d1-Omni-2B vs d1-omni: Satu Tag, Dua Checkpoint, dan Celah Delapan Kali Lipat

Tarik d1-omni hari ini dan Anda mendapatkan model keputusan 587M parameter dalam 850MB. Tarik d1-omni:2b dan Anda mendapatkan 4,4GB dari sesuatu yang sama sekali berbeda — d1-Omni-2B, model keputusan audio yang dirilis Liquid AI bersama keluarga LFM3 pada 27 Oktober 2026, dibandingkan dengan d1-omni, nama yang telah digunakan Ollama sejak awal Oktober untuk checkpoint d1-omni-600M milik vendor tersebut. Keduanya bukan jawaban dua vendor untuk pertanyaan yang sama. Keduanya adalah dua generasi dari ide yang sama, terpaut delapan kali lipat dalam jumlah parameter, dan pilihan di antara keduanya sebenarnya adalah pilihan tentang di mana model harus berjalan. Yang satu muat di ponsel. Yang lain membutuhkan GPU dan, sebagai gantinya, melakukan hal-hal yang sama sekali tidak bisa dilakukan model yang lebih kecil.

Penamaan ini membuatnya lebih sulit daripada seharusnya, jadi ada baiknya menyatakannya secara gamblang sebelum angka-angka: tidak ada model Liquid AI yang bernama sekadar d1-omni. Dokumentasi vendor mencantumkan d1-omni-2B dan d1-omni-600M sebagai bobot terbuka, serta d1.1 dan d1-ultra sebagai hanya hosted. "d1-omni" adalah nama paket — checkpoint 587M dengan label yang lebih pendek. Itulah lawan dalam perbandingan ini, dan itulah yang sudah dimiliki banyak orang di disk.

Apa sebenarnya masing-masing itu

Keduanya adalah model keputusan dalam pengertian istilah Liquid AI: Anda memberikan sebuah state dan daftar pertanyaan bernama, lalu keduanya mengembalikan jawaban bertipe beserta probabilitasnya dalam satu kali forward pass. Keduanya tidak menulis teks, tidak menghasilkan ucapan, dan keduanya melaporkan nol token keluaran. Kemiripannya berakhir pada antarmuka.

• Parameter — 2,17B untuk d1-Omni-2B dibandingkan 587M untuk d1-omni, dibagi dalam model kecil sebagai trunk bersama dan decision head 381M, encoder visi 94M, dan encoder audio 112M.

• Arsitektur — tulang punggung tri-hybrid LFM3 untuk 2B: 24 lapisan yang terdiri atas 13 konvolusi pendek bergerbang, 5 atensi jendela geser, dan 6 atensi global. Model 587M merupakan encoder bidirectional LFM2.5 yang dibangun di atas LFM2.5-Encoder-350M, dengan menara visi SigLIP2 yang diwarisi dari LFM2.5-VL-450M dan FastConformer 17 lapis untuk audio.

• Konteks — 128K token dengan kosakata 128.000 token untuk model 2B. Model 587M didokumentasikan pada 16.384 token yang mencakup posisi teks, gambar, dan audio sekaligus, dan kartu modelnya menambahkan bahwa saat ada gambar, teks status dan pertanyaan dipotong menjadi 896 token, sesuai pelatihan. Halaman Ollama mencantumkan 125K untuk kedua tag, angka yang tidak diterbitkan vendor; sesuaikan ukuran prompt Anda dengan angka dari vendor.

• Input — 2B menerima state teks atau JSON plus gambar, frame video, dan klip audio dalam satu daftar media. 587M menerima teks dengan gambar, atau teks dengan audio hingga 30 detik, dan kartunya tidak mendokumentasikan penggabungan keduanya.

• Jenis keluaran — ya/tidak, pilihan, dan skor pada keduanya. 2B menambahkan kotak, pilihan ganda, nilai yang diekstrak beserta span, dan angka dengan interval. Semua itu baru di generasi LFM3 dan tidak memiliki padanan pada 587M.

• Di disk — 4,33GB safetensors BF16 untuk model 2B, dibandingkan dengan 850MB untuk build Q8_0 dari d1-omni dan 1,2GB untuk tag BF16-nya.

• Lisensi — LFM Open License v1.0 untuk keduanya. Gratis untuk penggunaan komersial di bawah pendapatan tahunan $10,000,000, dilisensikan secara terpisah di atasnya.

Apa manfaat parameter kedelapan

Perbandingan yang berguna adalah yang dicetak sendiri oleh Liquid AI, karena mereka menilai ulang keempat model d1 pada item yang sama dengan penilai yang sama. Itu membuat baris-barisnya dapat dibandingkan secara internal dengan cara yang tidak dimiliki kartu-kartu lama.

• Suite publik Decision Index, v0.3 — 49,0 untuk d1-Omni-2B dibandingkan 18,3 untuk d1-omni-600M.

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

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

• JevBench v1.4.1 — 75,3 berbanding 58,0.

• ImajevBench v2.0-lite — 72,3 dibanding 21,7, selisih terlebar dalam set ini dan yang paling penting untuk pekerjaan visual.

• WorkflowEvals — 77,1 dibandingkan 48,8.

• Keputusan Bertipe — 63,1 berbanding 57,5, selisih paling sempit dan menjadi pengingat bahwa tidak setiap tugas meningkat seiring jumlah parameter.

• Rata-rata visi, 18 tolok ukur gambar — 67,7 dibandingkan 42,8.

Dua peringatan menyertai daftar itu. Yang pertama adalah pergeseran versi: kartu 7 Oktober melaporkan d1-omni-600M pada 15,95 di Decision Index v0.2.1, dan kartu baru melaporkan 18,3 pada v0.3. Itu adalah rangkaian pengujian yang berbeda, dan mengurangkannya berarti mengukur indeks, bukan modelnya. Yang kedua adalah asal-usul: setiap angka dilaporkan oleh vendor, dinilai oleh Liquid AI, pada tolok ukur yang dipilih Liquid AI. Tidak ada pihak di luar perusahaan yang menerbitkan hasil uji dari salah satu checkpoint.

Meski demikian, pola hasilnya konsisten. Pada tugas bergaya klasifikasi, model 587M ini bertahan dengan sangat baik — Typed Decisions hanya terpaut enam poin. Pada tugas apa pun yang memerlukan pembacaan scene, penghitungan objek, atau interpretasi tata letak, model ini kolaps: 21,7 pada ImajevBench dibandingkan 72,3, dan 14,9 pada VisualWebBench dalam suite sebelumnya dibandingkan 88,6. Jika pekerjaan Anda adalah merutekan tiket teks, parameter tambahan adalah kemewahan. Jika pekerjaan Anda melibatkan melihat sesuatu, parameter itulah seluruh produknya.

Di mana 587M masih unggul, dan angka yang akan membuktikannya

Cakupan deployment adalah keunggulan nyata model 587M, dan itu bukan hadiah hiburan. Model 587M dalam 850MB dapat berjalan di laptop, Raspberry Pi, atau ponsel, dan Liquid AI membangun lini d1 tepat untuk itu. Model 2,17B dalam 4,33GB membutuhkan GPU atau mesin Apple Silicon dengan spesifikasi mumpuni agar nyaman digunakan.

Yang hilang adalah perbandingan latensi yang akan membuat trade-off menjadi tepat. Kartu d1-Omni-2B menerbitkan tabel kecepatan lengkap: 5,8 ms untuk satu pertanyaan dan 7,7 ms untuk tiga pertanyaan di H100 PCIe, 3,7 ms dan 5,6 ms di MI325X, 21,1 ms dan 28,9 ms di M5 Pro, serta 1.154 status per detik secara batch di H100. Kartu d1-omni-600M tidak menerbitkan apa pun, dan menyebutkan alasannya: "Kami tidak melaporkan angka inferensi untuk d1-omni-600M karena ini adalah rilis riset awal dan sedang dalam pengembangan aktif." Jadi model yang lebih kecil hampir pasti lebih cepat, dan tidak ada angka dari vendor yang bisa dikutip untuk seberapa besar. Siapa pun yang mengatakan 587M tiga kali lebih cepat sedang mengekstrapolasi dari jumlah parameter.

Ada satu keunggulan yang benar-benar berkaitan dengan akurasi yang layak disebut. Kartu d1-Omni-2B merekomendasikan d1-2B di atas model itu sendiri saat tidak ada audio, dan memberikan alasannya: d1-2B lebih kuat pada teks dan kotak tunggal, lebih sering melaporkan nilai yang hilang, dan terkalibrasi lebih baik. Saran yang sama mengarahkan menjauh dari model omni untuk pekerjaan khusus teks. Itu tidak mengatakan bahwa model 587M terkalibrasi lebih baik — hanya bahwa omni 2B membawa biaya untuk kemampuan yang mungkin tidak Anda gunakan.

Pemisahan audio adalah titik di mana kedua generasi terpisah dengan bersih

Audio adalah satu-satunya modalitas tempat kedua model bersaing secara langsung, dan batasannya cukup berbeda untuk menentukan sebuah arsitektur.

Model 587M menerima hingga 30 detik ucapan, mengharapkan audio mono 16 kHz, dan kartu modelnya memuat peringatan eksplisit: {{1}}kemampuan audio dilatih pada permintaan antara penutur bahasa Inggris dan seorang asisten, mencakup jenis ujaran, topiknya, dan apa yang diinginkan penutur{{/1}}. Itu adalah distribusi yang sempit, dan hal itu dinyatakan sebagai keterbatasan, bukan catatan kaki.

Model 2B mendukung ucapan dalam enam belas bahasa yang sama dengan sisi teksnya, kecuali Hindi, Thai, Vietnam, dan Indonesia, dan hasil audio pada kartu mencakup 84.5 pada peristiwa suara ESC-50 dan 92.5 pada identifikasi bahasa FLEURS di 43 bahasa. Model ini juga mengalami penurunan dengan cara yang didokumentasikan kartu: pernyataan pendek yang diucapkan turun dari 42.0 tertulis menjadi 22.8 terdengar, dan bagian Belebele dalam delapan bahasa turun dari 83.6 menjadi 41.8. Bagian lisan yang panjang kehilangan akurasi, terutama di luar aksara Latin.

Jadi pembagiannya bukan "2B lebih baik dalam audio." Melainkan bahwa 2B mendengar lebih banyak jenis audio dan masih kesulitan dengan state lisan yang panjang, sementara 587M mendengar potongan yang lebih sempit dan lebih terkendali serta sama sekali tidak pernah diuji benchmark pada peristiwa suara atau identifikasi bahasa. Untuk perutean perintah suara dalam bahasa Inggris, batasan 587M masih bisa ditanggung. Untuk triase panggilan multibahasa, batasan itu menggugurkan.

Tag mana yang harus di-pull?

Aturan keputusan cukup singkat untuk dinyatakan sebagai aturan.

• Hanya teks dan gambar, dan tidak ada audio dalam produk — jangan tarik keduanya. d1-2B mendapat skor lebih tinggi daripada d1-Omni-2B pada indeks keputusan, 51,1 berbanding 49,0, dan kartu dari vendor itu sendiri menyarankan Anda untuk menggunakannya. Premi omni membeli audio yang tidak akan Anda gunakan.

• Perutean suara pada perangkat keras terbatas — d1-omni pada 850MB. Terima batas 30 detik, distribusi pelatihan penutur bahasa Inggris, dan konteks 16.384 token, serta ukur sendiri latensi Anda karena vendor tidak akan memberi Anda angka.

• Audio plus gambar dalam keputusan yang sama, atau kotak dan span dalam output — d1-Omni-2B. 587M tidak dapat mengekspresikan permintaan tersebut, jadi tidak ada perbandingan yang bisa dibuat.

• Ucapan multibahasa — d1-Omni-2B, dengan empat bahasa yang dikecualikan diperiksa terhadap trafik aktual Anda sebelum Anda berkomitmen.

• Throughput batch — d1-Omni-2B, yang kartunya adalah satu-satunya dari keduanya yang sama sekali menerbitkan status per detik.

Satu sinyal adopsi layak dicatat karena bertentangan dengan narasi benchmark: d1-omni-600M telah meraih sekitar 18.900 unduhan dan 148 suka di Hugging Face sejak 5 Oktober. d1-Omni-2B mendapat 36 unduhan dan 7 suka empat hari setelah repositorinya muncul. Jumlah unduhan awal mengukur kebaruan dan pengemasan, bukan kualitas — model 587M memiliki tag Ollama yang membuatnya hanya berjarak satu perintah — tetapi angka itu memang menggambarkan model mana yang benar-benar dijalankan orang hari ini.

Setelah keputusan, sisa panggilan

Tag mana pun yang Anda pilih, model keputusan adalah hop pertama dan bukan yang terakhir. Model itu mengembalikan label dengan probabilitas; masih ada yang harus menulis balasan, mengeskalasi kasus, atau memanggil API berikutnya, dan hop kedua itu bersifat generatif. OrcaRouter tidak membawa model Liquid AI, jadi panggilan d1-omni atau d1-Omni-2B berjalan di tempat Anda sudah menjalankannya — pada perangkat keras Anda sendiri dari bobot Hugging Face, atau melalui vendor. Yang berada di balik satu kunci yang kompatibel dengan OpenAI adalah 200+ model lain dalam katalog, dengan harga daftar masing-masing penyedia dengan markup 0%, dengan failover antarp penyedia ketika model hilir yang Anda pilih adalah model yang sedang mengalami hari buruk. Untuk model yang masih baru ini, pemisahan itu berguna: bagian yang belum terbukti tetap lokal dan murah, dan bagian yang menyentuh lalu lintas produksi mendapat jalur percobaan ulang.

Nomor yang tidak diberikan oleh kartu mana pun kepada Anda

Tidak ada checkpoint yang memiliki evaluasi independen. Model 587M telah tersedia untuk publik sejak 5 Oktober dan masih belum memilikinya; model 2B baru berusia empat hari. Sampai ada yang menjalankan keduanya pada set audio yang sama dengan mikrofon yang sama dan bahasa yang sama, selisih parameter delapan kali lipat itu hanyalah tabel vendor, bukan fakta terukur. Angka spesifik yang perlu diperhatikan adalah 22,8 pada spoken short states — ini adalah satu-satunya baris di mana kartu model baru itu sendiri mengakui kelemahan yang cukup besar untuk mengubah keputusan deployment, dan ini adalah baris yang paling mungkin berubah ketika seseorang di luar Liquid AI mengarahkan mikrofon ke model tersebut.