d1-2B: Liquid AI、発表用の投稿なしで1.9Bの意思決定モデルをリリース

Hugging FaceのリポジトリLiquidAI/d1-2Bは、2026年10月24日19:30 UTCに作成された。その兄弟モデルであるd1-Omni-2Bは、24秒後に現れた。その夜の終わりまでに、両リポジトリは完成していた——BF16 safetensorsの3.84GB、カスタムTransformersコードの40数ファイル、キャリブレーションテーブル、型付き質問API——それなのに、Liquid AIが公開したもののどこにも、どちらのモデルも存在するとは書かれていなかった。初めてd1-2Bの名を記したベンダーの文は、10月27日、LFM3ファミリーのローンチの中で届いた——liquid.aiとHugging Face自身のブログの両方に掲載された同じ投稿の中で、2つの意思決定モデルに関する段落の一節として。以降、専用の投稿は出ていない。したがってこれはローンチの物語ではなく、そう扱えば、決して起きなかったマーケティングの瞬間をでっち上げることになる。これは、告知が不完全なままの完全なモデル成果物についての物語であり、読者がなおもできる2つのこと——リポジトリを読むこと、そしてラボの外の誰かが数字を実行するまでベンダーの数値を距離を置いて扱うこと——についての物語である。

ウエイトと一文の間の5日間

d1ファミリーはこれまでに2回リリースされており、どちらのリリースも今回のもののようには見えなかった。10月7日、Liquid AIは「Open d1: Edge decision models for text, vision, and audio」を公開し、そこでは3.12Bパラメータのd1-3Bと587Mのd1-omni-600Mが紹介され、見出しの主張、ベンチマーク表、レイテンシ数値、そしてそれ以来ずっと公開され続けているブログ投稿が含まれていた。その投稿には2Bモデルは含まれていない。

2Bラインは異なるスケジュールで進んだ。ベースチェックポイントLFM3-Omni-2Bは10月21日に登場した。10月24日、19:30と19:30:24 UTCに、Liquid AIはd1-2Bとd1-Omni-2Bのリポジトリを作成した。その後、10月27日、LFM3のローンチ投稿はこの2つを「ビジョンモデルとオムニモデルから特化させた決定モデル」と名付けた——これは説明であり、発表ではない。同日、d1-2Bの派生リポジトリ4件が公開された：fp16、8ビット、4ビットのMLXビルドに加え、ONNXエクスポート。これらについても誰も投稿を書かなかった。

これは実用的な理由から重要だ。発表は、ベンダーがポジショニングを約束する場である。モデルは何のためのものか、費用はいくらか、どのランタイムを対象とするか、何をしないか。カードはその仕事の一部を担っており、しかも異例なほどうまくやっている。しかし、欠けている投稿によって残されたギャップは現実的かつ具体的であり、この記事の末尾に列挙されているのであって、覆い隠されているわけではない。

リポジトリが実際に教えてくれること

体裁を取り払えば、このチェックポイントは小さく細部まで密に規定されたマルチモーダル分類器であり、テキスト生成を拒む。呼び出しごとに、確率が付いた型付きの回答を返し、output_tokens: 0となる。カードにはこう明記されている：d1-2Bは「チャットモデルではない」。

• パラメータ — 1.92B、単一の3.84GB BF16 safetensorsファイルとして提供。

• Base — LFM3バックボーン上のLFM3-VL-2B：24層のうち、13層がゲート付きショート畳み込み、5層がスライディングウィンドウアテンション、6層がグローバルアテンションです。

• コンテキスト — 128Kトークンと128,000トークンの語彙を備え、d1-3Bの32,768の4倍のウィンドウです。

• 入力 — テキストまたは任意のJSON値、画像または動画、および任意の数の名前付き質問を保持できる状態で、これらはすべて1つのメディアリストにまとめられます。動画はd1-3Bが記載していない機能です。

• 出力 — はい/いいえ、名前付き選択肢の中からの選択、順序付きスコア、文書から読み取った値または日付とそのスパン、p10～p90区間付きの数値、バウンディングボックス、またはオブジェクトのすべてのインスタンスとその件数。それぞれに確率が付随します。

• 言語 — 16言語：英語、アラビア語、中国語、フランス語、ドイツ語、イタリア語、日本語、韓国語、ポルトガル語、スペイン語、ベトナム語、タイ語、インドネシア語、ヒンディー語、ロシア語、ポーランド語。

• ライセンス — LFMオープンライセンス v1.0。年間収益1,000万ドル未満の場合、商用利用が許可されます。ライセンス本文ではこの数値をしきい値として定義しており、それを超える商用利用の権利は、このしきい値を超えないことを条件としています。

• 速度 — H100 PCIe では単一の意思決定に 5.7 ms、AMD MI325X では 3.8 ms。64 個の状態を 1 回の呼び出しにバッチ化した場合、それぞれ毎秒 1,132 件および 1,699 件の意思決定が可能です。Apple M5 Pro では、単一質問の値は 18.6 ms です。

議論に値する主張：それは、それが取って代わったモデルを上回る。

Liquid AIのモデルカードは、留保なしに一つの比較的主張を行っている。d1-2Bは「平均で、また100を超える意思決定ベンチマークからなる当社のボード上で、オープンなd1モデルをリードしており、そのサイズの3分の2未満でd1-3Bを上回る」というものだ。これは1.92Bモデルが3.12Bモデルについて述べた強い主張であり、検証可能である。なぜならカードは、4つのオープンなd1モデルすべてを、同じ項目で同じ採点者によって採点した単一の表に掲載しているからだ。

総合スコアは、Decision Index public suite バージョン 0.3 で 51.1 対 49.0、つまり 2.1 ポイントのリードです。これを明確な勝利と受け取る前に、2 つの注意点を併記すべきです。第一に、d1-3B 自身のカードは Decision Index 0.2.1 で 48.57 を報告しており、48.57 と 49.0 の差はモデルの改善ではなくインデックスのバージョンによるものです。d1-2B のカードには、4 モデルすべてが同じ項目で再スコアリングされたため、d1-3B の数値のいくつかは自身のカードと異なると記載されています。第二に、公開スイートは公開リーダーボードを決める要素のごく一部にすぎません。それを再構築した独立評価者によると、37 の公開ベンチマークがスコアの 20% の重みで評価され、残りはメンテナーのみが実行する非公開テストから来ています。

49.0 が数値として信頼できるのは、d1-2B 自体には外部検証がないにもかかわらず、この正確なバージョンで 3B をすでに誰かが再現しているからだ。Efraín Garay は10月中旬に Decision Index 0.3 の6,000リクエストの層化サンプルで d1-3B を実行し、49.11 を得た。同じ行では Liquid 自身の結果が 49.04、フルスイートでは 48.99 だった。これは0.1ポイント以内の再現だ。これは、第三者が誰も実行していない d1-2B の 51.1 を検証するものではないが、51.1 が載っている表の背後にあるスコアリング手法を検証するものではある。

小型モデルが優位に立っていない領域

「ほとんどの単一ベンチマークで首位」という表現は、その一文の中で地味に効いている。同一実行の表では、d1-3B は導入判断に関わる二十数行のうち、依然として3行で勝っている：

• 迅速な意思決定 — 3Bが59.3、相手が58.8で、大規模モデルがわずかに上回る唯一の速度重視の意思決定ベンチマークです。

• 型付きの判断 — 65.0 対 61.3、3.7ポイント差。出力がラベルではなく型付きの値でなければならない場合に、旧モデルを支持する最も明快な単一の根拠である。

• AI2D— 図表読解ベンチマークでは79.9対76.7で、より大きなビジョンタワーが依然として精度を向上させる。

それ以外の箇所では順位が逆転し、時に大きく逆転する。VisualWebBench は d1-2B が 96.2 で、d1-3B の 71.4 に対して優位。ImajevBench v2.0-lite は 75.5 対 64.0。MMMU-Pro は 26.4 対 18.5 — どちらも低すぎて、難しいマルチモーダル推論をどちらのモデルにも任せるべきではない。このことは、7.9 ポイント差を勝利として提示するのではなく、率直に言う価値がある。ビジョン平均は 70.2 と 65.4。

カードが埋められない3つの不在

欠けている発表は、欠けている成果物として現れる。これらはいずれもモデル自体の欠陥ではない。それぞれが、このモデルが今日ベンチマークのスコアが示唆するよりも導入しづらい理由になっている。

• GGUF なし。 d1-3B と d1-omni-600M はどちらも、重みが公開された翌日の 10 月 6 日に GGUF リポジトリが公開され、d1-3B は続いて 8 ビットの重み・活性化ビルドと 4 つの MLX バリアントも公開しました。d1-2B には 10 月 27 日時点で MLX と ONNX のビルドがありますが、GGUF はありません。そのため、ベースモデルの LFM3-VL-2B に 10 月 19 日に独自の GGUF があるにもかかわらず、意思決定ヘッド向けに公開された llama.cpp の経路はありません。エッジスタックが llama.cpp なら、これがすべてです。

• 価格もエンドポイントもありません。 カードには、ホスト型API、トークンあたりの価格、推論プロバイダーがいずれも記載されていません。これはオープンウェイトのリリースでは珍しいことではありませんが、つまりd1-2Bを使う唯一の方法は自分で実行することであり、カードのデプロイに関するセクションはTransformersのスニペットで終わっています。

• 独立したベンチマークはありません。 10月28日時点で、このリポジトリには44件のダウンロードと13件のいいねが表示されています。現存する独立した意思決定モデル評価はd1-3Bとd1-omni-600Mを対象としており、このモデルは対象外です。上記の性能数値はすべてLiquid AI自身によるものです。

カード自体が自らについて記している限界もある。回答は「約64Kトークンの状態を超えると信頼性が下がる」としており、これは宣伝されている128Kウィンドウの半分で、推定値はカウントとスコアについては信頼できるが、自由記述の数量についてはそうではない。自らのカードがどこで性能が低下するかを教えてくれるモデルは、そうでないモデルより有用だが、128Kという見出しは容量の数字として読むべきで、実用的な範囲と読むべきではない。

初回デプロイが実際にどのようなものか

実用的な方法は、Transformers 5.19 以降で trust_remote_code=True を使い、GPU 上で bf16 を指定し、system_one または system_one_batch を呼び出すことです。サンプリングを行わないため、サンプリングパラメータはありません。重要な調整項目は set_size だけで、デフォルトは学習時のサイズ 16 です。これを大きくすると速度は上がりますが、テキストの精度は下がります。

カード自体の推奨は、多くのチームが飛ばしてしまうステップだ。自社の用途のデータで意思決定しきい値をキャリブレーションする。確率0.62は単独では何の意味も持たない。サポートチケットを振り分けたり文書にフラグを立てたりするなら、「エスカレーション」と「自動処理」を分けるしきい値は、自社のラベル付きサンプルで適合させる必要がある。ベンダーのキャリブレーションはベンダー自身のデータで適合されたものだからだ。

これが当てはまるのはアシスタントではなく、パイプラインのステップです。トリアージ、モデレーション、意図分類、フォームからの抽出、再ランキング、目視検査。これらはまさに、パイプラインがすでに複数のモデルを呼び出している箇所であり、意思決定の周辺にある生成ステップが通常はホスト型APIから来る箇所です。OrcaRouterは現在、Liquid AIのモデルを一切提供していません — これも含めて — そのため、d1-2Bを実行するということは、自分で実行するということです。ルーターが役立つのは、チェーンの残りの部分です：200以上のホスト型モデルに対応する1つのOpenAI互換キー、ステップを1回の呼び出しにまとめるルーティングDSL、そしてプロバイダーが落ちたときの自動フェイルオーバーにより、GPU上の決定ノードが隣の生成ノードに人質に取られることはありません。

この物語を変えるものは何でしょうか

重要度が大きい順に、4つの点。GGUFがあれば、d1-2Bは兄弟モデルと同じ実行基盤に並び、エッジ向けの訴求が現実味を帯びる。専用の記事があれば、モデルカードのパイプライン手順の一覧を超えて、Liquid AIがこのモデルを何のために考えているのかを購入者に伝えられる。独立した実行——できればd1-3Bを再現したのと同じ6,000行のサンプル——によって、51.1はベンダーの主張から測定値になる。そしてホスト版の価格があれば、内製か購入かという問いにそもそも答えられるようになる。

それまでの間、正直にまとめると、範囲は狭いが有用だ。1.92Bの意思決定モデルは存在し、そのリポジトリは評価するのに十分なほど揃っており、3Bに対するベンチマーク上の優位はベンダー自身の同一実行条件下の表では確かに存在するが、それ以外のどこでも検証されていない。そして発表がないままなので、ほとんどのチームがモデルをパイプラインに投入する前に必要とするパッケージング——ランタイム、エンドポイント、価格——を欠いている。すでにTransformersを動かしていて、動画入力対応の128Kウィンドウ分類器が欲しいなら、午後一つ分の価値はある。llama.cppやマネージドエンドポイントが必要なら、待つべきだ。