d1-Omni-2B vs d1-omni: 하나의 태그, 두 개의 체크포인트, 그리고 8배의 격차

지금 d1-omni를 받으면 850MB에 587M 파라미터 의사결정 모델이 나옵니다. d1-omni:2b를 받으면 4.4GB의 전혀 다른 것이 나옵니다 — d1-Omni-2B, 즉 Liquid AI가 2026년 10월 27일 LFM3 제품군과 함께 출시한 오디오 의사결정 모델로, Ollama가 10월 초부터 해당 벤더의 d1-omni-600M 체크포인트를 가리키는 데 사용해 온 이름인 d1-omni와 대조됩니다. 이 둘은 같은 질문에 대한 두 벤더의 답이 아닙니다. 이들은 같은 아이디어의 두 세대로, 파라미터 수가 8배 차이 나며, 둘 사이의 선택은 사실상 모델이 어디에서 실행되어야 하는지에 대한 선택입니다. 하나는 휴대폰에 들어갑니다. 다른 하나는 GPU를 원하며, 그 대가로 더 작은 모델이 전혀 할 수 없는 일을 합니다.

이 이름 때문에 오히려 일이 더 어려워지므로, 숫자를 말하기 전에 분명히 짚고 갈 필요가 있습니다. 단순히 d1-omni라고 불리는 Liquid AI 모델은 없습니다. 벤더 문서에는 d1-omni-2B와 d1-omni-600M이 오픈 웨이트로, d1.1과 d1-ultra는 호스팅 전용으로 나와 있습니다. “d1-omni”는 패키징 이름입니다. 더 짧은 레이블을 붙인 587M 체크포인트죠. 이것이 이 비교의 상대이며, 대부분의 사람이 이미 디스크에 갖고 있는 모델입니다.

각각이 실제로 무엇인지

둘 다 Liquid AI가 말하는 의미의 의사결정 모델입니다. 상태와 이름이 지정된 질문 목록을 넘기면 단 한 번의 순전파로 확률이 포함된 타입 지정된 답변을 반환합니다. 둘 다 텍스트를 쓰지 않고, 음성을 생성하지 않으며, 둘 다 출력 토큰이 0이라고 보고합니다. 유사점은 인터페이스에서 끝납니다.

• 매개변수 — d1-Omni-2B의 경우 21억 7천만 개, d1-omni의 경우 5억 8천 7백만 개이며, 소형 모델에서는 3억 8천 1백만 개의 공유 트렁크와 결정 헤드, 9천 4백만 개의 비전 인코더, 1억 1천 2백만 개의 오디오 인코더로 나뉩니다.

• 아키텍처 — 2B용 LFM3 트라이하이브리드 백본: 13개의 게이트형 단축 합성곱, 5개의 슬라이딩 윈도 어텐션, 6개의 전역 어텐션으로 이루어진 24개 층. 587M은 LFM2.5-Encoder-350M을 기반으로 구축된 LFM2.5 양방향 인코더이며, LFM2.5-VL-450M에서 계승한 SigLIP2 비전 타워와 오디오용 17층 FastConformer를 갖추고 있습니다.

• 컨텍스트 — 2B의 경우 128,000토큰 어휘로 128K 토큰을 지원합니다. 587M 모델은 텍스트, 이미지, 오디오 위치를 합쳐 16,384토큰으로 문서화되어 있으며, 해당 카드에는 이미지가 있을 때 상태 및 질문 텍스트가 학습된 대로 896토큰으로 잘린다고 추가로 명시되어 있습니다. Ollama 페이지에는 두 태그 모두 125K로 표시되어 있는데, 이는 벤더가 공개하지 않는 수치입니다. 프롬프트 크기는 벤더의 수치를 기준으로 잡으세요.

• 입력 — 2B는 텍스트 또는 JSON 상태와 함께 이미지, 비디오 프레임, 오디오 클립을 하나의 미디어 목록으로 받습니다. 587M은 텍스트와 이미지를 함께 받거나 최대 30초 분량의 오디오와 텍스트를 함께 받으며, 해당 카드에는 이 둘을 함께 사용하는 방법이 문서화되어 있지 않습니다.

• 출력 유형 — 예/아니오, 선택 및 점수 모두 양쪽에서 지원됩니다. 2B는 박스, 다중 선택, 스팬이 포함된 추출 값, 그리고 구간이 있는 숫자를 추가합니다. 이들은 LFM3 세대에서 새로 도입된 것으로 587M에는 대응하는 기능이 없습니다.

• 디스크 기준 — 2B 모델의 BF16 safetensors는 4.33GB인 반면, d1-omni의 Q8_0 빌드는 850MB, BF16 태그는 1.2GB입니다.

• 라이선스 — 둘 다 LFM Open License v1.0입니다. 연간 매출 1,000만 달러 미만은 상업적 사용이 무료이며, 그 이상은 별도 라이선스가 필요합니다.

여덟 번째 매개변수로 무엇을 얻을 수 있는가

유용한 비교는 Liquid AI가 직접 공개한 것입니다. 동일한 채점기로 동일한 항목에 대해 네 가지 d1 모델 모두를 다시 채점했기 때문입니다. 그 덕분에 해당 행들은 예전 카드들과는 달리 내부적으로 비교가 가능합니다.

• Decision Index 공개 스위트, v0.3 — d1-Omni-2B의 49.0 대 d1-omni-600M의 18.3.

• DecisionBench (Hanno Labs) v1 — 58.7 대비 76.4

• decisionbench.ai v4 — 57.9 대비 84.7.

• JevBench v1.4.1 — 58.0 대비 75.3.

• ImajevBench v2.0-lite — 72.3 대 21.7로, 이 세트에서 가장 큰 격차이며 시각 작업에서 가장 중요한 항목입니다.

• WorkflowEvals — 48.8 대비 77.1.

• 타입 지정 결정 — 63.1 대 57.5로 가장 좁은 격차이며, 모든 작업이 매개변수에 따라 확장되는 것은 아니라는 점을 일깨워 줍니다.

• 비전 평균, 18개 이미지 벤치마크 — 42.8 대비 67.7.

그 목록에는 두 가지 주의사항이 따른다. 첫째는 버전 드리프트다. 10월 7일 카드는 Decision Index v0.2.1에서 d1-omni-600M을 15.95로 보고했고, 새 카드는 v0.3에서 18.3을 보고한다. 이는 서로 다른 스위트이며, 두 값을 빼면 모델이 아니라 지수를 측정하는 것이다. 둘째는 출처다. 모든 수치는 벤더가 보고한 것이고, Liquid AI가 선택한 벤치마크에서 Liquid AI가 채점한 것이다. 회사 외부에서는 어느 체크포인트에 대해서도 실행 결과를 공개한 적이 없다.

결과의 형태는 그렇긴 해도 일관적이다. 분류 스타일 작업에서는 587M이 놀랄 만큼 잘 버틴다 — Typed Decisions은 6점 이내 차이다. 장면을 읽거나, 물체를 세거나, 레이아웃을 해석해야 하는 작업에서는 무너진다: ImajevBench에서 72.3 대비 21.7, 이전 스위트의 VisualWebBench에서는 88.6 대비 14.9다. 텍스트 티켓을 라우팅하는 일이라면 추가 파라미터는 사치다. 무언가를 들여다보는 일이 포함된다면, 그것들이 제품의 전부다.

587M이 여전히 우위를 점하는 부분, 그리고 그것을 입증할 숫자

배포 범위는 587M 모델의 진정한 강점이며, 결코 위로상이 아닙니다. 850MB에 담긴 587M 모델은 노트북, Raspberry Pi, 휴대폰에서 실행되며, Liquid AI는 바로 이런 용도를 위해 d1 라인을 만들었습니다. 4.33GB에 담긴 2.17B 모델은 쾌적하게 사용하려면 GPU나 충분한 사양의 Apple Silicon 머신이 필요합니다.

빠져 있는 것은 그 트레이드오프를 정밀하게 만들어 줄 지연 시간 비교다. d1-Omni-2B 카드는 전체 속도 표를 공개한다. H100 PCIe에서 질문 하나에 5.8ms, 세 개에 7.7ms, MI325X에서 3.7ms와 5.6ms, M5 Pro에서 21.1ms와 28.9ms, H100에서 배치 처리 시 초당 1,154개 상태를 제시한다. d1-omni-600M 카드는 아무것도 공개하지 않으며 그 이유를 밝힌다. “d1-omni-600M은 초기 연구 릴리스이며 활발히 개발 중이므로 추론 수치를 보고하지 않습니다.” 따라서 더 작은 모델이 거의 확실히 더 빠르지만, 얼마나 더 빠른지 인용할 벤더 수치는 없다. 587M가 세 배 더 빠르다고 말하는 사람은 파라미터 수에서 추정하는 것이다.

정확도와 맞닿아 있는 진짜 이점이 하나 있는데, 언급할 가치가 있습니다. d1-Omni-2B 카드는 오디오가 없을 때 자기 자신보다 d1-2B를 권장하며 그 이유를 제시합니다. d1-2B는 텍스트와 단일 박스에서 더 강하고, 결측값을 더 자주 보고하며, 보정이 더 잘 되어 있다는 것입니다. 같은 조언은 텍스트 전용 작업에서 omni 모델을 쓰지 말라는 쪽을 가리킵니다. 587M의 보정이 더 낫다고 말하는 것은 아니며, 단지 2B omni가 사용하지 않을 수도 있는 기능에 대한 비용을 수반한다는 뜻입니다.

오디오 분리는 두 세대가 깔끔하게 갈리는 지점이다.

오디오는 두 모델이 직접 경쟁하는 유일한 모달리티이며, 제약 조건이 아키텍처를 결정할 만큼 충분히 다릅니다.

587M 모델은 최대 30초 분량의 음성을 처리하며 16kHz 모노 입력을 전제로 하고, 모델 카드에는 다음과 같은 분명한 경고가 있습니다. 오디오 기능은 영어 화자와 어시스턴트 사이의 요청으로 훈련되었으며, 해당 발화의 종류, 주제, 화자가 원하는 바를 다룹니다. 이는 좁은 분포이며, 각주가 아니라 한계로 명시되어 있습니다.

2B 모델은 텍스트 쪽과 동일한 16개 언어 중 힌디어, 태국어, 베트남어, 인도네시아어를 제외한 언어로 음성을 지원하며, 카드의 오디오 결과에는 ESC-50 사운드 이벤트에서 84.5, 43개 언어에 걸친 FLEURS 언어 식별에서 92.5가 포함됩니다. 또한 카드에 문서화된 방식으로 성능이 저하됩니다. 음성으로 말한 짧은 진술은 문어 42.0에서 청취 22.8로 떨어지고, 8개 언어의 Belebele 지문은 83.6에서 41.8로 떨어집니다. 긴 음성 지문은 정확도가 떨어지며, 특히 라틴 문자 이외의 문자에서 가장 두드러집니다.

그래서 구분점은 "2B가 오디오에서 더 낫다"가 아닙니다. 2B는 더 다양한 종류의 오디오를 인식하지만 긴 발화 상태는 여전히 어려워하고, 587M은 더 좁고 더 통제된 범위만 인식하며 사운드 이벤트나 언어 식별에서는 벤치마크된 적이 전혀 없습니다. 영어 음성 명령 라우팅에서는 587M의 제약을 감수할 수 있습니다. 다국어 통화 트리아지에서는 결격 사유가 됩니다.

어떤 태그를 가져와야 하나요?

의사 결정 규칙은 규칙으로 명시하기에 충분히 짧습니다.

• 텍스트와 이미지만 있고 제품에 오디오는 없습니다 — 둘 다 가져오지 마세요. d1-2B는 결정 지수에서 d1-Omni-2B보다 높은 51.1 대 49.0을 기록하며, 공급업체 자체 카드에서도 이를 사용하라고 알려줍니다. omni 프리미엄은 사용하지 않을 오디오를 사는 셈입니다.

• 제한된 하드웨어에서의 음성 라우팅 — 850MB의 d1-omni. 30초 제한, 영어 화자 학습 분포, 16,384토큰 컨텍스트를 받아들이고, 공급업체가 수치를 제공하지 않으므로 자체 지연 시간을 측정하세요.

• 동일한 결정에서 오디오와 이미지를 함께 사용하거나, 출력에 박스와 스팬을 포함하는 것 — d1-Omni-2B. 587M은 그러한 요청을 표현할 수 없으므로 비교할 것이 없습니다.

• 다국어 음성 — d1-Omni-2B, 제외된 4개 언어는 커밋하기 전에 실제 트래픽과 대조해 확인합니다.

• 배치 처리량 — d1-Omni-2B는 두 모델 중 유일하게 카드에 초당 상태를 공개하는 모델입니다.

채택 신호 하나는 기록할 가치가 있습니다. 그것이 벤치마크 이야기와 상충하기 때문입니다. d1-omni-600M은 10월 5일 이후 Hugging Face에서 약 18,900회 다운로드와 148개의 좋아요를 받았습니다. d1-Omni-2B는 저장소가 등장한 지 나흘 만에 36회 다운로드와 7개의 좋아요를 기록했습니다. 초기 다운로드 수는 품질이 아니라 새로움과 패키징을 측정합니다 — 587M 모델에는 한 번의 명령으로 실행할 수 있게 해주는 Ollama 태그가 있습니다 — 하지만 사람들이 오늘 실제로 어떤 모델을 실행하고 있는지는 보여줍니다.

결정 이후, 통화의 나머지 부분

어떤 태그를 선택하든, 결정 모델은 첫 번째 홉이지 마지막 홉이 아닙니다. 이 모델은 확률이 붙은 레이블을 반환합니다. 그래도 응답을 작성하거나, 케이스를 에스컬레이션하거나, 다음 API를 호출할 무언가가 필요하며, 그 두 번째 홉은 생성형입니다. OrcaRouter는 Liquid AI 모델을 취급하지 않으므로 d1-omni 또는 d1-Omni-2B 호출은 이미 실행 중인 곳에서 실행됩니다. 즉, Hugging Face 가중치로 자체 하드웨어에서, 또는 벤더를 통해 실행됩니다. 무엇이 OpenAI 호환 키 하나 뒤에 있는지는 카탈로그의 나머지 200개 이상 모델입니다. 각 공급자의 정가에 0% 마크업이 적용되며, 선택한 다운스트림 모델이 안 좋은 상황을 겪고 있을 때는 공급자 간 페일오버가 제공됩니다. 이렇게 새로운 모델의 경우, 그 분리는 유용합니다. 검증되지 않은 부분은 로컬에 저렴하게 남아 있고, 프로덕션 트래픽을 건드리는 부분은 재시도 경로를 갖습니다.

어느 카드도 알려주지 않는 숫자

두 체크포인트 모두 독립적인 평가가 없습니다. 587M은 10월 5일부터 공개되었지만 여전히 없고, 2B는 나흘 되었습니다. 누군가 동일한 오디오 세트에서 동일한 마이크와 동일한 언어로 둘 다 실행하기 전까지, 8배 매개변수 격차는 측정된 사실이 아니라 벤더의 표일 뿐입니다. 주목해야 할 구체적 수치는 spoken short states의 22.8입니다. 이는 새 모델 자체 카드가 배포 결정을 바꿀 만큼 큰 약점을 인정하는 유일한 행이며, 외부인이 마이크를 들이대면 가장 바뀔 가능성이 높은 행입니다.