d1-2B: Liquid AI Merilis Model Keputusan 1.9B Tanpa Satu Pun Postingan untuk Mengumumkannya

Repositori Hugging Face untuk LiquidAI/d1-2B dibuat pada 19:30 UTC tanggal 24 Oktober 2026. Saudaranya, d1-Omni-2B, muncul dua puluh empat detik kemudian. Pada akhir malam itu kedua repositori sudah lengkap — 3.84GB safetensors BF16, sekitar empat puluh file kode Transformers kustom, tabel kalibrasi, API pertanyaan bertipe — dan tidak ada yang diterbitkan Liquid AI yang menyatakan salah satu model itu ada. Kalimat vendor pertama yang menyebut d1-2B muncul pada 27 Oktober, di dalam peluncuran keluarga LFM3 — pos yang sama yang diterbitkan di liquid.ai dan di blog milik Hugging Face — sebagai satu klausa dalam paragraf tentang dua model keputusan. Belum ada pos khusus sejak itu. Jadi ini bukan cerita peluncuran, dan memperlakukannya sebagai cerita peluncuran akan mengarang momen pemasaran yang tidak pernah terjadi. Ini adalah cerita tentang artefak model yang lengkap dengan pengumuman yang tidak lengkap, dan tentang dua hal yang masih bisa dilakukan pembaca dengan itu: membaca repositori, dan tetap mengambil jarak dari angka-angka vendor sampai seseorang di luar lab menjalankannya.

Lima hari di antara bobot dan kalimat

Keluarga d1 telah dirilis dua kali, dan tidak ada satu pun dari kedua rilis itu yang tampak seperti yang ini. Pada 7 Oktober, Liquid AI menerbitkan “Open d1: Model keputusan edge untuk teks, visi, dan audio,” yang memperkenalkan d1-3B dengan 3,12B parameter dan d1-omni-600M dengan 587M, disertai klaim utama, tabel benchmark, angka latensi, dan pos blog yang tetap tayang sejak saat itu. Pos tersebut tidak memuat model 2B.

Lini 2B bergerak dengan jadwal yang berbeda. Checkpoint dasar LFM3-Omni-2B muncul pada 21 Oktober. Pada 24 Oktober, pukul 19:30 dan 19:30:24 UTC, Liquid AI membuat repositori d1-2B dan d1-Omni-2B. Lalu, pada 27 Oktober, pos peluncuran LFM3 menyebut pasangan itu sebagai "model keputusan yang dikhususkan dari model visi dan omni" — sebuah deskripsi, bukan pengumuman. Pada hari yang sama, empat repo turunan untuk d1-2B muncul: build MLX pada fp16, 8-bit, dan 4-bit, plus ekspor ONNX. Tidak ada yang menulis pos tentang itu juga.

Ini penting karena alasan praktis. Pengumuman adalah tempat vendor berkomitmen pada posisi: untuk apa model itu, berapa biayanya, runtime mana yang dituju, dan apa yang tidak dilakukannya. Kartu itu melakukan sebagian pekerjaan tersebut, dan melakukannya dengan luar biasa baik. Namun celah yang ditinggalkan oleh postingan yang hilang itu nyata dan spesifik, dan celah-celah itu dicantumkan di bagian bawah tulisan ini alih-alih ditutupi.

Apa yang sebenarnya akan diberitahukan repositori kepada Anda

Singkirkan bingkai pemasarannya, dan checkpoint ini adalah classifier multimodal kecil dengan spesifikasi yang sangat rinci yang menolak untuk menghasilkan teks. Setiap panggilan mengembalikan jawaban bertipe dengan probabilitas yang disertakan dan output_tokens: 0. Kartu tersebut menyatakannya secara terang-terangan: d1-2B "bukan model chat."

• Parameter — 1,92B, dikirim sebagai satu file safetensors BF16 berukuran 3,84GB.

• Base — LFM3-VL-2B, pada backbone LFM3: 24 lapisan, 13 di antaranya adalah konvolusi pendek bergerbang, 5 adalah attention jendela geser, dan 6 adalah attention global.

• Konteks — 128K token dan kosakata 128.000 token, empat kali jendela 32.768 milik d1-3B.

• Masukan — status yang dapat berupa teks atau nilai JSON apa pun, gambar atau video, serta sejumlah pertanyaan bernama, semuanya dalam satu daftar media. Video adalah kemampuan yang tidak dicantumkan oleh d1-3B.

• Output — ya/tidak, pilihan di antara opsi bernama, skor terurut, nilai atau tanggal yang dibaca dari dokumen beserta rentangnya, angka dengan interval p10–p90, kotak pembatas, atau setiap kemunculan objek beserta jumlahnya. Masing-masing membawa probabilitas.

• Bahasa — enam belas: Inggris, Arab, Tionghoa, Prancis, Jerman, Italia, Jepang, Korea, Portugis, Spanyol, Vietnam, Thailand, Indonesia, Hindi, Rusia, Polandia.

• Lisensi — LFM Open License v1.0. Penggunaan komersial diizinkan untuk pendapatan tahunan di bawah $10,000,000; teks lisensi mendefinisikan angka tersebut sebagai ambang batas, dan hak untuk penggunaan komersial di atasnya bergantung pada tidak melampauinya.

• Kecepatan — 5,7 ms untuk satu keputusan pada H100 PCIe dan 3,8 ms pada AMD MI325X, dengan masing-masing 1.132 dan 1.699 keputusan per detik saat 64 status dikelompokkan dalam satu panggilan. Pada Apple M5 Pro, angka untuk satu pertanyaan adalah 18,6 ms.

Klaim yang layak diperdebatkan: ia mengalahkan model yang digantikannya.

Kartu Liquid AI membuat satu klaim komparatif tanpa ragu-ragu: d1-2B "memimpin model d1 terbuka secara rata-rata dan di papan kami yang berisi lebih dari seratus tolok ukur keputusan, di depan d1-3B dengan ukuran kurang dari dua pertiganya." Itu pernyataan kuat dari model 1,92B tentang model 3,12B, dan dapat diperiksa, karena kartu tersebut mencantumkan keempat model d1 terbuka dalam satu tabel yang dinilai pada item yang sama dengan penilai yang sama.

Angka utamanya adalah 51.1 berbanding 49.0 pada suite publik Decision Index versi 0.3 — keunggulan 2.1 poin. Sebelum ada yang membacanya sebagai kemenangan bersih, ada dua catatan yang perlu disandingkan dengannya. Pertama, kartu milik d1-3B sendiri melaporkan 48.57 pada Decision Index 0.2.1, dan selisih antara 48.57 dan 49.0 adalah versi indeks, bukan peningkatan pada model; kartu d1-2B menyatakan bahwa keempat model dinilai ulang pada item yang sama dan bahwa beberapa angka d1-3B karenanya berbeda dari kartunya sendiri. Kedua, suite publik hanyalah sebagian kecil dari apa yang menentukan papan peringkat publik: evaluator independen yang membangunnya kembali menjelaskan 37 benchmark publik dengan bobot 20% dari skor, dengan sisanya berasal dari tes privat yang hanya dijalankan oleh pihak pemelihara.

Yang membuat 49,0 kredibel sebagai sebuah angka — meskipun d1-2B sendiri tidak memiliki pemeriksaan dari luar — adalah bahwa seseorang sudah mereproduksi 3B pada versi yang persis ini. Efraín Garay menjalankan d1-3B pada sampel terstratifikasi 6.000 permintaan dari Decision Index 0.3 pada pertengahan Oktober dan memperoleh 49,11, sedangkan Liquid sendiri memperoleh 49,04 pada baris yang sama dan 48,99 pada suite penuh. Itu adalah reproduksi dengan selisih sepersepuluh poin. Hal ini tidak memvalidasi angka 51,1 milik d1-2B, yang belum pernah dijalankan pihak ketiga mana pun, tetapi hal ini memvalidasi metode penilaian di balik tabel tempat 51,1 berada.

Di mana model yang lebih kecil tidak lebih unggul

"Leads on most single benchmarks" memainkan peran senyap dalam kalimat itu. Pada tabel run yang sama, d1-3B masih menang di tiga dari sekitar dua puluh baris yang penting bagi keputusan deployment:

• Keputusan Cepat — 59,3 untuk 3B dibandingkan 58,8, satu-satunya tolok ukur keputusan yang berorientasi kecepatan tempat model yang lebih besar sedikit unggul.

• Keputusan Bertipe — 65,0 berbanding 61,3, selisih 3,7 poin dan argumen tunggal paling jelas untuk model yang lebih lama ketika output harus berupa nilai bertipe, bukan label.

• AI2D — 79,9 berbanding 76,7, tolok ukur pembacaan diagram, di mana menara visi yang lebih besar tetap meningkatkan akurasi.

Di tempat lain urutannya terbalik, kadang tajam. VisualWebBench adalah 96.2 untuk d1-2B berbanding 71.4 untuk d1-3B. ImajevBench v2.0-lite adalah 75.5 berbanding 64.0. MMMU-Pro adalah 26.4 berbanding 18.5 — keduanya cukup rendah sehingga tidak ada model yang boleh dipercaya untuk penalaran multimodal yang sulit, yang perlu dikatakan terus terang alih-alih menyajikan selisih 7.9 poin sebagai kemenangan. Rata-rata vision adalah 70.2 dan 65.4.

Tiga ketidakhadiran yang tidak dapat diisi oleh kartu itu

Pengumuman yang hilang muncul sebagai artefak yang hilang. Tidak satu pun dari ini merupakan cacat pada model; masing-masing adalah alasan model lebih sulit diadopsi saat ini daripada yang tersirat dari garis benchmark-nya.

• Tidak ada GGUF. d1-3B dan d1-omni-600M sama-sama mendapatkan repositori GGUF pada 6 Oktober, sehari setelah bobotnya diunggah, dan d1-3B menyusul dengan build weight-activation 8-bit serta empat varian MLX. d1-2B memiliki build MLX dan ONNX per 27 Oktober, tetapi tidak ada GGUF — jadi tidak ada jalur llama.cpp yang dipublikasikan untuk decision head, meskipun model dasar LFM3-VL-2B mendapatkan GGUF sendiri pada 19 Oktober. Jika stack edge Anda adalah llama.cpp, inilah keseluruhan ceritanya.

• Tidak ada harga dan tidak ada endpoint. Kartu tersebut tidak mencantumkan API yang dihosting, tidak ada harga per token, dan tidak ada penyedia inferensi. Itu bukan hal yang aneh untuk rilis bobot terbuka, tetapi itu berarti satu-satunya cara menggunakan d1-2B adalah menjalankannya, dan bagian deployment di kartu tersebut berhenti pada cuplikan Transformers.

• Tidak ada tolok ukur independen. Per 28 Oktober, repo tersebut menunjukkan 44 unduhan dan 13 suka. Evaluasi model keputusan independen yang ada mencakup d1-3B dan d1-omni-600M, bukan model ini. Setiap angka kinerja di atas adalah milik Liquid AI sendiri.

Ada juga batasan yang dinyatakan kartu model itu sendiri tentang dirinya: jawaban "menjadi kurang andal setelah sekitar 64K token state," setengah dari jendela 128K yang diiklankan, dan estimasi andal pada hitungan dan skor tetapi kurang andal pada kuantitas bebas. Model yang kartunya sendiri memberi tahu Anda di mana performanya menurun lebih berguna daripada model yang tidak, tetapi angka utama 128K harus dibaca sebagai angka kapasitas, bukan rentang kerja.

Seperti apa sebenarnya deployment pertama itu

Jalur praktisnya adalah Transformers 5.19 atau lebih baru dengan trust_remote_code=True, bf16 di GPU, dan panggilan system_one atau system_one_batch. Tidak ada parameter sampling karena tidak ada sampling. Satu-satunya tombol penyetelan yang penting adalah set_size, yang secara default bernilai ukuran terlatih 16; menaikkannya membeli kecepatan dan mengorbankan akurasi teks.

Rekomendasi kartu itu sendiri adalah langkah yang paling sering dilewatkan tim: kalibrasikan ambang keputusan Anda pada data dari penggunaan Anda sendiri. Probabilitas 0,62 tidak berarti apa-apa secara terpisah. Jika Anda merutekan tiket dukungan atau menandai dokumen, ambang yang memisahkan "eskalasi" dari "tangani otomatis" harus disesuaikan dengan sampel berlabel Anda sendiri, karena kalibrasi vendor disesuaikan dengan sampel mereka.

Bentuk yang cocok untuk ini adalah langkah pipeline, bukan asisten: triage, moderasi, klasifikasi intent, ekstraksi dari formulir, reranking, inspeksi visual. Itu justru tempat-tempat di mana pipeline sudah memanggil beberapa model, dan di mana langkah generatif di sekitar keputusan biasanya berasal dari API terkelola. OrcaRouter tidak menyajikan model Liquid AI apa pun saat ini — termasuk yang ini — jadi menjalankan d1-2B berarti menjalankannya sendiri. Yang membuat router berguna adalah bagian lain dari rantai: satu kunci yang kompatibel dengan OpenAI untuk 200+ model terkelola, DSL routing yang menyusun langkah-langkah menjadi satu panggilan, dan failover otomatis saat penyedia layanan terganggu, sehingga node keputusan di GPU Anda tidak disandera oleh node generatif di sebelahnya.

Apa yang akan mengubah cerita ini

Empat hal, dalam urutan menurun berdasarkan seberapa besar dampaknya. GGUF akan menempatkan d1-2B pada pijakan runtime yang sama dengan saudara-saudaranya dan membuat pitch edge menjadi nyata. Postingan khusus akan memberi tahu pembeli untuk apa Liquid AI menganggap model ini dirancang, di luar daftar langkah pipeline pada kartu. Uji independen — idealnya sampel 6.000 baris yang sama yang mereproduksi d1-3B — akan mengubah 51,1 dari klaim vendor menjadi pengukuran. Dan harga hosted akan membuat pertanyaan build-versus-buy setidaknya bisa dijawab sama sekali.

Sampai saat itu, ringkasan jujurnya sempit dan berguna: model keputusan 1,92B sudah ada, repositorinya cukup lengkap untuk dievaluasi, keunggulan benchmark-nya atas 3B nyata pada tabel same-run milik vendor sendiri dan belum terverifikasi di tempat lain, dan tidak adanya pengumuman membuatnya tanpa paket — runtime, endpoint, harga — yang dibutuhkan sebagian besar tim sebelum mereka memasukkan sebuah model ke pipeline. Jika Anda sudah menjalankan Transformers dan menginginkan pengklasifikasi jendela 128K dengan input video, ini layak dicoba satu sore. Jika Anda membutuhkan llama.cpp atau endpoint terkelola, tunggu dulu.