d1-2B: Liquid AI เปิดตัวโมเดลการตัดสินใจขนาด 1.9B โดยไม่มีโพสต์ประกาศ

รีโพซิทอรีบน Hugging Face สำหรับ LiquidAI/d1-2Bถูกสร้างขึ้นเมื่อเวลา 19:30 UTC ของวันที่ 24 ตุลาคม 2026 โมเดลพี่น้องของมันคือ d1-Omni-2B ปรากฏขึ้นในอีกยี่สิบสี่วินาทีถัดมา ภายในสิ้นเย็นวันนั้นรีโพทั้งสองก็สมบูรณ์ — ไฟล์ BF16 safetensors ขนาด 3.84GB ไฟล์โค้ด Transformers แบบกำหนดเองราวสี่สิบไฟล์ ตารางคาลิเบรชัน และ API สำหรับคำถามแบบระบุชนิด — และไม่มีสิ่งใดที่ Liquid AI เผยแพร่ระบุว่าโมเดลใดโมเดลหนึ่งมีอยู่จริง ประโยคแรกจากผู้ขายที่เอ่ยชื่อ d1-2Bมาถึงในวันที่ 27 ตุลาคม ภายในงานเปิดตัวตระกูล LFM3 — โพสต์เดียวกันที่เผยแพร่บน liquid.ai และบนบล็อกของ Hugging Face เอง — ในฐานะอนุประโยคหนึ่งในย่อหน้าที่เกี่ยวกับโมเดลตัดสินใจสองตัว ตั้งแต่นั้นมาก็ไม่มีโพสต์แยกต่างหากอีกเลย ดังนั้นนี่จึงไม่ใช่เรื่องราวของการเปิดตัว และการมองว่าเป็นเช่นนั้นจะเป็นการสร้างช่วงเวลาการตลาดที่ไม่เคยเกิดขึ้นขึ้นมา มันเป็นเรื่องราวเกี่ยวกับชิ้นงานโมเดลที่สมบูรณ์ซึ่งมาพร้อมการประกาศที่ไม่สมบูรณ์ และเกี่ยวกับสองสิ่งที่ผู้อ่านยังทำได้กับเรื่องนี้: อ่านรีโพ และอย่าเพิ่งปักใจเชื่อตัวเลขของผู้ขายจนกว่าคนนอกแล็บจะนำไปรันเอง

ห้าวันระหว่างตุ้มน้ำหนักกับคำพิพากษา

ตระกูล d1 ถูกเปิดตัวมาแล้วสองครั้ง และไม่มีครั้งไหนที่ดูเหมือนครั้งนี้เลย เมื่อวันที่ 7 ตุลาคม Liquid AI ได้เผยแพร่ "Open d1: Edge decision models for text, vision, and audio" ซึ่งแนะนำ d1-3B ที่มีพารามิเตอร์ 3.12B และ d1-omni-600M ที่ 587M พร้อมข้อกล่าวอ้างในพาดหัว ตาราง benchmark ตัวเลข latency และโพสต์บล็อกที่ยังคงออนไลน์อยู่ตั้งแต่ตอนนั้นเป็นต้นมา โพสต์นั้นไม่มีโมเดล 2B อยู่เลย

สาย 2B เคลื่อนไปตามกำหนดการที่แตกต่างออกไป เช็กพอยต์ฐาน LFM3-Omni-2B ปรากฏขึ้นเมื่อวันที่ 21 ตุลาคม เมื่อวันที่ 24 ตุลาคม เวลา 19:30 และ 19:30:24 UTC Liquid AI ได้สร้างรีโพซิทอรี d1-2B และ d1-Omni-2B จากนั้นในวันที่ 27 ตุลาคม โพสต์เปิดตัว LFM3 ระบุชื่อทั้งคู่ว่าเป็น "โมเดลตัดสินใจที่เชี่ยวชาญจากโมเดลวิชันและโอมนิ" — ซึ่งเป็นคำอธิบาย ไม่ใช่การประกาศ ในวันเดียวกัน มีรีโพซิทอรีอนุพันธ์สี่แห่งสำหรับ d1-2B ถูกเผยแพร่ขึ้นมา: บิลด์ MLX ที่ fp16, 8-bit และ 4-bit พร้อมการส่งออก ONNX ก็ไม่มีใครเขียนโพสต์เกี่ยวกับสิ่งเหล่านั้นเช่นกัน

เรื่องนี้สำคัญด้วยเหตุผลในทางปฏิบัติ คำประกาศคือจุดที่ผู้ขายยืนยันจุดยืนของตน: โมเดลนี้มีไว้เพื่ออะไร ราคาเท่าไร กำหนดเป้าหมายรันไทม์ใด และไม่ได้ทำอะไรบ้าง การ์ดนี้ทำงานบางส่วนนั้น และทำได้ดีเป็นพิเศษ แต่ช่องว่างที่เกิดจากโพสต์ที่หายไปนั้นเป็นของจริงและเฉพาะเจาะจง และถูกระบุไว้ที่ด้านล่างของบทความนี้แทนที่จะถูกกลบเกลื่อน

สิ่งที่คลังเก็บข้อมูลจะบอกคุณจริง ๆ

ตัดกรอบออกไป แล้ว checkpoint ก็คือตัวจำแนกประเภทหลายรูปแบบขนาดเล็กที่ระบุรายละเอียดไว้อย่างหนาแน่น ซึ่งปฏิเสธที่จะสร้างข้อความ ทุกการเรียกจะคืนคำตอบที่ระบุชนิดพร้อมความน่าจะเป็นแนบมาด้วยและ output_tokens: 0 การ์ดระบุไว้ตรง ๆ ว่า d1-2B "ไม่ใช่โมเดลแชต"

• พารามิเตอร์ — 1.92B จัดส่งเป็นไฟล์ safetensors BF16 ขนาด 3.84GB ไฟล์เดียว

• Base — LFM3-VL-2B บนโครงข่ายหลัก LFM3: 24 เลเยอร์ โดย 13 เลเยอร์เป็นคอนโวลูชันสั้นแบบมีเกต 5 เลเยอร์เป็นแอตเทนชันแบบหน้าต่างเลื่อน และ 6 เลเยอร์เป็นแอตเทนชันแบบทั่วโลก

• บริบท — 128K โทเค็น และคลังคำศัพท์ขนาด 128,000 โทเค็น ซึ่งเป็นสี่เท่าของหน้าต่าง 32,768 ของ d1-3B

• อินพุต — สถานะที่อาจเป็นข้อความหรือค่า JSON ใด ๆ รวมถึงรูปภาพ หรือวิดีโอ และคำถามที่มีชื่อจำนวนเท่าใดก็ได้ ทั้งหมดอยู่ในรายการสื่อเดียว วิดีโอเป็นความสามารถที่ d1-3B ไม่ได้ระบุไว้

• ผลลัพธ์ — ใช่/ไม่ใช่, ตัวเลือกหนึ่งจากตัวเลือกที่ระบุชื่อ, คะแนนแบบเรียงลำดับ, ค่าหรือวันที่ที่อ่านจากเอกสารพร้อมช่วงข้อความ, ตัวเลขพร้อมช่วง p10–p90, กรอบขอบเขต (bounding box), หรือทุกอินสแตนซ์ของออบเจ็กต์พร้อมจำนวนนับ แต่ละรายการมีค่าความน่าจะเป็นกำกับ

• ภาษา — สิบหกภาษา: อังกฤษ, อาหรับ, จีน, ฝรั่งเศส, เยอรมัน, อิตาลี, ญี่ปุ่น, เกาหลี, โปรตุเกส, สเปน, เวียดนาม, ไทย, อินโดนีเซีย, ฮินดี, รัสเซีย, โปแลนด์

• สัญญาอนุญาต — LFM Open License v1.0. อนุญาตให้ใช้เชิงพาณิชย์ได้เมื่อรายได้ต่อปีต่ำกว่า $10,000,000; ข้อความในสัญญาอนุญาตกำหนดตัวเลขดังกล่าวเป็นเกณฑ์ และสิทธิสำหรับการใช้เชิงพาณิชย์ที่สูงกว่านั้นมีเงื่อนไขว่าจะต้องไม่เกินเกณฑ์ดังกล่าว

• ความเร็ว — 5.7 มิลลิวินาทีต่อการตัดสินใจหนึ่งครั้งบน H100 PCIe และ 3.8 มิลลิวินาทีบน AMD MI325X โดยให้ 1,132 และ 1,699 การตัดสินใจต่อวินาทีตามลำดับ เมื่อรวม 64 สถานะไว้ในการเรียกครั้งเดียว บน Apple M5 Pro ตัวเลขสำหรับคำถามเดียวคือ 18.6 มิลลิวินาที

ข้อกล่าวอ้างที่คุ้มค่าแก่การโต้แย้ง: มันเอาชนะโมเดลที่มันเข้ามาแทนที่ได้

การ์ดของ Liquid AI มีข้อกล่าวอ้างเชิงเปรียบเทียบหนึ่งข้อโดยไม่มีการเลี่ยงคำว่า d1-2B “โดยเฉลี่ยแล้วนำหน้าโมเดล d1 แบบเปิด และบนบอร์ดของเราที่มีเกณฑ์วัดประสิทธิภาพด้านการตัดสินใจกว่าหนึ่งร้อยรายการ โดยนำหน้า d1-3B ทั้งที่มีขนาดไม่ถึงสองในสามของ d1-3B” นี่เป็นข้อความที่หนักแน่นจากโมเดลขนาด 1.92B เกี่ยวกับโมเดลขนาด 3.12B และสามารถตรวจสอบได้ เพราะการ์ดแสดงโมเดล d1 แบบเปิดทั้งสี่โมเดลไว้ในตารางเดียว ซึ่งให้คะแนนจากรายการเดียวกันด้วยตัวให้คะแนนเดียวกัน

ตัวเลขหลักคือ 51.1 เทียบกับ 49.0 บน Decision Index public suite เวอร์ชัน 0.3 — นำอยู่ 2.1 จุด ก่อนที่ใครจะอ่านสิ่งนี้ว่าเป็นชัยชนะแบบขาดลอย ควรมีข้อควรระวังสองข้อกำกับไว้ข้าง ๆ ข้อแรก การ์ดของ d1-3B เองรายงานค่า 48.57 บน Decision Index 0.2.1 และความแตกต่างระหว่าง 48.57 กับ 49.0 มาจากเวอร์ชันของดัชนี ไม่ใช่การปรับปรุงของโมเดล การ์ดของ d1-2B ระบุว่าโมเดลทั้งสี่ถูกให้คะแนนใหม่บนรายการเดียวกัน และด้วยเหตุนี้ตัวเลขบางค่าของ d1-3B จึงแตกต่างจากการ์ดของมันเอง ข้อที่สอง public suite เป็นเพียงเศษเสี้ยวของสิ่งที่กำหนดอันดับบน public leaderboard: ผู้ประเมินอิสระที่สร้างมันขึ้นมาใหม่อธิบายว่ามี 37 public benchmark ที่มีน้ำหนัก 20% ของคะแนน ส่วนที่เหลือมาจากการทดสอบแบบส่วนตัวที่ผู้ดูแลเท่านั้นเป็นผู้รัน

สิ่งที่ทำให้ 49.0 น่าเชื่อถือในฐานะตัวเลข — แม้ตัว d1-2B เองจะไม่มีการตรวจสอบจากภายนอก — ก็คือมีคนได้ทำซ้ำ 3B บนเวอร์ชันนี้โดยตรงแล้ว Efraín Garay รัน d1-3B บนตัวอย่างแบบแบ่งชั้นจำนวน 6,000 คำขอของ Decision Index 0.3 ช่วงกลางเดือนตุลาคม และได้ 49.11 เทียบกับ 49.04 ของ Liquid เองบนแถวเดียวกัน และ 48.99 บนชุดเต็ม นั่นคือการทำซ้ำที่คลาดเคลื่อนภายในหนึ่งในสิบของจุด มันไม่ได้ยืนยันความถูกต้องของ 51.1 ใน d1-2B ซึ่งยังไม่มีบุคคลที่สามรัน แต่ยืนยันวิธีการให้คะแนนที่อยู่เบื้องหลังตารางซึ่ง 51.1 ตั้งอยู่

ในจุดที่โมเดลที่เล็กกว่าไม่ได้นำอยู่

“นำใน benchmark เดี่ยวส่วนใหญ่” กำลังทำงานแบบเงียบ ๆ อยู่ในประโยคนั้น ในตารางการรันเดียวกัน d1-3B ยังชนะสามแถวจากราวยี่สิบแถวที่สำคัญต่อการตัดสินใจด้านการดีพลอย:

• การตัดสินใจที่รวดเร็ว — 59.3 สำหรับ 3B เทียบกับ 58.8 ซึ่งเป็นเกณฑ์วัดการตัดสินใจที่เน้นความเร็วเพียงรายการเดียวที่โมเดลขนาดใหญ่กว่าทำได้ดีกว่าเล็กน้อย

• การตัดสินใจแบบมีชนิดข้อมูล — 65.0 เทียบกับ 61.3 เป็นส่วนต่าง 3.7 จุด และเป็นข้อโต้แย้งเดียวที่ชัดเจนที่สุดสำหรับโมเดลรุ่นเก่าเมื่อผลลัพธ์ต้องเป็นค่าที่มีชนิดข้อมูลแทนที่จะเป็นป้ายกำกับ

• AI2D — 79.9 เทียบกับ 76.7 ในเกณฑ์วัดการอ่านแผนภาพ ซึ่ง vision tower ที่ใหญ่ขึ้นยังคงแลกมาซึ่งความแม่นยำที่เพิ่มขึ้น

ที่อื่นทั้งหมด การจัดลำดับจะพลิกกลับ บางครั้งก็รุนแรง VisualWebBench อยู่ที่ 96.2 สำหรับ d1-2B เทียบกับ 71.4 สำหรับ d1-3B ImajevBench v2.0-lite อยู่ที่ 75.5 เทียบกับ 64.0 MMMU-Pro อยู่ที่ 26.4 เทียบกับ 18.5 — ทั้งสองค่าต่ำพอที่ทั้งสองโมเดลไม่ควรได้รับความไว้วางใจให้ทำงานการให้เหตุผลแบบมัลติโมดัลที่ยาก ซึ่งควรพูดตรง ๆ มากกว่าจะนำช่องว่าง 7.9 จุดมานำเสนอเป็นชัยชนะ ค่าเฉลี่ยด้านวิสัยทัศน์อยู่ที่ 70.2 และ 65.4

สามสิ่งที่ขาดหายซึ่งบัตรไม่อาจเติมเต็ม

การประกาศที่ขาดหายไปจะปรากฏออกมาในรูปของอาร์ติแฟกต์ที่ขาดหายไป ไม่มีสิ่งใดในเหล่านี้เป็นข้อบกพร่องของโมเดล แต่ละอย่างล้วนเป็นเหตุผลที่ทำให้โมเดลยากต่อการนำไปใช้ในปัจจุบันมากกว่าที่เส้น benchmark บ่งชี้ไว้

• ไม่มี GGUF d1-3B และ d1-omni-600M ต่างก็มีรีโพซิทอรี GGUF ในวันที่ 6 ตุลาคม หนึ่งวันหลังจากที่น้ำหนักของทั้งคู่ถูกเผยแพร่ และ d1-3B ตามมาด้วยบิลด์แบบ 8-bit weight-activation และ MLX สี่รูปแบบ d1-2B มีบิลด์ MLX และ ONNX ณ วันที่ 27 ตุลาคม แต่ไม่มี GGUF — ดังนั้นจึงไม่มีเส้นทาง llama.cpp ที่เผยแพร่สำหรับ decision head แม้ว่าโมเดลฐาน LFM3-VL-2B จะมี GGUF ของตัวเองในวันที่ 19 ตุลาคมก็ตาม หากสแต็ก edge ของคุณคือ llama.cpp นี่คือเรื่องทั้งหมด

• ไม่มีราคาและไม่มีเอนด์พอยต์ การ์ดโมเดลไม่ได้ระบุ API แบบโฮสต์ ราคาต่อโทเค็น หรือผู้ให้บริการการอนุมาน ซึ่งไม่ใช่เรื่องแปลกสำหรับการเปิดตัวแบบ open-weights แต่หมายความว่าวิธีเดียวที่จะใช้ d1-2B คือการรันโมเดลเอง และส่วนการนำไปใช้งานในการ์ดก็จบเพียงตัวอย่างโค้ด Transformers

• ไม่มีการวัดประสิทธิภาพที่เป็นอิสระ ณ วันที่ 28 ตุลาคม รีโปแสดงยอดดาวน์โหลด 44 ครั้งและยอดถูกใจ 13 ครั้ง การประเมินโมเดลการตัดสินใจแบบอิสระที่มีอยู่ครอบคลุม d1-3B และ d1-omni-600M ไม่ใช่โมเดลนี้ ตัวเลขประสิทธิภาพทั้งหมดข้างต้นเป็นของ Liquid AI เอง

นอกจากนี้ยังมีข้อจำกัดที่การ์ดระบุเกี่ยวกับตัวเองว่า คำตอบ “จะเชื่อถือได้น้อยลงเมื่อสถานะเกินประมาณ 64K โทเคน” ซึ่งเป็นครึ่งหนึ่งของหน้าต่าง 128K ที่โฆษณาไว้ และค่าประมาณจะเชื่อถือได้ในเรื่องจำนวนนับและคะแนน แต่น่าเชื่อถือน้อยกว่าในปริมาณอิสระ โมเดลที่การ์ดของตัวเองบอกคุณว่ามันเสื่อมลงตรงไหนมีประโยชน์กว่าโมเดลที่ไม่บอก แต่พาดหัว 128K ควรอ่านเป็นตัวเลขความจุ ไม่ใช่ช่วงการทำงาน

การดีพลอยครั้งแรกจริง ๆ แล้วเป็นแบบไหน

แนวทางที่ใช้ได้จริงคือ Transformers 5.19 หรือใหม่กว่า ร่วมกับ trust_remote_code=True ใช้ bf16 บน GPU และเรียกใช้ system_one หรือ system_one_batch ไม่มีพารามิเตอร์การสุ่มตัวอย่าง เพราะไม่มีการสุ่มตัวอย่าง ปุ่มปรับแต่งเพียงตัวเดียวที่สำคัญคือ set_size ซึ่งมีค่าเริ่มต้นเป็นขนาดที่ใช้ฝึกคือ 16 การเพิ่มค่านี้จะแลกความเร็วมาด้วยความแม่นยำของข้อความที่ลดลง

คำแนะนำของการ์ดใบนี้เองคือขั้นตอนที่หลายทีมมักข้ามไป: ปรับเทียบเกณฑ์การตัดสินใจของคุณโดยใช้ข้อมูลจากการใช้งานของคุณเอง ความน่าจะเป็น 0.62 ไม่มีความหมายเมื่อมองแบบโดด ๆ หากคุณกำลังจัดเส้นทางตั๋วสนับสนุนหรือติดธงเอกสาร เกณฑ์ที่แยก “ส่งต่อ” ออกจาก “จัดการอัตโนมัติ” ต้องถูกปรับให้เข้ากับตัวอย่างที่คุณติดป้ายกำกับเอง เพราะการปรับเทียบของผู้ขายถูกปรับให้เข้ากับข้อมูลของพวกเขาเอง

รูปแบบที่โมเดลนี้เหมาะด้วยคือขั้นตอนหนึ่งในไปป์ไลน์ ไม่ใช่ผู้ช่วย: การคัดแยกคิวงาน การกลั่นกรองเนื้อหา การจำแนกเจตนา การดึงข้อมูลจากแบบฟอร์ม การจัดอันดับใหม่ และการตรวจสอบด้วยภาพ เหล่านี้คือจุดที่ไปป์ไลน์เรียกใช้โมเดลหลายตัวอยู่แล้วพอดี และเป็นจุดที่ขั้นตอนการสร้างข้อความรอบ ๆ การตัดสินใจมักมาจาก API แบบโฮสต์ OrcaRouter ไม่ให้บริการโมเดลใดของ Liquid AI ในปัจจุบัน — รวมถึงตัวนี้ด้วย — ดังนั้นการรัน d1-2B หมายความว่าคุณต้องรันเอง สิ่งที่เราเตอร์มีประโยชน์คือส่วนที่เหลือของห่วงโซ่: คีย์เดียวที่เข้ากันได้กับ OpenAI สำหรับโมเดลแบบโฮสต์กว่า 200 ตัว ภาษาสำหรับกำหนดเส้นทาง (routing DSL) ที่ประกอบขั้นตอนต่าง ๆ ให้เป็นการเรียกครั้งเดียว และการสลับไปใช้ระบบสำรองอัตโนมัติเมื่อผู้ให้บริการล่ม เพื่อให้โหนดตัดสินใจบน GPU ของคุณไม่ต้องตกอยู่ในกำมือของโหนดสร้างข้อความที่อยู่ข้าง ๆ

อะไรจะเปลี่ยนเรื่องราวนี้

สี่สิ่ง เรียงตามลำดับความสำคัญจากมากไปน้อย: ไฟล์ GGUF จะทำให้ d1-2B อยู่บนพื้นฐานรันไทม์เดียวกับรุ่นพี่น้อง และทำให้จุดขายด้าน edge เป็นจริงได้ โพสต์เฉพาะเรื่องจะบอกผู้ซื้อว่า Liquid AI มองว่าโมเดลนี้มีไว้เพื่ออะไร นอกเหนือจากรายการขั้นตอนไปป์ไลน์บนการ์ด การรันทดสอบที่เป็นอิสระ — ที่เหมาะที่สุดคือตัวอย่าง 6,000 แถวชุดเดียวกับที่ทำซ้ำผล d1-3B — จะเปลี่ยน 51.1 จากคำกล่าวอ้างของผู้ขายให้เป็นการวัดผล และราคาแบบโฮสต์จะทำให้คำถามเรื่องสร้างเองกับซื้อ ตอบได้เสียที

จนถึงตอนนั้น สรุปอย่างตรงไปตรงมาก็แคบและมีประโยชน์ว่า มีโมเดลตัดสินใจขนาด 1.92B อยู่จริง รีโพซิทอรีของมันสมบูรณ์พอที่จะประเมินได้ ความได้เปรียบด้าน benchmark เหนือรุ่น 3B เป็นเรื่องจริงบนตารางการรันชุดเดียวกันของผู้ขายเอง และยังไม่ได้รับการยืนยันที่อื่นเลย และการประกาศที่ขาดหายไปทำให้มันไม่มีบรรจุภัณฑ์ — รันไทม์, endpoint, ราคา — ที่ทีมส่วนใหญ่ต้องการก่อนจะนำโมเดลไปใส่ในไปป์ไลน์ หากคุณใช้ Transformers อยู่แล้วและต้องการตัวจำแนกประเภทที่มีหน้าต่าง 128K พร้อมอินพุตวิดีโอ ก็คุ้มค่ากับเวลาหนึ่งบ่าย หากคุณต้องการ llama.cpp หรือ managed endpoint ให้รอไปก่อน