d1-2B: Liquid AI выпустила модель принятия решений на 1,9 млрд параметров, не сделав ни одного поста-анонса.

Репозиторий Hugging Face для LiquidAI/d1-2B был создан в 19:30 UTC 24 октября 2026 года. Его собрат d1-Omni-2B появился двадцатью четырьмя секундами позже. К концу того вечера оба репозитория были готовы — 3,84 ГБ BF16 safetensors, около сорока файлов пользовательского кода Transformers, таблица калибровки, API для типизированных вопросов — и ничто из опубликованного Liquid AI не говорило, что хоть одна из этих моделей существует. Первое предложение вендора, в котором упоминается d1-2B, появилось 27 октября, внутри запуска семейства LFM3 — тот же пост, опубликованный на liquid.ai и в собственном блоге Hugging Face, — как одна фраза в абзаце о двух моделях принятия решений. С тех пор отдельной публикации не было. Так что это не история запуска, и относиться к ней как к таковой означало бы придумать маркетинговый момент, которого никогда не было. Это история о полностью готовом артефакте модели с неполным анонсом и о двух вещах, которые читатель всё ещё может с этим сделать: прочитать репозиторий и не принимать цифры вендора на веру, пока кто-то вне лаборатории не проверит их самостоятельно.

Пять дней между весами и предложением

Семейство d1 выпускалось дважды, и ни один из выпусков не был похож на этот. 7 октября Liquid AI опубликовала материал «Open d1: Edge decision models for text, vision, and audio», в котором представила d1-3B с 3,12 млрд параметров и d1-omni-600M с 587 млн, а также громкое заявление, таблицу бенчмарков, показатели задержки и пост в блоге, который с тех пор остаётся доступным. В этом посте нет модели с 2 млрд параметров.

Линейка 2B развивалась по другому графику. Базовый чекпойнт LFM3-Omni-2B появился 21 октября. 24 октября в 19:30 и 19:30:24 UTC Liquid AI создала репозитории d1-2B и d1-Omni-2B. Затем, 27 октября, в посте о запуске LFM3 эта пара была названа «моделями принятия решений, специализированными на основе vision- и omni-моделей» — описание, а не анонс. В тот же день появились четыре производных репозитория для d1-2B: сборки MLX в fp16, 8-битном и 4-битном форматах, а также экспорт ONNX. О них тоже никто не написал пост.

Это важно по практической причине. Именно в анонсе вендор фиксирует позиционирование: для чего предназначена модель, сколько она стоит, на какой рантайм рассчитана, чего она не делает. Карточка отчасти выполняет эту работу — и делает это на удивление хорошо. Но пробелы, оставленные отсутствующим постом, реальны и конкретны, и они перечислены в конце этого материала, а не замаскированы.

Что на самом деле расскажет вам репозиторий

Отбросьте обрамление — и перед вами небольшой мультимодальный классификатор с плотной спецификацией, который отказывается генерировать текст. Каждый вызов возвращает типизированные ответы с прикреплёнными вероятностями и output_tokens: 0. В карточке прямо сказано: d1-2B «не является чат-моделью».

• Параметры — 1,92 млрд, поставляется в виде одного файла safetensors BF16 объёмом 3,84 ГБ.

• Базовая — LFM3-VL-2B на основе LFM3: 24 слоя, из которых 13 — короткие свёртки с гейтированием, 5 — внимание со скользящим окном и 6 — глобальное внимание.

• Контекст — 128K токенов и словарь на 128 000 токенов, в четыре раза больше окна d1-3B в 32 768.

• Ввод — состояние, которое может быть текстом или любым значением JSON, изображения или видео, а также любое количество именованных вопросов — всё в одном медиа списке. Видео — это возможность, которую d1-3B не указывает.

• Вывод — да/нет, выбор среди именованных вариантов, упорядоченная оценка, значение или дата, прочитанные из документа с указанием их фрагмента, число с интервалом p10–p90, ограничивающая рамка или каждый экземпляр объекта с подсчётом. Для каждого указывается вероятность.

• Языки — шестнадцать: английский, арабский, китайский, французский, немецкий, итальянский, японский, корейский, португальский, испанский, вьетнамский, тайский, индонезийский, хинди, русский, польский.

• Лицензия — LFM Open License v1.0. Коммерческое использование разрешено при годовой выручке ниже $10,000,000; текст лицензии определяет эту сумму как порог, а права на коммерческое использование сверх него обусловлены непревышением этого порога.

• Скорость — 5,7 мс на одно решение на H100 PCIe и 3,8 мс на AMD MI325X, с 1 132 и 1 699 решениями в секунду соответственно, когда 64 состояния объединяются в один вызов. На Apple M5 Pro показатель для одного вопроса составляет 18,6 мс.

Утверждение, о котором стоит поспорить: оно превосходит модель, которую заменило.

Карточка Liquid AI содержит одно сравнительное утверждение без оговорок: d1-2B «лидирует среди открытых моделей d1 в среднем и на нашем наборе из более чем ста бенчмарков для принятия решений, опережая d1-3B при менее чем двух третях её размера». Это сильное заявление от модели с 1,92 млрд параметров о модели с 3,12 млрд, и его можно проверить, поскольку в карточке все четыре открытые модели d1 приведены в одной таблице, оценённые на одних и тех же пунктах одним и тем же оценщиком.

Итоговый показатель — 51.1 против 49.0 в публичном наборе Decision Index версии 0.3 — преимущество в 2.1 балла. Прежде чем кто-либо сочтёт это чистой победой, рядом с этой цифрой нужно поставить две оговорки. Во-первых, собственная карточка d1-3B сообщает 48.57 на Decision Index 0.2.1, и разница между 48.57 и 49.0 объясняется версией индекса, а не улучшением модели; в карточке d1-2B указано, что все четыре модели были повторно оценены на одних и тех же пунктах, и поэтому некоторые числа d1-3B отличаются от её собственной карточки. Во-вторых, публичный набор — это лишь часть того, что определяет публичную таблицу лидеров: независимый оценщик, который его пересобрал, описывает 37 публичных бенчмарков с весом 20% в итоговой оценке, а остальное приходится на приватные тесты, которые проводят только сопровождающие.

Что придаёт числу 49,0 убедительность — даже несмотря на то, что у самого d1-2B нет внешней проверки, — так это то, что кто-то уже воспроизвёл 3B на этой самой версии. Эфраин Гарай запустил d1-3B на стратифицированной выборке из 6000 запросов Decision Index 0.3 в середине октября и получил 49,11 против собственных 49,04 у Liquid на тех же строках и 48,99 на полном наборе. Это воспроизведение с расхождением в пределах одной десятой пункта. Это не подтверждает значение 51,1 для d1-2B, которое не проверяла ни одна третья сторона, но подтверждает метод оценки, лежащий в основе таблицы, в которой находится 51,1.

Где модель меньшего размера не впереди

Фраза «лидирует по большинству отдельных бенчмарков» незаметно делает своё дело в этом предложении. В таблице того же прогона d1-3B всё ещё выигрывает три из примерно двадцати строк, которые важны для решения о развёртывании:

• Быстрые решения — 59,3 у 3B против 58,8; единственный ориентированный на скорость бенчмарк принятия решений, где более крупная модель немного выходит вперёд.

• Типизированные решения — 65,0 против 61,3; разрыв в 3,7 балла и самый убедительный аргумент в пользу старой модели, когда на выходе должно быть типизированное значение, а не метка.

• AI2D — 79,9 против 76,7, бенчмарк по чтению диаграмм, где более крупная башня компьютерного зрения по-прежнему повышает точность.

Во всех остальных случаях соотношение меняется на противоположное, иногда резко. VisualWebBench — 96,2 для d1-2B против 71,4 для d1-3B. ImajevBench v2.0-lite — 75,5 против 64,0. MMMU-Pro — 26,4 против 18,5; оба показателя достаточно низкие, поэтому ни одной из моделей не следует доверять сложные мультимодальные рассуждения, и об этом стоит сказать прямо, а не представлять разрыв в 7,9 балла как победу. Средние показатели по зрению — 70,2 и 65,4.

Три отсутствия, которые карта не может восполнить

Отсутствующее объявление проявляется как недостающие артефакты. Ничто из этого не является дефектом модели; каждое — причина, по которой модель сегодня сложнее внедрить, чем предполагает её строка бенчмарка.

• Без GGUF. d1-3B и d1-omni-600M оба получили репозитории GGUF 6 октября, через день после публикации их весов, а d1-3B затем получил 8-битную сборку weight-activation и четыре варианта MLX. У d1-2B есть сборки MLX и ONNX по состоянию на 27 октября, но нет GGUF — поэтому для decision head не опубликован путь llama.cpp, хотя базовая модель LFM3-VL-2B получила собственный GGUF 19 октября. Если ваш edge-стек — это llama.cpp, то это вся история.

• Ни цены, ни эндпоинта. В карточке не указаны ни размещённый API, ни цена за токен, ни провайдер инференса. Это не редкость для релиза с открытыми весами, но означает, что единственный способ использовать d1-2B — запустить её самостоятельно, а раздел развёртывания в карточке заканчивается фрагментом кода для Transformers.

• Независимый бенчмарк отсутствует. По состоянию на 28 октября в репозитории указано 44 загрузки и 13 лайков. Существующая независимая оценка моделей принятия решений охватывает d1-3B и d1-omni-600M, но не эту модель. Все приведённые выше показатели производительности получены самой Liquid AI.

Есть также ограничение, которое карточка указывает о самой себе: ответы «становятся менее надёжными после примерно 64K токенов состояния» — половины заявленного окна в 128K, — а оценки надёжны в отношении подсчётов и баллов, но менее надёжны в отношении свободных количественных значений. Модель, чья собственная карточка сообщает вам, где она деградирует, полезнее той, которая этого не делает, но заголовочную цифру 128K следует читать как показатель ёмкости, а не как рабочий диапазон.

Как на самом деле выглядит первое развёртывание

Практический путь — это Transformers 5.19 или новее с trust_remote_code=True, bf16 на GPU и вызовом system_one или system_one_batch. Параметров сэмплирования нет, потому что сэмплирование не выполняется. Единственный параметр настройки, который имеет значение, — set_size, по умолчанию равный обученному размеру 16; его увеличение даёт скорость ценой точности текста.

Рекомендация самой карточки — это шаг, который большинство команд пропускает: калибруйте порог принятия решений на данных из собственного сценария использования. Вероятность 0,62 сама по себе ничего не значит. Если вы маршрутизируете обращения в поддержку или помечаете документы, порог, отделяющий «эскалировать» от «обработать автоматически», должен быть подобран на вашей собственной размеченной выборке, потому что калибровка поставщика была подобрана на его собственной.

По форме применения это шаг конвейера, а не ассистент: триаж, модерация, классификация намерений, извлечение данных из форм, переранжирование, визуальный осмотр. Именно в этих местах конвейер уже вызывает несколько моделей, а генеративные шаги вокруг решения обычно поступают из размещённого API. OrcaRouter сегодня не обслуживает ни одну модель Liquid AI — включая эту — поэтому запуск d1-2B означает, что вы запускаете её самостоятельно. Роутер полезен для остальной части цепочки: один ключ, совместимый с OpenAI, для более чем 200 размещённых моделей, DSL маршрутизации, который объединяет шаги в один вызов, и автоматическое переключение при отказе провайдера, чтобы узел принятия решений на вашем GPU не был заложником соседнего генеративного узла.

Что изменило бы эту историю

Четыре вещи, в порядке убывания их значимости. GGUF поставил бы d1-2B в равные условия по среде выполнения с другими моделями семейства и сделал бы аргумент в пользу edge реальным. Отдельный пост рассказал бы покупателям, для чего, по мнению Liquid AI, нужна эта модель, — сверх перечня этапов пайплайна в карточке. Независимый запуск — в идеале на той же выборке из 6 000 строк, которая воспроизвела d1-3B, — превратил бы 51.1 из заявления вендора в результат измерения. А цена хостинга позволила бы хотя бы в принципе ответить на вопрос «строить или покупать».

До тех пор честное резюме остаётся узким и полезным: существует модель принятия решений на 1,92 млрд параметров, её репозиторий достаточно полон для оценки, её преимущество в бенчмарках над моделью 3B реально согласно собственной таблице поставщика из того же прогона и нигде больше не подтверждено, а отсутствующее объявление оставило её без упаковки — среды выполнения, эндпоинта, цены — которая нужна большинству команд, прежде чем они поставят модель в конвейер. Если вы уже используете Transformers и хотите классификатор с окном 128K и видеовходом, стоит потратить полдня. Если вам нужен llama.cpp или управляемый эндпоинт, подождите.