d1-omni vs Liquid AI D1 Omni 600M: Dua Nama, Satu Checkpoint, dan Angka Konteks yang Tidak Ada Sumbernya

Liquid AI D1 Omni 600M dan d1-omni bukanlah dua model, dan juga bukan dua checkpoint dari model yang sama. Keduanya adalah satu set bobot — model keputusan multimodal 587 juta parameter dari Liquid AI, dibangun di atas Liquid AI LFM2.5-Encoder-350M dan dipublikasikan di Hugging Face pada 5 Oktober 2026 dengan nama repo LiquidAI/d1-omni-600M — yang membawa dua nama file berbeda di dua katalog berbeda. Salah satu katalog tersebut, milik vendor, memberi tahu Anda apa model itu. Yang lain, milik Ollama, memberi tahu Anda ke dalam apa seseorang mengemasnya, dan mencetak tiga angka pada kartu yang tidak didukung dokumentasi vendor. Kesenjangan itulah alasan utama perbandingan ini layak dibaca, karena untuk model sekecil ini pengemasan bukan catatan kaki — itulah perbedaan antara model teks-dan-gambar dan model yang menurut kartu telah Anda unduh.

Vendor belum mengumumkan apa pun tentang entri Ollama, dan tidak ada catatan maintainer, tidak ada entri changelog, dan tidak ada readme di halaman Ollama untuk menjelaskan semua itu. Jadi kerangka jujur untuk semua yang berikut ini adalah: bobotnya bersifat publik dan dapat diperiksa, pengemasannya bersifat publik dan dapat diperiksa, dan tafsiran atas pengemasan yang disajikan di sini adalah milik kami, bukan milik Liquid AI. Jika suatu angka tidak dapat dilacak ke sumbernya, tulisan ini menyatakannya alih-alih mengulanginya.

Apa sebenarnya kedua nama itu

Liquid AI menerbitkan model tersebut di Hugging Face dengan stempel waktu pembuatan 5 Oktober 2026, dua hari sebelum model itu muncul dalam tulisan blog milik vendor sendiri "Open d1: Edge decision models for text, vision, and audio" pada 7 Oktober. Bobotnya dilisensikan di bawah ketentuan LFM 1.0 milik Liquid sendiri, dengan tag d1_omni, system-one, multimodal, vision, audio dan decision-model, dan telah meraih sekitar 13.900 unduhan serta 135 suka pada saat penulisan. Varian terkuantisasi menyusul sesuai jadwalnya sendiri: repositori GGUF pada 6 Oktober, build MLX untuk Apple Silicon pada 12 Oktober.

Entri Ollama bukan salah satu dari repositori tersebut. Ini adalah halaman pustaka Ollama bernama d1-omni yang menyandang lencana "vision 600m", menampilkan empat tag, dan telah diperbarui beberapa menit sebelum ini ditulis — itulah sebabnya radar sampai memunculkannya. Tidak ada apa pun di dalamnya yang menyebut Liquid AI, LFM2.5-Encoder-350M, atau repositori Hugging Face asal byte tersebut.

Jadi perbedaan praktisnya adalah nama file dan jalur distribusi, bukan model. Yang berbeda, dan yang penting, adalah metadata yang membungkus byte-byte tersebut.

Tiga angka pada kartu Ollama, diperiksa satu per satu

Halaman Ollama menampilkan ukuran, jendela konteks, dan daftar input untuk setiap tag. Ketiganya layak ditinjau ulang, karena pada model ini dua di antaranya tidak bertahan saat dihadapkan pada sumber.

• Jendela konteks — 125K pada kartu, 16,384 di setiap sumber vendor. Kartu model Liquid AI menyatakan batas 16,384 token yang mencakup posisi teks, gambar, dan audio sekaligus, dan halaman dokumentasi vendor itu sendiri untuk d1-omni-600M menyebut "16K token". String 125K tidak muncul di keduanya. Angka itu mungkin merupakan artefak dari konfigurasi posisional arsitektur LFM2.5-Encoder yang mendasarinya atau dari cara Ollama melaporkan batas cache, tetapi itu bukan angka yang diterbitkan Liquid AI dan bukan angka yang dapat diatribusikan artikel ini kepada siapa pun. Yang membuat perbedaan ini lebih dari sekadar soal kerincian adalah angka berikutnya di bawahnya.

• State yang benar-benar dapat Anda teruskan dibatasi hingga 896 token pada jalur gambar. Kartu Liquid menyatakan bahwa saat gambar ada, "teks state dan pertanyaan dipotong menjadi 896 token, sesuai pelatihan". Jadi permintaan keputusan yang membawa foto memiliki anggaran teks kira-kira sebesar kalimat ini, berapa pun angka konteks yang tercetak di halaman pull. Jika Anda menyesuaikan prompt triase terhadap 125K dan mengharapkan membayar untuk state yang panjang, Anda akan menyesuaikan terhadap angka yang tidak menggambarkan runtime. Angka 16.384 adalah batas atas sebenarnya; angka 896 adalah batas kerja sebenarnya untuk jalur multimodal; 125K adalah angka tanpa jejak dokumen.

• Ukuran — 850MB di kartu, dua file di registri. Tag Ollama d1-omni:latest mengarah ke file bobot terkuantisasi 407MB yang ditetapkan sebagai Q8_0 ditambah file proyektor 442MB yang ditetapkan sebagai BF16, dan 407 + 442 = 849, yang oleh halaman dibulatkan menjadi 850MB. Keduanya dicantumkan secara jujur; aritmetikanya hanyalah penjumlahan dari pasangan presisi campuran, bukan satu file. Tag d1-omni:600m-bf16 tersebut adalah yang lebih bersih: 764MB bobot BF16 ditambah proyektor 442MB yang sama, 1,2GB di disk, dan proyektor itu identik byte di antara kedua tag. Perlu diperhatikan untuk bagian berikutnya, karena proyektor yang membawa bobotnya sendiri dapat mengubah jumlah parameter efektif.

Satu detail lagi yang layak dicatat alih-alih dijelaskan: blob parameter runtime di dalam paket d1-omni milik Ollama panjangnya sama persis byte demi byte — 18 byte — dengan yang ada di dalam paket terpisah d1 milik Ollama, yang menyertakan Liquid AI d1-3B dengan bobot Q8_0 sebesar 2,87GB dan proyektor 855MB. Dua arsitektur, dua jumlah parameter, skala parameter yang terpaut dua dekade di antara keduanya, dan konfigurasi runtime 18 byte yang sama. Itu konstanta pengemasan, bukan klaim tentang salah satu model.

Apa yang dikatakan bobot itu sendiri

Jika kemasannya dibuka, model ini terdokumentasi dengan luar biasa baik. Liquid AI D1 Omni 600M memiliki total 587M parameter yang terbagi dalam tiga bagian: trunk bersama dan decision head sebesar 381M, encoder visi 94M, dan encoder audio 112M. Trunk-nya bersifat bidirectional — ini encoder, bukan decoder — dan trunk yang sama digunakan untuk setiap modalitas, dengan tower khusus modalitas yang dipasang.

• Visi berasal dari tower SigLIP2 yang diwarisi dari Liquid AI LFM2.5-VL-450M, dengan adaptor dan pembaruan LoRA yang hanya aktif untuk input gambar sementara encoder itu sendiri tetap dibekukan.

• Audio berasal dari FastConformer 17 lapis dengan adapter-nya sendiri, di-fine-tune pada tahap ketika backbone teks dibekukan, lalu seluruh stack di-fine-tune, LoRA digabungkan, dan bobotnya dirata-ratakan kembali terhadap checkpoint sebelumnya.

• Kosakata mencakup 65.536 token dalam 15 bahasa: Inggris, Jerman, Spanyol, Prancis, Italia, Belanda, Polandia, Portugis, Arab, Hindi, Jepang, Rusia, Turki, Vietnam, dan Tionghoa.

• Modalitas tidak dapat dicampur. Satu permintaan menggunakan teks ditambah gambar, atau teks ditambah hingga 30 detik ucapan — bukan keduanya. Audio diharapkan pada 16kHz mono, antara 0,5 dan 30 detik, dan dilatih pada percakapan antara penutur bahasa Inggris dan asisten, yang merupakan batasan nyata untuk apa pun yang multibahasa atau bising.

Tidak satu pun dari itu muncul di halaman Ollama, dan kelalaian itu memiliki konsekuensi yang bisa Anda lihat langsung dalam contoh penggunaan. Cuplikan Ollama adalah panggilan chat — string model, array messages, kata "Hello!" — dan checkpoint yang mendasarinya tidak dapat menjawabnya. Model ini bukan model chat dan tidak menulis teks. Model ini mengembalikan jawaban bertipe: probabilitas ya/tidak, label dengan probabilitas per label, atau posisi pada skala terurut, semuanya dibaca langsung dari distribusi output tanpa menghasilkan token output. Antarmuka yang dipublikasikan mencerminkan hal itu: system_one dan probabilities melalui Transformers, atau endpoint /v1/systemone melalui llama.cpp 0.7.0 dan yang lebih baru. Panggilan berbentuk chat terhadap model keputusan adalah kesalahan yang diundang oleh celah penamaan ini.

Dua catatan penting menyertai setiap angka tersebut.

Pertama, Liquid menilai barisnya sendiri dengan penilai resmi alih-alih mengirimkannya untuk peringkat publik, dan belum ada pihak ketiga yang mereproduksi hasil {{1}}d1-omni-600M{{/1}} apa pun — vendor menyatakan dengan jelas di kartu model bahwa pihaknya tidak melaporkan angka inferensi untuk checkpoint ini karena ini adalah rilis riset awal yang sedang aktif dikembangkan. Kedua, dua angka utama tidak saling konsisten: selisih indeks {{2}}32-point{{/2}} dan selisih rata-rata benchmark {{3}}4.5-point{{/3}} menggambarkan model yang sama, itulah sebabnya yang berguna untuk dibaca adalah sub-skor, bukan total. Retrieval pada {{4}}35.0{{/4}} dan Tools pada {{5}}15.1{{/5}} versus Arts pada {{6}}6.8{{/6}} memberi tahu Anda pekerjaan mana yang siap dan tidak siap ditangani checkpoint ini. Audio sama sekali tidak memiliki kolom benchmark; Liquid menyebut benchmark keputusan audio khusus sebagai masalah terbuka.

Liquid AI D1 Omni 600M juga memimpin keluarganya sendiri pada dua dari tujuh: Civil Comments pada 95.8 dan PAWS-X pada 79.5. Itu adalah dua baris di mana encoder 587M mengalahkan decoder 3B secara langsung, dan keduanya berbentuk klasifikasi teks bukan berbentuk penalaran — yang cocok dengan arsitektur ketimbang bertentangan dengannya.

Pilih berdasarkan apa yang Anda inginkan. Jika Anda ingin menjalankannya secara lokal di Ollama, d1-omni adalah nama yang berfungsi — 850MB untuk build Q8_0, 1.2GB untuk BF16, jalur image yang sama yang didokumentasikan Liquid, dan tidak ada tag yang membawa proyektor audio. Jika Anda menginginkan model yang dijelaskan vendor, Liquid AI D1 Omni 600M adalah nama yang perlu dicari, dan rute Transformers melalui repositori Hugging Face adalah yang panjang konteks, daftar modalitas, dan jumlah parameternya cocok dengan dokumentasi.

Bagaimanapun juga, ini adalah separuh pipeline yang murah. Model keputusan mengklasifikasikan; hal lain harus bertindak berdasarkan klasifikasi itu. Itulah batas tempat OrcaRouter berada dan batas yang layak dinyatakan dengan tepat: tidak ada model Liquid AI dalam katalog kami, jadi panggilan d1-omni itu sendiri berjalan di mana pun Anda sudah menjalankannya — bobot ini di perangkat keras Anda sendiri, atau API milik vendor dan platform pihak ketiga untuk saudara-saudara yang dihosting. Yang menjadi kegunaan 200+ model di balik satu kunci yang kompatibel dengan OpenAI adalah semua hal di hilir, dengan harga daftar masing-masing penyedia yang diteruskan apa adanya dengan markup 0%, dengan failover otomatis antarpenyedia ketika permintaan yang telah ditriase menyebar ke model yang sedang bermasalah.

Apa yang akan menuntaskan pertanyaan yang masih terbuka

Tiga hal akan menutup ini, dan tak satu pun memerlukan pengumuman vendor. Seseorang yang membandingkan keluaran tag Ollama 850MB dengan checkpoint Hugging Face pada input yang sama akan memberi tahu kita apakah pengemasan mengubah jawabannya. Commit llama.cpp atau entri changelog Ollama yang menjelaskan angka konteks akan memberi tahu kita apakah 125K adalah kesalahan atau kapabilitas yang belum tercakup oleh model card. Dan hasil audio yang dipublikasikan — hasil audio apa pun — akan memindahkan checkpoint ini keluar dari kategori yang saat ini ditempatinya, yaitu model yang terdokumentasi dengan baik dengan lapisan pengemasan yang tidak terdokumentasi dan papan skor yang sepenuhnya milik vendor sendiri.

Kegagalan AI yang terdokumentasi dan insiden agen di balik rilis seperti ini dikumpulkan dalam the OrcaRouter AI Incident Archive, tempat setiap entri membawa sumbernya sendiri, tingkat keparahan, peringkat keyakinan, dan penanda sengketa.