompts par rapport au chiffre du fournisseur.

• Entrée — le 2B prend un état textuel ou JSON ainsi que des images, des images vidéo et des clips audio dans une seule liste de médias. Le 587M prend du texte avec des images, ou du texte avec jusqu’à 30 secondes d’audio, et sa fiche ne documente pas le mélange des deux.

• Types de sortie — oui/non, choix et score sur les deux. Le 2B ajoute des cases, la sélection multiple, des valeurs extraites avec des spans, et des nombres avec un intervalle. Ceux-ci sont nouveaux dans la génération LFM3 et n'ont pas d'équivalent sur le 587M.

• Sur le disque — 4,33 Go de safetensors BF16 pour le 2B, contre 850 Mo pour la version Q8_0 de d1-omni et 1,2 Go pour son tag BF16.

• Licence — LFM Open License v1.0 pour les deux. Gratuit pour un usage commercial en dessous de $10,000,000 de chiffre d'affaires annuel, sous licence séparée au-delà.

Ce que le huitième paramètre apporte

La comparaison utile est celle que Liquid AI a elle-même imprimée, car elle a réévalué les quatre modèles d1 sur les mêmes éléments avec le même évaluateur. Cela rend les lignes comparables entre elles d’une manière que les anciennes fiches ne permettent pas.

• Suite publique Decision Index, v0.3 — 49,0 pour d1-Omni-2B contre 18,3 pour d1-omni-600M.

• DecisionBench (Hanno Labs) v1 — 76,4 contre 58,7.

• decisionbench.ai v4 — 84,7 contre 57,9.

• JevBench v1.4.1 — 75,3 contre 58,0.

• ImajevBench v2.0-lite — 72,3 contre 21,7, l’écart le plus large de l’ensemble et celui qui compte le plus pour le travail visuel.

• WorkflowEvals — 77,1 contre 48,8.

• Décisions typées — 63,1 contre 57,5, l’écart le plus étroit, et un rappel que toutes les tâches ne dépendent pas du nombre de paramètres.

• Moyenne en vision, 18 benchmarks d’images — 67,7 contre 42,8.

Deux mises en garde accompagnent cette liste. La première est la dérive de version : la fiche du 7 octobre indiquait d1-omni-600M à 15,95 sur Decision Index v0.2.1, et la nouvelle fiche indique 18,3 sur v0.3. Ce sont des suites différentes, et les soustraire mesure l’indice, pas le modèle. La seconde est la provenance : chaque chiffre est déclaré par le fournisseur, noté par Liquid AI, sur des benchmarks sélectionnés par Liquid AI. Personne en dehors de l’entreprise n’a publié d’exécution de l’un ou l’autre checkpoint.

La forme du résultat est toutefois cohérente. Sur les tâches de type classification, le 587M tient étonnamment bien — Typed Decisions est à moins de six points. Sur tout ce qui exige de lire une scène, de compter des objets ou d’interpréter une disposition, il s’effondre : 21,7 sur ImajevBench contre 72,3, et 14,9 sur VisualWebBench dans la suite précédente contre 88,6. Si votre travail consiste à acheminer un ticket texte, les paramètres supplémentaires sont un luxe. S’il consiste à regarder quelque chose, ils sont tout le produit.

Là où le 587M gagne encore, et le chiffre qui le prouverait

L’enveloppe de déploiement est le véritable avantage du modèle de 587M, et ce n’est pas un lot de consolation. Un modèle de 587M dans 850 Mo tourne sur un ordinateur portable, un Raspberry Pi ou un téléphone, et Liquid AI a conçu la gamme d1 exactement pour cela. Un modèle de 2,17B dans 4,33 Go nécessite un GPU ou une machine Apple Silicon bien dotée avant d’être agréable à utiliser.

Ce qui manque, c'est la comparaison de latence qui rendrait l'arbitrage précis. La fiche d1-Omni-2B publie un tableau complet des vitesses : 5,8 ms pour une question et 7,7 ms pour trois sur un H100 PCIe, 3,7 ms et 5,6 ms sur un MI325X, 21,1 ms et 28,9 ms sur un M5 Pro, et 1 154 états par seconde en traitement par lots sur le H100. La fiche d1-omni-600M ne publie rien, et en donne la raison : « Nous ne communiquons pas de chiffres d'inférence pour d1-omni-600M, car il s'agit d'une version de recherche préliminaire en cours de développement actif. » Le plus petit modèle est donc presque certainement plus rapide, et il n'existe aucun chiffre fournisseur à citer pour dire à quel point. Quiconque vous dit que le 587M est trois fois plus rapide extrapole à partir du nombre de paramètres.

Il y a un véritable avantage touchant à la précision qui mérite d’être nommé. La fiche du d1-Omni-2B recommande d1-2B plutôt que lui-même en l’absence d’audio, et en donne les raisons : d1-2B est plus performant sur le texte et les boîtes simples, signale plus souvent les valeurs manquantes et est mieux calibré. Le même conseil détourne du modèle omni pour les tâches uniquement textuelles. Il ne dit pas que le 587M est mieux calibré — seulement que le 2B omni a un coût pour une capacité que vous pourriez ne pas utiliser.

La séparation audio est le point où les deux générations se distinguent nettement.

L’audio est la seule modalité où les deux modèles sont directement en concurrence, et les contraintes sont suffisamment différentes pour décider d’une architecture.

Le modèle 587M accepte jusqu’à 30 secondes d’audio, nécessite de l’audio mono à 16 kHz, et sa fiche comporte un avertissement explicite : les capacités audio ont été entraînées sur des requêtes entre un locuteur anglophone et un assistant, couvrant la nature de l’énoncé, son sujet et l’intention du locuteur. Il s’agit d’une distribution étroite, et cela est présenté comme une limitation plutôt que comme une note de bas de page.

Le modèle 2B prend en charge la parole dans les mêmes seize langues que sa partie texte, à l’exception de l’hindi, du thaï, du vietnamien et de l’indonésien, et les résultats audio de la fiche incluent 84,5 sur les événements sonores ESC-50 et 92,5 sur l’identification des langues FLEURS pour 43 langues. Il se dégrade aussi de manières documentées par la fiche : les courts énoncés d’états passent de 42,0 à l’écrit à 22,8 à l’oral, et les passages Belebele dans huit langues passent de 83,6 à 41,8. Les longs passages parlés perdent en précision, surtout en dehors de l’écriture latine.

La distinction n’est donc pas que « le 2B est meilleur en audio ». C’est que le 2B entend davantage de types d’audio et peine encore sur de longs états vocaux, tandis que le 587M entend une tranche plus étroite et plus contrôlée et n’a jamais été évalué sur des événements sonores ni sur l’identification de langue. Pour le routage de commandes vocales en anglais, les contraintes du 587M sont supportables. Pour le tri d’appels multilingue, elles sont rédhibitoires.

Quel tag récupérer

Les règles de décision sont assez courtes pour être énoncées sous forme de règles.

• Texte et images uniquement, et aucun audio dans le produit — ne retenez ni l'un ni l'autre. d1-2B obtient un meilleur score que d1-Omni-2B sur l'indice de décision, 51,1 contre 49,0, et la fiche du fournisseur lui-même vous recommande de l'utiliser. Le surcoût omni vous fait payer de l'audio que vous n'utiliserez pas.

• Routage vocal sur matériel contraint — d1-omni à 850MB. Acceptez la limite de 30 secondes, la distribution d’entraînement de locuteurs anglophones et le contexte de 16 384 jetons, et mesurez votre propre latence, car le fournisseur ne vous donnera pas de chiffre.

• Audio et images dans une même décision, ou des boîtes et des segments dans la sortie — d1-Omni-2B. Le 587M ne peut pas exprimer ces requêtes, il n’y a donc pas de comparaison à faire.

• Parole multilingue — d1-Omni-2B, avec les quatre langues exclues vérifiées par rapport à votre trafic réel avant de valider.

• Débit par lots — d1-Omni-2B, dont la fiche est la seule des deux à publier des états par seconde, tout court.

Un signal d'adoption mérite d'être consigné, car il va à l'encontre du récit des benchmarks : d1-omni-600M a attiré environ 18 900 téléchargements et 148 mentions « J'aime » sur Hugging Face depuis le 5 octobre. d1-Omni-2B comptait 36 téléchargements et 7 mentions « J'aime » quatre jours après l'apparition de son dépôt. Les décomptes de téléchargements précoces mesurent la nouveauté et le packaging, pas la qualité — le modèle 587M dispose d'un tag Ollama qui le met à portée d'une seule commande — mais ils décrivent bien le modèle que les gens utilisent réellement aujourd'hui.

Après la décision, le reste de l'appel

Quel que soit le tag que vous sélectionnez, le modèle de décision est le premier saut et non le dernier. Il renvoie une étiquette accompagnée d’une probabilité ; quelque chose doit encore rédiger la réponse, faire remonter le cas ou appeler l’API suivante, et ce deuxième saut est de nature générative. OrcaRouter ne référence pas les modèles Liquid AI, donc l’appel à d1-omni ou d1-Omni-2B s’exécute là où vous l’exécutez déjà — sur votre propre matériel à partir des poids Hugging Face, ou via le fournisseur. Ce qui se trouve derrière une clé compatible OpenAI correspond aux plus de 200 autres modèles du catalogue, au prix catalogue de chaque fournisseur avec 0 % de marge, avec basculement entre fournisseurs lorsque le modèle en aval que vous avez choisi est celui qui traverse une mauvaise passe. Pour un modèle aussi récent, cette séparation est utile : la partie non éprouvée reste locale et peu coûteuse, et la partie qui touche au trafic de production dispose d’un chemin de nouvelle tentative.

Le numéro qu'aucune des deux cartes ne vous donne

Aucun des deux checkpoints n’a fait l’objet d’une évaluation indépendante. Le 587M est public depuis le 5 octobre et n’en a toujours aucune ; le 2B a quatre jours. Tant que personne n’aura exécuté les deux sur le même ensemble audio, avec le même microphone et les mêmes langues, l’écart de paramètres d’un facteur huit restera un tableau de fournisseur, pas un fait mesuré. Le chiffre précis à surveiller est ce 22,8 sur les états courts parlés — c’est la ligne où la fiche du nouveau modèle reconnaît elle-même une faiblesse suffisamment importante pour changer une décision de déploiement, et c’est la ligne la plus susceptible de bouger quand quelqu’un extérieur à Liquid AI pointera un microphone vers lui.