d1-omni против Liquid AI D1 Omni 600M: два названия, один чекпоинт и число контекста, источник которого никто не может найти

Liquid AI D1 Omni 600M и d1-omni — это не две модели и не два чекпоинта одной и той же модели. Это один набор весов — мультимодальная модель принятия решений Liquid AI с 587 млн параметров, построенная на Liquid AI LFM2.5-Encoder-350M и опубликованная на Hugging Face 5 октября 2026 года под именем репозитория LiquidAI/d1-omni-600M — с двумя разными именами файлов в двух разных каталогах. Один из этих каталогов, каталог поставщика, сообщает, что представляет собой модель. Другой, каталог Ollama, сообщает, во что кто-то её упаковал, и указывает на карточке три числа, которые документация поставщика не подтверждает. Этот разрыв — главная причина, по которой это сравнение стоит прочитать, потому что для модели такого размера упаковка — не сноска: это разница между моделью для работы с текстом и изображениями и моделью, которую, согласно карточке, вы скачали.

Поставщик ничего не объявил о записи Ollama, и на странице Ollama нет ни заметки мейнтейнера, ни записи в changelog, ни readme, которые бы что-либо из этого объясняли. Поэтому честная рамка для всего ниже такова: веса публичны и доступны для проверки, упаковка публична и доступна для проверки, а предлагаемое здесь прочтение упаковки принадлежит нам, а не Liquid AI. Там, где число нельзя проследить до источника, этот материал говорит об этом, а не повторяет его.

Что на самом деле представляют собой эти два имени

Liquid AI опубликовала модель на Hugging Face с отметкой о создании 5 октября 2026 года — за два дня до того, как она появилась в собственном блоге производителя «Open d1: Edge-модели принятия решений для текста, компьютерного зрения и аудио» 7 октября. Веса распространяются по собственным условиям Liquid LFM 1.0 и помечены тегами d1_omni, system-one, multimodal, vision, audio и decision-model, а на момент написания они набрали примерно 13 900 загрузок и 135 лайков. Квантованные варианты последовали по собственному графику: репозиторий GGUF — 6 октября, сборки MLX для Apple Silicon — 12 октября.

Запись в Ollama не является ни одним из этих репозиториев. Это страница библиотеки Ollama с названием d1-omni, на которой есть бейдж «vision 600m», отображаются четыре тега, и которая была обновлена за несколько минут до написания этого текста — именно поэтому радар её вообще обнаружил. Нигде в ней не упоминаются Liquid AI, LFM2.5-Encoder-350M или репозиторий Hugging Face, откуда пришли байты.

Таким образом, практическая разница — это имя файла и путь распространения, а не сама модель. Что действительно отличается и имеет значение, так это метаданные, обёрнутые вокруг байтов.

Три числа на карточке Ollama, проверенные по одному

Страница Ollama для каждого тега выводит размер, контекстное окно и список входных данных. Все три заслуживают второго взгляда, потому что в этой модели два из них не выдерживают сверки с исходником.

• Контекстное окно — 125K на карточке, 16 384 во всех источниках производителя.В карточке модели Liquid AI указан потолок в 16 384 токена, охватывающий позиции текста, изображений и аудио в совокупности, а на собственной странице документации производителя для d1-omni-600M сказано «16K токенов». Строка 125K не встречается ни в одном из них. Возможно, это артефакт позиционной конфигурации базовой архитектуры LFM2.5-Encoder или того, как Ollama сообщает лимит кэша, но это не цифра, опубликованная Liquid AI, и не та, которую эта статья может кому-либо приписать. Что делает это расхождение чем-то большим, чем педантизм, так это следующее число ниже.

• Объём состояния, который вы действительно можете передать, ограничен 896 токенами на пути обработки изображений. В карточке Liquid сказано, что при наличии изображений «текст состояния и вопроса сокращается до 896 токенов, как при обучении». Таким образом, запрос на принятие решения с фотографией имеет текстовый бюджет примерно размером с это предложение, независимо от того, какая цифра контекста указана на странице загрузки. Если вы рассчитывали промпт для триажа исходя из 125K и ожидали оплачивать длинное состояние, вы ориентировались на число, которое не описывает среду выполнения. Цифра 16 384 — это реальный потолок; цифра 896 — это реальный рабочий предел для мультимодального пути; 125K — это число без документального подтверждения.

• Размер — 850 МБ на карте, два файла в реестре. Тег Ollama d1-omni:latest указывает на файл квантованных весов размером 407 МБ с обозначением Q8_0 плюс файл проектора размером 442 МБ с обозначением BF16, а 407 + 442 = 849, что страница округляет до 850 МБ. Оба указаны честно; арифметика — это просто сумма пары смешанной точности, а не одного файла. d1-omni:600m-bf16 — более чистый вариант: 764 МБ весов BF16 плюс тот же проектор на 442 МБ, 1,2 ГБ на диске, и проектор побайтово идентичен в обоих тегах. Стоит отметить для следующего раздела, потому что проектор, несущий собственные веса, может сместить эффективное число параметров.

Ещё одна деталь, которую стоит зафиксировать, а не объяснять: блок параметров среды выполнения внутри пакета d1-omni от Ollama имеет побайтно ту же длину — 18 байт — что и блок внутри отдельного d1 пакета от Ollama, в котором поставляется Liquid AI d1-3B с 2,87 ГБ весов Q8_0 и проектором на 855 МБ. Две архитектуры, два количества параметров, два десятилетия разницы в масштабе параметров между ними — и одна и та же 18-байтовая конфигурация среды выполнения. Это константа упаковки, а не утверждение о какой-либо из моделей.

Что говорят сами веса

Отбросьте упаковку — и модель окажется на удивление хорошо задокументированной. Liquid AI D1 Omni 600M насчитывает 587 млн параметров, разделённых на три части: общий ствол и головка принятия решений на 381 млн, кодировщик изображений на 94 млн и аудиокодировщик на 112 млн. Ствол двунаправленный — это энкодер, а не декодер — и он один и тот же для всех модальностей, а сверху прикреплены специализированные для каждой модальности башни.

• Визуальный компонент основан на башне SigLIP2, унаследованной от Liquid AI LFM2.5-VL-450M; адаптер и LoRA-обновления активировались только при подаче изображений, тогда как сам энкодер оставался замороженным.

• Аудиопоступает из 17-слойного FastConformer с собственным адаптером, дообученного на этапе, когда текстовая основа была заморожена; затем вся сборка была дообучена, LoRA объединена, а веса усреднены с предыдущим чекпоинтом.

• Словарь состоит из 65 536 токенов на 15 языках: английском, немецком, испанском, французском, итальянском, нидерландском, польском, португальском, арабском, хинди, японском, русском, турецком, вьетнамском и китайском.

• Модальности нельзя смешивать. Один запрос принимает текст плюс изображения или текст плюс до 30 секунд речи — но не то и другое одновременно. Аудио ожидается в формате 16 кГц, моно, длительностью от 0,5 до 30 секунд, а обучалась модель на диалогах между носителем английского языка и ассистентом, что является серьёзным ограничением для всего многоязычного или зашумлённого.

Ничего из этого не появляется на странице Ollama, и это упущение имеет последствие, которое можно увидеть прямо в примерах использования. Фрагменты кода Ollama — это чат-вызовы: строка модели, массив сообщений, слово «Hello!» — и базовый чекпойнт не может на них ответить. Это не чат-модель и она не пишет текст. Она возвращает типизированные ответы: вероятность «да/нет», метку с вероятностью для каждой метки или позицию на упорядоченной шкале, и всё это считывается напрямую из выходного распределения без генерации выходных токенов. Опубликованные интерфейсы отражают это: system_one и probabilities через Transformers, или /v1/systemone эндпоинт через llama.cpp 0.7.0 и новее. Вызов в формате чата к модели принятия решений — это ошибка, которую провоцирует этот пробел в именовании.

С каждой из этих цифр связаны две оговорки.

Во-первых, Liquid оценила собственные строки официальным инструментом оценки, а не отправила их на публичное ранжирование, и ни одна независимая сторона не воспроизвела ни один результат d1-omni-600M — производитель прямо заявляет в карточке модели, что не публикует показатели инференса для этой контрольной точки, поскольку это ранний исследовательский релиз, находящийся в активной разработке. Во-вторых, два главных числа противоречат друг другу: разрыв в 32 пункта по индексу и разрыв в 4,5 пункта по среднему значению бенчмарка описывают одну и ту же модель, поэтому полезно смотреть на субпоказатели, а не на итоговые значения. Retrieval на 35,0 и Tools на 15,1 против Arts на 6,8 показывают, для каких задач эта контрольная точка готова, а для каких — нет. У Audio вообще нет столбца бенчмарка; Liquid называет специализированные бенчмарки для оценки аудиорешений открытой проблемой.

Liquid AI D1 Omni 600M также лидирует в своей линейке по двум из семи: Civil Comments — 95,8 и PAWS-X — 79,5. Это те две строки, где энкодер на 587M явно превосходит декодер на 3B, и обе по своему характеру относятся к классификации текста, а не к рассуждениям — что соответствует архитектуре, а не противоречит ей.

Выбирайте исходя из того, что вам нужно. Если вы хотите запускать локально под Ollama, d1-omni — это рабочее имя: 850MB для сборки Q8_0, 1.2GB для BF16, тот же путь к образу, который документирует Liquid, и ни один из тегов не содержит аудиопроектор. Если вам нужна модель, которую описывает производитель, Liquid AI D1 Omni 600M — это имя для поиска, а маршрут через Transformers и репозиторий Hugging Face — тот, у которого длина контекста, список модальностей и число параметров совпадают с документацией.

Так или иначе, это дешёвая половина конвейера. Модель принятия решений выполняет классификацию; что-то ещё должно действовать на основе этой классификации. Именно на этой границе находится OrcaRouter, и именно её стоит обозначить точно: в нашем каталоге нет ни одной модели Liquid AI, поэтому сам вызов d1-omni выполняется там, где вы уже его запускаете — эти веса на вашем собственном оборудовании или через собственный API вендора и сторонние платформы для размещённых версий. А 200+ моделей за одним ключом, совместимым с OpenAI, нужны для всего, что идёт дальше, по списочной цене каждого провайдера, передаваемой с нулевой наценкой, с автоматическим переключением при сбое между провайдерами, когда прошедший триаж запрос направляется к модели, у которой сегодня не лучший день.

Что позволило бы разрешить открытый вопрос

Закрыть этот вопрос могли бы три вещи, и ни одна из них не требует анонса от вендора. Сравнение вывода 850MB-тега Ollama с чекпойнтом Hugging Face на одних и тех же входных данных показало бы, изменила ли упаковка ответы. Коммит в llama.cpp или запись в changelog Ollama, объясняющая цифру контекста, показала бы, 125K — это ошибка или возможность, которую карточка модели ещё не отразила. А опубликованный аудиорезультат — любой аудиорезультат — вывел бы этот чекпойнт из категории, которую он сейчас занимает: хорошо задокументированная модель с недокументированным слоем упаковки и таблицей результатов, которая целиком составлена самим вендором.

Задокументированные сбои ИИ и инциденты с агентами, стоящие за такими релизами, как этот, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, уровень серьёзности, степень уверенности и флаг оспаривания.