d1-Omni-2B: Liquid AI의 가장 조용한 2B 의사결정 모델이 기본 제공하는 것 — 그리고 빠뜨린 것

Hugging Face 리포지토리(LiquidAI/d1-Omni-2B용)는 2026년 10월 24일 19:30 UTC에 생성되었습니다. 이 모델을 이름으로 언급한 첫 번째 Liquid AI 블로그 게시물은 10월 27일에 올라왔습니다. 그 3일 동안 이 저장소는 공개 상태였고 완전했습니다 — 전체 사양표, 4.33GB의 BF16 safetensors, 작동하는 Transformers 코드 — 그리고 공급업체가 게시한 그 어떤 것도 그것이 존재한다고 말하지 않았습니다. 마침내 언급이 나왔을 때 그것은 6개 모델 패밀리 출시 안의 두 문단과 네 행짜리 표였으며, 그 자체의 출시는 아니었습니다. 이것이 이번 릴리스의 형태이며, 아래의 모든 내용에 대한 정직한 틀입니다: 가중치는 검사 가능하고, 주장은 공급업체의 것이며, 구매자가 보통 발표에서 얻었을 부분 — 가격, 호스팅 엔드포인트, 독립적 벤치마크 — 은 아직 없습니다.

추와 말 사이의 닷새 간격

Liquid AI의 의사결정 모델 이야기는 두 번 전개되었지만, d1-Omni-2B는 그 어느 이야기에도 등장하지 않습니다. 10월 7일 이 회사는 “Open d1: 텍스트, 비전, 오디오를 위한 엣지 의사결정 모델”을 게시했으며, 이 글에서는 정확히 두 개의 공개 체크포인트를 소개했습니다. d1-3B는 3.12B 비전-텍스트 모델이고, d1-omni-600M은 587M 모델로 텍스트와 이미지 또는 텍스트와 최대 30초의 오디오를 입력으로 받았습니다. 그 게시물은 여전히 게시되어 있으며, 여전히 2B 모델을 포함하지 않습니다.

2B 라인은 다른 일정으로 등장했다. 10월 21일에는 베이스 체크포인트 LFM3-Omni-2B가 Hugging Face에 나타났다. 10월 24일에는 24초 간격으로 Liquid AI가 d1-2B와 d1-Omni-2B용 리포지토리를 만들었다. 이어 10월 27일 LFM3 출시 게시물은 해당 제품군을 명명했다. 약 2B 파라미터 규모의 모델 6개, 그중 4개는 텍스트, 비전, 오디오, 옴니를 아우르며, 게시물 자체의 표현대로 "마지막 두 개는 비전 및 옴니 모델에서 특화된 의사결정 모델이다." 그 문장이 곧 발표다. 지금까지 d1-Omni-2B에 대한 별도 게시물도, 가격 페이지도, 출시 파트너 인용문도, 10월 7일 기사에 대한 업데이트도 없었다.

그래서 이 모델은 문서화되지 않은 것이 아닙니다 — 이 저장소는 Liquid AI가 공개한 소형 체크포인트 중 문서화가 비교적 잘 된 편에 속하며, 벤더의 의사결정 모델 문서 페이지에도 d1-2B 및 d1-omni-600M과 함께 나열되어 있습니다. 단지 발표가 충분히 이뤄지지 않았을 뿐입니다. 이런 구분이 중요한 이유는 어떤 주장이 출시 검토를 거쳤고 어떤 주장은 거치지 않았는지를 알려주기 때문입니다.

카드를 사양서로 읽기

틀을 걷어내면 체크포인트는 단순하다. d1-Omni-2B는 LFM3-Omni-2B를 기반으로 사후 학습된 의사결정 모델이며, 채팅 모델이 아니다. 텍스트를 쓰지 않고 음성도 생성하지 않으며, 모든 호출은 output_tokens: 0.

• 매개변수 — 2.17B, 단일 4.33GB BF16 safetensors 파일로 제공됩니다.

• 아키텍처 — LFM3 백본: 24개 레이어로 구성되며, 그중 13개는 게이트된 짧은 합성곱, 5개는 256토큰 윈도의 슬라이딩 윈도 어텐션, 6개는 글로벌 어텐션입니다. 패밀리 포스트에서는 이 트라이 하이브리드 조합을 14개의 디바이스 및 백엔드 조합에 걸쳐 수행된 하드웨어 인 더 루프 아키텍처 탐색의 결과라고 설명합니다.

• 컨텍스트와 어휘 — 128K 토큰 및 LFM3의 나머지와 공유되는 128,000토큰 어휘.

• 입력 — 텍스트 또는 임의의 JSON 값이 될 수 있는 상태에, 사진, 비디오 프레임, 오디오 클립, 그리고 글이나 말로 된 이름 있는 질문을 원하는 수만큼 더한 것입니다. 카드의 API는 이 모든 것을 하나의 media 목록으로 받는데, 이는 587M 체크포인트와의 의미 있는 차이입니다: d1-omni-600M은 텍스트+이미지 또는 텍스트+오디오로 문서화되어 있으며, 동시에 둘 다는 아닙니다.

• 출력 — 확률이 함께 제공되는 유형별 답변. 예/아니요, 지정된 옵션 중 선택, 정렬된 점수, 문서에서 해당 범위와 함께 읽어낸 값, p10–p90 구간이 있는 숫자, 바운딩 박스, 또는 개수가 포함된 객체의 모든 인스턴스.

• 언어 — 열여섯 개. 음성은 힌디어, 태국어, 베트남어, 인도네시아어를 제외하면 동일한 언어 집합을 지원하는데, 텍스트 쪽에는 이 언어들이 나열되어 있어서 짚고 넘어갈 만합니다.

• 라이선스 — LFM Open License v1.0. 연간 매출이 $10,000,000 미만이면 상업적 사용이 허용됩니다. 그 이상인 경우 라이선스 문구에는 상업적 사용이 "본 계약에 따라 라이선스되지 않습니다"라고 명시되어 있습니다.

오디오는 검증해 볼 가치가 있는 주장이다

{{1}}d1-2B{{/1}} 대신 이 체크포인트를 선택하는 이유는 오디오입니다. Liquid AI는 이를 "{{2}}통화 및 음성 메시지 라우팅과 사운드 이벤트,{{/2}}"에 포지셔닝하며, 모델 카드에는 출시 글이 보통 가장 먼저 내세웠을 한 가지 증거가 담겨 있습니다: 동일한 항목에 대한 말하기와 쓰기 비교입니다.

• 비즈니스 라우팅 및 분류 (DecisionBench, Hanno Labs v1) — 서면 83.4, 구두 78.2.

• 고객 서비스 사례(타이핑 결정) — 서면 50.5, 구어 48.0.

• JevBench v1.4.1, 음성이 말할 수 있는 행 — 서면 87.6, 음성 89.0으로, 음성 실행이 약간 더 높은 점수를 받았는데, 이는 이득이 아니라 노이즈입니다.

• 음향 이벤트(ESC-50) — 84.5, 이에 해당하는 서면 표현 없음.

• 음성 언어 식별(FLEURS, 43개 언어) — 92.5.

그 수치들은 그 주장을 뒷받침합니다. 오디오 섹션의 나머지 부분은 어디에 구축하지 말아야 하는지를 알려주는 부분이며, 벤더 카드로서는 이례적으로 솔직합니다. Spoken short states는 written 42.0에서 heard 22.8로 떨어집니다. 8개 언어의 Belebele 지문은 83.6에서 41.8로 떨어집니다. 이 카드는 긴 음성 지문이 정확도를 상당 부분 잃는다고, "특히 라틴 문자 언어권 밖에서 가장 크게"라고 분명히 밝히며, 오디오 입력이 없는 사람에게는 대신 d1-2B를 안내합니다. d1-2B는 텍스트와 단일 박스에서 더 강하고, 누락된 값을 더 자주 보고하며, 보정이 더 잘 되어 있다고 카드는 말합니다.

함께 읽어 보면, 이 행들은 주요 언어에서 짧고 라우팅 가능한 발화에는 능하지만 긴 발화 상태를 유지해야 하는 작업에는 훨씬 취약한 모델을 설명한다. 콜센터 트리아지는 여기에 들어맞는다. 40분짜리 녹음 회의는 그렇지 않다.

점수판은 공급업체의 것이고, 인덱스는 버전이 변경되었습니다.

이 모델의 모든 성능 수치는 Liquid AI 자체 측정값입니다. 이 카드에는 방법이 명시되어 있습니다. d1 모델 네 개 모두 동일한 항목에 대해 동일한 채점 방식으로 평가되었기 때문에 일부 수치는 해당 수치가 나온 개별 카드와 약간 다릅니다. 제3자가 이를 재현했다는 내용은 없으며, 작성 시점 기준으로 d1-Omni-2B에 대한 독립적인 평가는 존재하지 않습니다.

• Decision Index 공개 스위트, v0.3 — d1-Omni-2B는 49.0으로, d1-2B의 51.1, d1-3B의 49.0, d1-omni-600M의 18.3과 대비됩니다.

• DecisionBench (Hanno Labs) v1 — 76.4, 각각 77.1, 73.1, 58.7 대비.

• decisionbench.ai v4 — 84.7, 85.2, 83.6, 57.9와 비교되는 수치입니다.

• ImajevBench v2.0-lite — 75.5, 64.0 및 21.7에 비해 72.3.

• 100개가 넘는 벤치마크로 구성된 벤더 자체 보드 — 61.8, 63.2와 58.8 대비, 600M은 점수 없음.

• 18개 이미지 벤치마크 전반의 비전 평균 — 70.2, 65.4, 42.8 대비 67.7.

여기에는 함정이 하나 있습니다. 10월 7일 게시물은 Decision Index v0.2.1에서 d1-omni-600M을 15.95로 보고했습니다. 새 카드는 v0.3에서 이를 18.3으로 보고합니다. 이 둘은 서로 다른 스위트이며 그 차이는 성능 향상이 아니므로, 한쪽에서 다른 쪽을 빼면 안 됩니다. 공정한 비교는 카드가 실제로 수행한 것, 즉 네 모델 모두를 동일한 항목에서 다시 채점한 비교뿐입니다.

재점수 산정에서도 살아남는 패턴은 d1-Omni-2B가 거의 모든 항목에서 d1-2B 바로 아래에 있고, 이전 세대보다는 큰 차이로 위에 있다는 점이다. Liquid AI는 이를 두고 파라미터의 70%로 자사의 의사결정 보드와 18개 이미지 벤치마크 중 16개에서 d1-3B를 앞선다고 설명하는데, 이는 인쇄된 표에 나타난 그대로 사실이며 동시에 이 제품군이 이제는 대체한 모델과의 비교이기도 하다.

리포지토리가 답하지 않는 것

다섯 가지 질문이 여전히 남아 있으며, 그중 어느 것도 가중치를 읽는 것만으로는 답할 수 없습니다.

• 호스팅 액세스 및 가격. LFM3 게시물에 따르면 기본 모델과 후속 학습된 모델은 Hugging Face, Playground 및 Liquid AI API에서 사용할 수 있습니다. 그러나 의사 결정 모델 문서 표에는 d1-Omni-2B가 오픈 웨이트로 나열되어 있고 호스팅 전용 행은 d1.1 및 d1-ultra에 할당되어 있으며, Hugging Face 모델 페이지에는 "이 모델은 어떤 추론 제공업체에서도 배포하지 않습니다."라고 명시되어 있습니다. 이 체크포인트의 호출당 가격은 이 글에서 찾을 수 있는 어디에도 공개되어 있지 않으므로, 호스팅 액세스는 그럴듯하지만 확인되지 않은 것으로 간주하십시오.

• 학습 데이터. 이 카드에는 코퍼스도, 구성도, 데이터셋 설명도 제시되지 않습니다. "어떤 학습 행에도 없는" 클립과 음성으로 테스트했다고 언급하는데, 이는 학습 세트가 존재함을 암시할 뿐 그 안에 무엇이 들어 있는지에 대해서는 아무것도 말해 주지 않습니다.

• 양자화. 메인 저장소는 BF16을 제공하며, Liquid AI는 MLX fp16, MLX 8-bit, ONNX 내보내기라는 세 가지 형제 빌드를 공개합니다. 벤더 제공 GGUF는 없지만, Ollama의 d1-omni 라이브러리에는 4.4GB 및 125K 컨텍스트의 2b 태그가 있으며, 크기가 BF16 체크포인트에 충분히 가까워 공격적인 양자화처럼 보이지는 않습니다.

• 독립적인 평가. 없음. 위의 모든 수치는 벤더가 자체 보드에서 자체 채점기로 직접 실행한 것입니다.

• d1-omni-600M을 대체하는지 여부. 카드에서는 오디오가 없을 때 이 모델보다 d1-2B를 권장하고, 오디오가 있을 때는 d1-2B보다 이 모델을 권장합니다. 587M 체크포인트의 향후 계획에 대해서는 아무 언급이 없으며, Liquid AI는 이를 지원 중단하지 않았습니다.

그것을 실행하는 것과 하드웨어에 드는 비용

추론 경로는 Transformers 5.19 이상과 trust_remote_code를 사용하며, 호출은 model.system_one(state, questions, media)입니다. 샘플링되는 것이 없으므로 설정할 샘플링 매개변수는 없습니다. 컴파일은 첫 호출 시 약 1분이 걸리며, 그 이후 카드는 H100 PCIe에서 질문 하나에 5.8 ms, 세 개에 7.7 ms, AMD MI325X에서 3.7 ms와 5.6 ms, Apple M5 Pro에서 21.1 ms와 28.9 ms를 보고합니다. 5K 토큰 상태는 H100에서 52 ms가 걸립니다. 처리량은 배칭에서 나옵니다. 한 번의 호출에 64개 상태를 넣으면 H100에서 초당 1,154개, MI325X에서 1,697개입니다.

이 클래스의 모델에서는 그 수치들이 곧 논거입니다. 품질 면에서 채팅 모델과 경쟁하는 것이 아니라, 애초에 채팅 모델을 돌리는 것 자체와 경쟁하는 것입니다. 보정된 확률을 반환하는 5.8ms 포워드 패스는, 문단을 반환해서 그걸 다시 파싱해야 하는 생성 호출과는 다른 비용 항목입니다.

결정이 끝나고 나머지 파이프라인이 시작되는 지점

이런 모델은 한 번의 홉(hop)을 수행합니다. 티켓, 통화 녹음, 카메라 프레임을 레이블과 신뢰도로 바꾸고, 그다음에는 그 레이블에 따라 무언가가 작동해야 합니다. 답장 초안을 작성하거나, 케이스를 에스컬레이션하거나, API를 호출하는 식이죠. OrcaRouter의 카탈로그에는 Liquid AI 모델이 없으므로, 그 두 번째 홉이 바로 우리 제품이 실제로 자리하는 지점입니다. 결정을 소비하는 생성형 모델은 하나의 OpenAI 호환 키를 통해 200개 이상의 모델을 이용하며, 각 제공업체의 정가를 0% 마크업으로 그대로 적용하고, 요청이 일시적으로 문제를 겪는 제공업체에 도달하면 자동 페일오버가 작동합니다. 결정 모델은 저렴하고 빠르며 결정론적인 부분입니다. 비싸고 비결정론적인 부분은 재시도가 가능한 무언가에 연결할 가치가 있습니다.

무엇이 그것을 해결할까요?

d1-Omni-2B를 “유망함”에서 “추천할 만함”으로 옮겨 줄 세 가지가 있으며, 그중 어느 것도 또 다른 블로그 글을 필요로 하지 않는다. 첫째는 벤더가 통제하지 않는 하드웨어에서 오디오 스위트를 독립적으로 실행하는 것이다. 음성으로 된 짧은 상태에서의 22.8 대 42.0 격차는 다른 사람의 마이크 아래에서 가장 달라질 가능성이 큰 수치다. 둘째는 호스팅 접근에 대한 공개 가격이며, 이것이 없으면 구축 대 구매 계산을 끝낼 수 없다. 셋째는 동일한 오디오 포함 작업에서 d1-2B와 직접 비교하는 것이다. 왜냐하면 이 카드 자체의 권고 — 입력에 오디오가 포함될 때만 2B omni를 사용하라 — 는 그 안에서 가장 유용한 문장이며, 동시에 Liquid AI 외부에서는 아무도 시험해 보지 않은 문장이기 때문이다.