d1-Omni-2B לעומת d1-omni: תג אחד, שני צ'קפוינטים ופער פי שמונה

משכו את d1-omni היום ותקבלו מודל החלטות בעל 587 מיליון פרמטרים בגודל 850MB. משכו את d1-omni:2b ותקבלו 4.4GB של משהו אחר לגמרי — d1-Omni-2B, מודל החלטות האודיו ש-Liquid AI השיקה עם משפחת LFM3 ב-27 באוקטובר 2026, לעומת d1-omni, השם ש-Ollama משתמשת בו מאז תחילת אוקטובר עבור נקודת הבדיקה d1-omni-600M של הספק. הם לא שתי תשובות של שני ספקים לאותה שאלה. הם שני דורות של אותו רעיון, במרחק של פי שמונה זה מזה במספר הפרמטרים, והבחירה ביניהם היא למעשה בחירה לגבי היכן המודל צריך לרוץ. האחד מתאים לטלפון. האחר רוצה GPU, ובתמורה עושה דברים שהקטן יותר כלל לא יכול לעשות.

השם הזה הופך את העניין למסובך יותר ממה שהוא צריך להיות, ולכן כדאי לומר את זה בבירור לפני המספרים: אין מודל של Liquid AI שנקרא פשוט d1-omni. התיעוד של הספק מפרט את d1-omni-2B ואת d1-omni-600M כמשקלים פתוחים, ואת d1.1 ואת d1-ultra כזמינים רק באירוח. "d1-omni" הוא שם אריזה — נקודת השמירה של 587M תחת תווית קצרה יותר. זהו היריב בהשוואה הזו, והוא זה שלרוב האנשים כבר נמצא בדיסק.

מה כל אחד הוא בפועל

שניהם מודלים של החלטה במובן שבו Liquid AI משתמשת במונח: אתם מעבירים להם מצב ורשימה של שאלות בעלות שמות, והם מחזירים תשובות בעלות טיפוס עם הסתברויות במעבר קדימה אחד. אף אחד מהם לא כותב טקסט, אף אחד מהם לא מפיק דיבור, ושניהם מדווחים אפס טוקני פלט. הדמיון נגמר בממשק.

• פרמטרים — 2.17B עבור d1-Omni-2B לעומת 587M עבור d1-omni, מחולקים במודל הקטן לגזע משותף וראש החלטה של 381M, מקודד ראייה של 94M ומקודד שמע של 112M.

• ארכיטקטורה — עמוד שדרה תלת-היברידי LFM3 עבור ה-2B: 24 שכבות של 13 קונבולוציות קצרות עם שערים, 5 קשב בחלון הזזה ו-6 קשב גלובלי. מודל ה-587M הוא מקודד דו-כיווני LFM2.5 שנבנה על LFM2.5-Encoder-350M, עם מגדל ראייה SigLIP2 בירושה מ-LFM2.5-VL-450M ו-FastConformer בן 17 שכבות לאודיו.

• הקשר — 128K טוקנים עם אוצר מילים של 128,000 טוקנים עבור ה-2B. מודל ה-587M מתועד ב-16,384 טוקנים המכסים יחד מיקומי טקסט, תמונה ושמע, וכרטיס המודל שלו מוסיף שכאשר יש תמונות, טקסט המצב והשאלה נחתך ל-896 טוקנים, כפי שאומן. העמוד של Ollama מציג 125K עבור שני התגים, נתון שהספק אינו מפרסם; כוונן את הפרומפטים שלך לפי המספר של הספק.

• קלט — ה-2B מקבל מצב טקסט או JSON יחד עם תמונות, פריימים של וידאו וקטעי אודיו ברשימת מדיה אחת. ה-587M מקבל טקסט עם תמונות, או טקסט עם עד 30 שניות של אודיו, והכרטיס שלו אינו מתעד ערבוב של השניים.

• סוגי פלט — כן/לא, בחירה וציון בשניהם. ה-2B מוסיף תיבות, בחירה מרובה, ערכים מחולצים עם טווחים, ומספרים עם מרווח. אלה חדשים בדור LFM3 ואין להם מקבילה ב-587M.

• על הדיסק — 4.33GB של safetensors מסוג BF16 עבור ה-2B, לעומת 850MB עבור גרסת Q8_0 של d1-omni ו-1.2GB עבור תג ה-BF16 שלה.

• רישיון — LFM Open License v1.0 על שניהם. חינם לשימוש מסחרי כאשר ההכנסה השנתית נמוכה מ-$10,000,000, ומעל לכך נדרש רישיון נפרד.

מה נותן הפרמטר השמיני

ההשוואה השימושית היא זו ש-Liquid AI הדפיסה בעצמה, משום שהיא נתנה ציון מחדש לכל ארבעת מודלי d1 על אותם פריטים עם אותו מעריך. זה הופך את השורות לברות-השוואה פנימית באופן שבו הכרטיסים הישנים יותר אינם.

• חבילת הבדיקות הציבורית של Decision Index, גרסה 0.3 — 49.0 עבור d1-Omni-2B לעומת 18.3 עבור d1-omni-600M.

• DecisionBench (Hanno Labs) v1 — 76.4 לעומת 58.7.

• decisionbench.ai v4 — 84.7 לעומת 57.9.

• JevBench v1.4.1 — 75.3 לעומת 58.0.

• ImajevBench v2.0-lite — 72.3 לעומת 21.7, הפער הגדול ביותר בקבוצה, וזה שהכי משמעותי לעבודה חזותית.

• WorkflowEvals — 77.1 לעומת 48.8.

• החלטות עם טיפוסים — 63.1 לעומת 57.5, הפער הצר ביותר ותזכורת לכך שלא כל משימה משתפרת בהתאם למספר הפרמטרים.

• ממוצע חזותי, 18 מבחני תמונה — 67.7 לעומת 42.8.

שתי אזהרות מלוות את הרשימה הזאת. הראשונה היא סחיפת גרסאות: הכרטיס מ-7 באוקטובר דיווח על d1-omni-600M בציון 15.95 ב-Decision Index v0.2.1, והכרטיס החדש מדווח על 18.3 ב-v0.3. אלה מערכות מבחן שונות, והחסרתן מודדת את האינדקס, לא את המודל. השנייה היא מקור הנתונים: כל נתון מדווח על ידי הספק, נמדד על ידי Liquid AI, על גבי מבחני ייחוס ש-Liquid AI בחרה. איש מחוץ לחברה לא פרסם ריצה של אף אחד משני הצ'קפוינטים.

עם זאת, צורת התוצאה עקבית. במשימות בסגנון סיווג, ה-587M מחזיק מעמד היטב באופן מפתיע — Typed Decisions נמצא בפער של עד שש נקודות. בכל דבר שמחייב קריאת סצנה, ספירת אובייקטים או פירוש פריסה, הוא מתמוטט: 21.7 ב-ImajevBench לעומת 72.3, ו-14.9 ב-VisualWebBench בחבילה המוקדמת יותר לעומת 88.6. אם התפקיד שלך הוא לנתב פנייה טקסטואלית, הפרמטרים הנוספים הם מותרות. אם התפקיד שלך כולל להסתכל על משהו, הם המוצר כולו.

איפה ה-587M עדיין מנצח, והמספר שיוכיח את זה

מעטפת הפריסה היא היתרון האמיתי של מודל ה-587M, וזה לא פרס ניחומים. מודל 587M בגודל 850MB רץ על מחשב נייד, על Raspberry Pi או על טלפון, ו-Liquid AI בנתה את קו d1 בדיוק בשביל זה. מודל 2.17B בגודל 4.33GB זקוק ל-GPU או למכונת Apple Silicon עם משאבים מספקים כדי שיהיה נעים לשימוש.

מה שחסר הוא השוואת זמני השהיה שתהפוך את הבחירה למדויקת. כרטיס ה-d1-Omni-2B מפרסם טבלת מהירות מלאה: 5.8 מילישניות לשאלה אחת ו-7.7 מילישניות לשלוש ב-H100 PCIe, 3.7 מילישניות ו-5.6 מילישניות ב-MI325X, 21.1 מילישניות ו-28.9 מילישניות ב-M5 Pro, ו-1,154 מצבים לשנייה בעיבוד באצווה ב-H100. כרטיס ה-d1-omni-600M אינו מפרסם דבר, ומסביר מדוע: "איננו מדווחים נתוני הסקה עבור d1-omni-600M מכיוון שזוהי מהדורת מחקר מוקדמת ונמצאת בפיתוח פעיל." לכן המודל הקטן יותר כמעט בוודאות מהיר יותר, ואין נתון יצרן שאפשר לצטט כדי לדעת בכמה. כל מי שאומר לך שה-587M מהיר פי שלושה מסיק זאת ממספר הפרמטרים.

יש יתרון אמיתי וסמוך לדיוק שראוי לציין. הכרטיס של d1-Omni-2B ממליץ על d1-2B על פני עצמו כשאין אודיו, ומפרט את הסיבות: d1-2B חזק יותר בטקסט ובקופסאות בודדות, מדווח על ערכים חסרים לעתים קרובות יותר, ומכויל טוב יותר. אותה עצה מרחיקה ממודל ה-omni לעבודה בטקסט בלבד. היא אינה אומרת שה-587M מכויל טוב יותר — אלא ש-2B omni נושא עלות עבור יכולת שאולי לא תשתמש בה.

פיצול האודיו הוא הנקודה שבה שני הדורות מופרדים בצורה נקייה.

אודיו היא המודאליות היחידה שבה שני המודלים מתחרים ישירות, והאילוצים שונים מספיק כדי להכריע ארכיטקטורה.

המודל {{1}}587M{{/1}} מקבל עד 30 שניות של דיבור, מצפה ל-16kHz מונו, והכרטיס שלו כולל אזהרה מפורשת: יכולות השמע אומנו על בקשות בין דובר אנגלית לעוזר, וכיסו איזה סוג של אמירה מדובר, את הנושא שלה ומה הדובר רוצה. זו התפלגות צרה, והיא מוצגת כמגבלה ולא כהערת שוליים.

מודל ה-2B תומך בדיבור באותן שש-עשרה שפות שבהן תומך הצד הטקסטואלי שלו, למעט הינדי, תאית, וייטנאמית ואינדונזית, ותוצאות האודיו של הכרטיס כוללות 84.5 ב-ESC-50 לאירועי צליל ו-92.5 ב-FLEURS לזיהוי שפה על פני 43 שפות. הוא גם נחלש בדרכים שהכרטיס מתעד: מצבים קצרים מדוברים יורדים מ-42.0 בכתב ל-22.8 בשמיעה, וקטעי Belebele בשמונה שפות יורדים מ-83.6 ל-41.8. קטעים מדוברים ארוכים מאבדים דיוק, בעיקר מחוץ לכתב הלטיני.

אז החלוקה אינה "ה-2B טוב יותר באודיו". אלא שה-2B שומע יותר סוגי אודיו ועדיין מתקשה עם מצב דיבור ארוך, בעוד שה-587M שומע פרוסה צרה ומבוקרת יותר ומעולם לא הוערך על אירועי צליל או זיהוי שפה בכלל. עבור ניתוב פקודות קוליות באנגלית, האילוצים של ה-587M ניתנים לשרדה. עבור מיון שיחות רב-לשוני, הם פוסלים.

איזה תג למשוך

כללי ההחלטה קצרים מספיק כדי לנסח אותם ככללים.

• טקסט ותמונות בלבד, וללא אודיו במוצר — אל תמשוך אף אחד מהם. d1-2B מקבל ציון גבוה יותר מ-d1-Omni-2B במדד ההחלטה, 51.1 לעומת 49.0, והכרטיס של הספק עצמו אומר לך להשתמש בו. תוספת ה-Omni קונה אודיו שלא תשתמש בו.

• ניתוב קולי על חומרה מוגבלת — d1-omni בנפח 850MB. קבלו את מגבלת 30 השניות, את התפלגות האימון של דוברי אנגלית ואת חלון ההקשר של 16,384 טוקנים, ומדדו את זמן השהיה בעצמכם, כי הספק לא ייתן לכם מספר.

• אודיו יחד עם תמונות באותה החלטה, או תיבות וטווחים בפלט — d1-Omni-2B. המודל 587M אינו מסוגל לבטא בקשות אלו, ולכן אין השוואה לערוך.

• דיבור רב־לשוני — d1-Omni-2B, כאשר ארבע השפות המוחרגות נבדקות מול התעבורה בפועל שלך לפני שאתה מתחייב.

• תפוקת אצווה — d1-Omni-2B, שהכרטיס שלה הוא היחיד מבין השניים שמפרסם מצבים לשנייה בכלל.

יש אות אימוץ אחד שראוי לתעד, משום שהוא סותר את סיפור הבנצ'מרקים: d1-omni-600M צבר בערך 18,900 הורדות ו-148 לייקים ב-Hugging Face מאז 5 באוקטובר. ל-d1-Omni-2B היו 36 הורדות ו-7 לייקים ארבעה ימים לאחר שהמאגר שלו הופיע. ספירות הורדות מוקדמות מודדות חידוש ואריזה, לא איכות — למודל ה-587M יש תג Ollama שמביא אותו למרחק של פקודה אחת — אך הן כן מתארות איזה מודל אנשים באמת מריצים היום.

אחרי ההחלטה, שאר השיחה

לא משנה איזה תג תבחרו, מודל ההחלטה הוא הצעד הראשון ולא האחרון. הוא מחזיר תווית עם הסתברות; עדיין משהו צריך לכתוב את התשובה, להסלים את המקרה או לקרוא ל-API הבא, והצעד השני הזה הוא גנרטיבי. OrcaRouter אינו כולל מודלים של Liquid AI, ולכן הקריאה ל-d1-omni או ל-d1-Omni-2B רצה במקום שבו אתם כבר מריצים אותה — על החומרה שלכם מהמשקולות של Hugging Face, או דרך הספק. מה שעומד מאחורי מפתח אחד תואם OpenAI הוא יתר 200+ המודלים בקטלוג, במחיר המחירון של כל ספק עם 0% תוספת, עם מעבר אוטומטי בין ספקים כשהמודל במורד הזרם שבחרתם הוא זה שעובר אחר צהריים רע. עבור מודל כל כך חדש, ההפרדה הזו מועילה: החלק הלא מוכח נשאר מקומי וזול, והחלק שנוגע בתעבורת הפרודקשן מקבל נתיב ניסיון חוזר.

המספר שאף אחד משני הכרטיסים לא נותן לך

לאף אחד משני הצ'קפוינטים אין הערכה בלתי תלויה. ה-587M זמין לציבור מאז 5 באוקטובר ועדיין אין לו כזו; ה-2B בן ארבעה ימים. עד שמישהו יריץ את שניהם על אותה קבוצת אודיו, עם אותו מיקרופון ואותן שפות, פער הפרמטרים פי שמונה הוא טבלה של ספק, לא עובדה מדודה. הנתון הספציפי שכדאי לעקוב אחריו הוא ה-22.8 במצבים קצרים מדוברים — זו השורה היחידה שבה הכרטיס של המודל החדש עצמו מודה בחולשה גדולה מספיק כדי לשנות החלטת פריסה, והיא השורה שסביר ביותר שתזוז כאשר מישהו מחוץ ל-Liquid AI יכוון אליו מיקרופון.