d1-2B: Liquid AI wypuściło model decyzyjny o 1,9 mld parametrów, nie publikując wpisu z ogłoszeniem

Repozytorium Hugging Face dla LiquidAI/d1-2B zostało utworzone o 19:30 UTC 24 października 2026 r. Jego bliźniak, d1-Omni-2B, pojawił się dwadzieścia cztery sekundy później. Do końca tego wieczoru oba repozytoria były kompletne — 3,84 GB plików safetensors w BF16, ponad czterdzieści plików własnego kodu Transformers, tabela kalibracyjna, API pytań typowanych — a nic, co opublikowało Liquid AI, nie wskazywało, że którykolwiek z tych modeli istnieje. Pierwsze zdanie od dostawcy, które wymienia d1-2B, pojawiło się 27 października, w ramach premiery rodziny LFM3 — tego samego wpisu opublikowanego na liquid.ai i na blogu Hugging Face — jako jedno zdanie podrzędne w akapicie o dwóch modelach decyzyjnych. Od tego czasu nie pojawił się żaden dedykowany wpis. To nie jest więc historia premiery, a traktowanie jej jako takiej oznaczałoby wymyślenie momentu marketingowego, który nigdy nie nastąpił. To historia kompletnego artefaktu modelu z niekompletnym ogłoszeniem — i o dwóch rzeczach, które czytelnik może z tym jeszcze zrobić: przeczytać repozytorium i traktować liczby dostawcy z rezerwą, dopóki ktoś spoza laboratorium ich nie uruchomi.

Pięć dni między wagami a zdaniem

Rodzina d1 została wydana dwukrotnie i żadne z tych wydań nie wyglądało jak to. 7 października Liquid AI opublikowała „Open d1: modele decyzyjne edge dla tekstu, wizji i audio”, w którym przedstawiono d1-3B z 3,12 mld parametrów i d1-omni-600M z 587 mln, wraz z głównym twierdzeniem, tabelą benchmarków, liczbami dotyczącymi opóźnień oraz wpisem na blogu, który od tamtej pory pozostaje dostępny. Ten wpis nie zawiera żadnego modelu 2B.

Linia 2B rozwijała się według innego harmonogramu. Bazowy checkpoint LFM3-Omni-2B pojawił się 21 października. 24 października o 19:30 i 19:30:24 UTC Liquid AI utworzyło repozytoria d1-2B i d1-Omni-2B. Następnie 27 października wpis premierowy LFM3 nazwał tę parę „modelami decyzyjnymi wyspecjalizowanymi z modeli vision i omni” — to opis, a nie zapowiedź. Tego samego dnia pojawiły się cztery repozytoria pochodne dla d1-2B: kompilacje MLX w fp16, 8-bit i 4-bit oraz eksport ONNX. Nikt też nie napisał o nich wpisu.

Ma to znaczenie z praktycznego powodu. Ogłoszenie to moment, w którym dostawca określa pozycjonowanie: do czego służy model, ile kosztuje, na jakie środowisko uruchomieniowe jest ukierunkowany i czego nie robi. Karta wykonuje część tej pracy i robi to wyjątkowo dobrze. Jednak luki pozostawione przez brakujący wpis są rzeczywiste i konkretne, i są wymienione na końcu tego tekstu, zamiast być przemilczane.

Co repozytorium faktycznie ci powie

Jeśli odjąć ramę, checkpoint to mały, gęsto wyspecyfikowany klasyfikator multimodalny, który odmawia generowania tekstu. Każde wywołanie zwraca typowane odpowiedzi z dołączonymi prawdopodobieństwamioutput_tokens: 0. Karta mówi to wprost: d1-2B „nie jest modelem czatu”.

• Parametry — 1,92 mld, dostarczany w postaci pojedynczego pliku safetensors BF16 o rozmiarze 3,84 GB.

• Podstawowa — LFM3-VL-2B, na szkielecie LFM3: 24 warstwy, z których 13 to bramkowane krótkie konwolucje, 5 to uwaga z przesuwnym oknem, a 6 to uwaga globalna.

• Kontekst — 128 tys. tokenów i słownik 128 000 tokenów, czterokrotnie większy niż okno 32 768 tokenów modelu d1-3B.

• Dane wejściowe — stan, który może być tekstem lub dowolną wartością JSON, obrazami lub wideo, oraz dowolną liczbą nazwanych pytań, wszystko na jednej liście mediów. Wideo to możliwość, której d1-3B nie wymienia.

• Wynik — tak/nie, wybór spośród nazwanych opcji, uporządkowana ocena, wartość lub data odczytana z dokumentu wraz z jej zakresem, liczba z przedziałem p10–p90, ramka ograniczająca albo każde wystąpienie obiektu wraz z liczbą. Każdy z nich ma przypisane prawdopodobieństwo.

• Języki — szesnaście: angielski, arabski, chiński, francuski, niemiecki, włoski, japoński, koreański, portugalski, hiszpański, wietnamski, tajski, indonezyjski, hindi, rosyjski, polski.

• Licencja — LFM Open License v1.0. Komercyjne wykorzystanie jest dozwolone przy rocznym przychodzie poniżej $10,000,000; tekst licencji określa tę wartość jako próg, a prawa do komercyjnego wykorzystania powyżej niego są uzależnione od nieprzekroczenia go.

• Szybkość — 5,7 ms dla pojedynczej decyzji na H100 PCIe i 3,8 ms na AMD MI325X, przy odpowiednio 1 132 i 1 699 decyzjach na sekundę, gdy 64 stany są grupowane w jedno wywołanie. Na Apple M5 Pro wartość dla pojedynczego pytania wynosi 18,6 ms.

Teza warta sporu: bije model, który zastąpiło.

Karta Liquid AI formułuje jedno twierdzenie porównawcze bez żadnych zastrzeżeń: d1-2B „przewodzi wśród otwartych modeli d1 średnio oraz w naszym zestawie ponad stu benchmarków decyzyjnych, wyprzedzając d1-3B mimo rozmiaru poniżej dwóch trzecich jego wielkości”. To mocne twierdzenie ze strony modelu 1,92B o modelu 3,12B i można je zweryfikować, ponieważ karta zamieszcza wszystkie cztery otwarte modele d1 w jednej tabeli, oceniane na tych samych zadaniach przez ten sam mechanizm oceniający.

Główna liczba to 51,1 wobec 49,0 w publicznym zestawie Decision Index w wersji 0.3 — przewaga 2,1 punktu. Zanim ktokolwiek odczyta to jako czyste zwycięstwo, obok należą się dwa zastrzeżenia. Po pierwsze, własna karta d1-3B podaje 48,57 w Decision Index 0.2.1, a różnica między 48,57 i 49,0 wynika z wersji indeksu, a nie z poprawy modelu; karta d1-2B stwierdza, że wszystkie cztery modele zostały ponownie ocenione na tych samych pozycjach i że kilka liczb d1-3B różni się zatem od tych z jej własnej karty. Po drugie, publiczny zestaw to tylko ułamek tego, co decyduje o kolejności w publicznym rankingu: niezależny ewaluator, który go odtworzył, opisuje 37 publicznych benchmarków o wadze 20% wyniku, a resztę stanowią prywatne testy, które przeprowadzają wyłącznie opiekunowie.

To, co czyni 49,0 wiarygodną liczbą — mimo że sam d1-2B nie ma zewnętrznej weryfikacji — to fakt, że ktoś już odtworzył 3B na dokładnie tej wersji. Efraín Garay uruchomił d1-3B na stratyfikowanej próbie 6000 żądań Decision Index 0.3 w połowie października i otrzymał 49,11 wobec 49,04 samego Liquid na tych samych wierszach i 48,99 na pełnym zestawie. To odtworzenie z różnicą poniżej jednej dziesiątej punktu. Nie potwierdza ono wartości 51,1 dla d1-2B, której nie uruchomiła żadna strona trzecia, ale potwierdza metodę punktacji stojącą za tabelą, w której 51,1 się znajduje.

Gdzie mniejszy model nie ma przewagi

„Prowadzi w większości pojedynczych benchmarków” odgrywa w tym zdaniu cichą rolę. W tabeli z tego samego przebiegu d1-3B nadal wygrywa trzy z około dwudziestu wierszy, które mają znaczenie dla decyzji o wdrożeniu:

• Szybkie decyzje — 59,3 dla modelu 3B wobec 58,8, jedyny zorientowany na szybkość benchmark decyzyjny, w którym większy model uzyskuje nieznaczną przewagę.

• Typed Decisions — 65,0 wobec 61,3, różnica 3,7 punktu i najwyraźniejszy pojedynczy argument za starszym modelem, gdy wynik musi być wartością typowaną, a nie etykietą.

• AI2D — 79,9 wobec 76,7, test porównawczy czytania diagramów, w którym większa wieża wizyjna wciąż przekłada się na lepszą dokładność.

Wszędzie indziej kolejność się odwraca, czasem gwałtownie. VisualWebBench wynosi 96,2 dla d1-2B wobec 71,4 dla d1-3B. ImajevBench v2.0-lite wynosi 75,5 wobec 64,0. MMMU-Pro wynosi 26,4 wobec 18,5 — oba wyniki są wystarczająco niskie, że żadnemu z modeli nie należy ufać w trudnym rozumowaniu multimodalnym, co warto powiedzieć wprost, zamiast przedstawiać różnicę 7,9 punktu jako zwycięstwo. Średnie dla wizji wynoszą 70,2 i 65,4.

Trzy nieobecności, których karta nie wypełni

Brakujące ogłoszenie ujawnia się pod postacią brakujących artefaktów. Żadna z tych rzeczy nie jest wadą modelu; każda z nich jest powodem, dla którego model jest dziś trudniejszy do wdrożenia, niż sugeruje to jego wynik benchmarkowy.

• Brak GGUF. d1-3B i d1-omni-600M oba otrzymały repozytoria GGUF 6 października, dzień po udostępnieniu ich wag, a d1-3B wkrótce potem otrzymał kompilację 8-bitową z kwantyzacją wag i aktywacji oraz cztery warianty MLX. d1-2B ma kompilacje MLX i ONNX na dzień 27 października, ale nie ma GGUF — więc dla głowicy decyzyjnej nie opublikowano ścieżki llama.cpp, mimo że model bazowy LFM3-VL-2B otrzymał własny GGUF 19 października. Jeśli Twoim stosem brzegowym jest llama.cpp, to cała historia.

• Brak ceny i brak punktu końcowego. Karta nie wymienia żadnego hostowanego API, ceny za token ani dostawcy wnioskowania. Nie jest to nietypowe dla wydania z otwartymi wagami, ale oznacza, że jedynym sposobem użycia d1-2B jest uruchomienie go, a sekcja wdrożenia na karcie kończy się na fragmencie kodu Transformers.

• Brak niezależnego benchmarku. Według stanu na 28 października repozytorium pokazuje 44 pobrania i 13 polubień. Istniejąca niezależna ocena modelu decyzyjnego obejmuje d1-3B i d1-omni-600M, a nie ten model. Wszystkie powyższe wskaźniki wydajności pochodzą od samego Liquid AI.

Istnieje też ograniczenie, które sama karta podaje na swój temat: odpowiedzi „stają się mniej wiarygodne po około 64K tokenów stanu”, czyli połowie reklamowanego okna 128K, a szacunki są wiarygodne w przypadku zliczeń i wyników, ale mniej w przypadku swobodnych wielkości liczbowych. Model, którego własna karta mówi, gdzie traci jakość, jest bardziej użyteczny niż taki, który tego nie robi, ale liczbę 128K z nagłówka należy odczytywać jako wartość pojemności, a nie zakres roboczy.

Jak naprawdę wygląda pierwsze wdrożenie

Praktyczna ścieżka to Transformers 5.19 lub nowszy z trust_remote_code=True, bf16 na GPU oraz wywołanie system_one lub system_one_batch. Nie ma parametrów próbkowania, ponieważ nie ma próbkowania. Jedynym istotnym pokrętłem strojenia jest set_size, które domyślnie wynosi wytrenowany rozmiar 16; zwiększenie go daje szybkość kosztem dokładności tekstu.

Zalecenie zawarte w samej karcie to krok, który większość zespołów pomija: skalibruj próg decyzyjny na danych z własnego zastosowania. Prawdopodobieństwo 0,62 nic nie znaczy w oderwaniu od kontekstu. Jeśli przydzielasz zgłoszenia pomocy technicznej lub oznaczasz dokumenty, próg oddzielający „eskalację” od „automatycznej obsługi” musi zostać dopasowany na własnej oznaczonej próbce, ponieważ kalibracja dostawcy została dopasowana na jego próbce.

To pasuje do kroku potoku, a nie asystenta: triage, moderacja, klasyfikacja intencji, ekstrakcja z formularzy, reranking, inspekcja wizualna. To są dokładnie te miejsca, w których potok już wywołuje kilka modeli i w których kroki generatywne wokół decyzji zwykle pochodzą z hostowanego API. OrcaRouter nie obsługuje dziś żadnego modelu Liquid AI — w tym tego — więc uruchomienie d1-2B oznacza uruchomienie go samodzielnie. Router przydaje się w pozostałej części łańcucha: jeden klucz zgodny z OpenAI dla ponad 200 hostowanych modeli, DSL routingu, który łączy kroki w jedno wywołanie, oraz automatyczne przełączanie awaryjne, gdy dostawca ulegnie awarii, dzięki czemu węzeł decyzyjny na twoim GPU nie jest zakładnikiem sąsiedniego węzła generatywnego.

Co zmieniłoby tę historię?

Cztery rzeczy, w malejącej kolejności znaczenia. Plik GGUF postawiłby d1-2B na równi pod względem środowiska wykonawczego z jego rodzeństwem i uczyniłby ofertę dla edge realną. Dedykowany wpis powiedziałby kupującym, do czego według Liquid AI model służy, poza listą kroków potoku zamieszczoną na karcie. Niezależne uruchomienie — najlepiej na tej samej próbce 6000 wierszy, która odtworzyła d1-3B — zamieniłoby 51.1 z deklaracji dostawcy w pomiar. A cena hostowanej wersji pozwoliłaby w ogóle odpowiedzieć na pytanie „zbudować czy kupić”.

Do tego czasu uczciwe podsumowanie jest wąskie i użyteczne: istnieje model decyzyjny 1,92B, jego repozytorium jest wystarczająco kompletne, by go ocenić, jego przewaga benchmarkowa nad modelem 3B jest realna w tabeli z tego samego przebiegu dostawcy i niezweryfikowana wszędzie indziej, a brakujące ogłoszenie pozostawiło go bez pakietu — środowiska uruchomieniowego, punktu końcowego, ceny — którego większość zespołów potrzebuje, zanim umieści model w potoku. Jeśli już używasz Transformers i chcesz klasyfikator z oknem 128K i wejściem wideo, wart jest popołudnia. Jeśli potrzebujesz llama.cpp lub zarządzanego punktu końcowego, poczekaj.