d1-2B: Liquid AI phát hành mô hình ra quyết định 1,9B mà không có bài đăng nào để công bố

Kho lưu trữ Hugging Face cho LiquidAI/d1-2B được tạo lúc 19:30 UTC ngày 24 tháng 10 năm 2026. Mô hình anh em của nó, d1-Omni-2B, xuất hiện hai mươi bốn giây sau đó. Đến cuối buổi tối hôm ấy, cả hai repo đều đã hoàn thiện — 3.84GB safetensors BF16, hơn bốn mươi tệp mã Transformers tùy chỉnh, một bảng hiệu chuẩn, một API câu hỏi có định kiểu — và không có bất kỳ nội dung nào Liquid AI công bố nói rằng một trong hai mô hình đó tồn tại. Câu đầu tiên từ phía nhà cung cấp nêu tên d1-2B đến vào ngày 27 tháng 10, nằm trong đợt ra mắt dòng LFM3 — cùng bài đăng được công bố trên liquid.ai và trên blog của chính Hugging Face — như một mệnh đề trong một đoạn về hai mô hình ra quyết định. Kể từ đó không có bài viết riêng nào. Vì vậy đây không phải câu chuyện ra mắt, và coi nó như vậy sẽ là bịa ra một khoảnh khắc tiếp thị chưa từng xảy ra. Đây là câu chuyện về một hiện vật mô hình hoàn chỉnh với một thông báo chưa hoàn chỉnh, và về hai việc mà người đọc vẫn có thể làm với nó: đọc repo, và giữ khoảng cách với các con số của nhà cung cấp cho đến khi ai đó bên ngoài phòng thí nghiệm chạy chúng.

Năm ngày giữa những quả tạ và bản án

Dòng d1 đã được phát hành hai lần, và không lần phát hành nào giống lần này. Vào ngày 7 tháng 10, Liquid AI đã công bố “Open d1: Các mô hình quyết định biên cho văn bản, thị giác và âm thanh”, giới thiệu d1-3B với 3,12B tham số và d1-omni-600M với 587M, cùng một tuyên bố nổi bật, một bảng đánh giá chuẩn, các số liệu độ trễ và một bài đăng blog vẫn còn trực tuyến kể từ đó. Bài đăng đó không chứa mô hình 2B nào.

Dòng 2B diễn ra theo một lịch trình khác. Checkpoint cơ sở LFM3-Omni-2B xuất hiện vào ngày 21 tháng 10. Vào ngày 24 tháng 10, lúc 19:30 và 19:30:24 UTC, Liquid AI đã tạo các repository d1-2B và d1-Omni-2B. Sau đó, vào ngày 27 tháng 10, bài đăng ra mắt LFM3 gọi cặp này là "các mô hình quyết định được chuyên biệt hóa từ các mô hình vision và omni" — một mô tả, không phải một thông báo. Cùng ngày, bốn repo phái sinh cho d1-2B đã được đưa lên: các bản build MLX ở fp16, 8-bit và 4-bit, cùng một bản export ONNX. Cũng không ai viết bài đăng nào về những thứ đó.

Điều này quan trọng vì một lý do thực tế. Một thông báo là nơi nhà cung cấp cam kết về định vị: mô hình dành cho việc gì, chi phí ra sao, nhắm tới runtime nào, và không làm những gì. Thẻ mô hình thực hiện một phần việc đó, và làm tốt đến bất thường. Nhưng những khoảng trống do bài đăng bị thiếu để lại là có thật và cụ thể, và chúng được liệt kê ở cuối bài viết này thay vì bị che lấp.

Điều mà kho lưu trữ thực sự sẽ cho bạn biết

Bỏ qua phần dẫn dắt, checkpoint này thực chất là một bộ phân loại đa phương thức nhỏ, được đặc tả dày đặc, từ chối sinh văn bản. Mỗi lần gọi đều trả về các câu trả lời được định kiểu kèm xác suất và output_tokens: 0. Thẻ mô tả nói thẳng: d1-2B “không phải là mô hình trò chuyện”.

• Tham số — 1.92B, được cung cấp dưới dạng một tệp safetensors BF16 3.84GB duy nhất.

• Base — LFM3-VL-2B, trên backbone LFM3: 24 lớp, trong đó 13 lớp là tích chập ngắn có cổng, 5 lớp là attention cửa sổ trượt và 6 lớp là attention toàn cục.

• Ngữ cảnh — 128K token và bộ từ vựng 128.000 token, gấp bốn lần cửa sổ 32.768 của d1-3B.

• Đầu vào — một trạng thái có thể là văn bản hoặc bất kỳ giá trị JSON nào, hình ảnh hoặc một video, và bất kỳ số lượng câu hỏi có tên nào, tất cả trong một danh sách phương tiện. Video là khả năng mà d1-3B không liệt kê.

• Đầu ra — có/không, một lựa chọn trong số các tùy chọn được đặt tên, một điểm số có thứ tự, một giá trị hoặc ngày đọc được từ một tài liệu kèm đoạn trích của nó, một số kèm khoảng p10–p90, một hộp giới hạn, hoặc mọi thể hiện của một đối tượng kèm số lượng. Mỗi mục đều mang một xác suất.

• Ngôn ngữ — mười sáu: tiếng Anh, tiếng Ả Rập, tiếng Trung, tiếng Pháp, tiếng Đức, tiếng Ý, tiếng Nhật, tiếng Hàn, tiếng Bồ Đào Nha, tiếng Tây Ban Nha, tiếng Việt, tiếng Thái, tiếng Indonesia, tiếng Hindi, tiếng Nga, tiếng Ba Lan.

• Giấy phép — LFM Open License v1.0. Việc sử dụng cho mục đích thương mại được cấp phép khi doanh thu hằng năm dưới $10,000,000; văn bản giấy phép định nghĩa con số đó là một ngưỡng, và các quyền sử dụng thương mại vượt trên ngưỡng đó chỉ được cấp với điều kiện không vượt quá ngưỡng.

• Tốc độ — 5,7 ms cho một quyết định đơn lẻ trên H100 PCIe và 3,8 ms trên AMD MI325X, với tương ứng 1.132 và 1.699 quyết định mỗi giây khi 64 trạng thái được gom vào một lệnh gọi. Trên Apple M5 Pro, con số cho một câu hỏi đơn lẻ là 18,6 ms.

Tuyên bố đáng tranh luận: nó vượt trội hơn mô hình mà nó đã thay thế

Card của Liquid AI đưa ra một tuyên bố so sánh không hề rào đón: d1-2B "dẫn đầu các mô hình d1 mở xét theo trung bình và trên bảng của chúng tôi gồm hơn một trăm điểm chuẩn quyết định, vượt d1-3B dù chỉ có kích thước chưa bằng hai phần ba của nó." Đó là một tuyên bố mạnh mẽ từ một mô hình 1,92B về một mô hình 3,12B, và có thể kiểm chứng, vì card liệt kê cả bốn mô hình d1 mở trong một bảng duy nhất được chấm trên cùng các mục với cùng một bộ chấm điểm.

Con số tổng quan là 51,1 so với 49,0 trên bộ công khai Decision Index, phiên bản 0.3 — dẫn trước 2,1 điểm. Trước khi ai đó coi đó là một thắng lợi trọn vẹn, cần đặt ngay bên cạnh hai lưu ý. Thứ nhất, thẻ của chính d1-3B báo cáo 48,57 trên Decision Index 0.2.1, và chênh lệch giữa 48,57 và 49,0 là do phiên bản chỉ mục, không phải do mô hình được cải thiện; thẻ d1-2B nêu rằng cả bốn mô hình đã được chấm lại trên cùng các mục và do đó một vài con số của d1-3B khác với thẻ của chính nó. Thứ hai, bộ công khai chỉ là một phần nhỏ so với những gì quyết định bảng xếp hạng công khai: người đánh giá độc lập đã xây dựng lại nó mô tả 37 benchmark công khai được tính trọng số 20% điểm, phần còn lại đến từ các bài kiểm tra riêng chỉ những người duy trì mới chạy.

Điều khiến 49.0 đáng tin cậy như một con số — dù bản thân d1-2B không có kiểm chứng bên ngoài — là việc ai đó đã tái lập 3B trên đúng phiên bản này. Efraín Garay đã chạy d1-3B trên một mẫu phân tầng 6,000 yêu cầu của Decision Index 0.3 vào giữa tháng Mười và đạt 49.11, so với 49.04 của chính Liquid trên cùng các dòng và 48.99 trên toàn bộ bộ kiểm thử. Đó là một lần tái lập trong phạm vi một phần mười điểm. Nó không xác nhận 51.1 của d1-2B, con số mà chưa bên thứ ba nào chạy, nhưng nó xác nhận phương pháp chấm điểm đằng sau bảng mà 51.1 nằm trong đó.

Nơi mô hình nhỏ hơn không vượt trội

“Dẫn đầu trên hầu hết các benchmark riêng lẻ” đang âm thầm gánh một vai trò quan trọng trong câu đó. Trên bảng cùng lượt chạy, d1-3B vẫn thắng ba trong số hơn hai mươi dòng quan trọng đối với một quyết định triển khai:

• Quyết định nhanh — 59,3 cho 3B so với 58,8, bài đánh giá ra quyết định thiên về tốc độ duy nhất mà mô hình lớn hơn nhỉnh hơn.

• Typed Decisions — 65,0 so với 61,3, khoảng cách 3,7 điểm và là lập luận đơn lẻ rõ ràng nhất ủng hộ mô hình cũ hơn khi đầu ra phải là một giá trị có kiểu thay vì một nhãn.

• AI2D — 79,9 so với 76,7, trên benchmark đọc sơ đồ, nơi một tháp thị giác lớn hơn vẫn giúp tăng độ chính xác.

Ở mọi nơi khác, thứ tự đảo ngược, có lúc rất rõ rệt. VisualWebBench đạt 96,2 cho d1-2B so với 71,4 cho d1-3B. ImajevBench v2.0-lite đạt 75,5 so với 64,0. MMMU-Pro đạt 26,4 so với 18,5 — cả hai đều đủ thấp đến mức không nên tin tưởng mô hình nào trong việc lập luận đa phương thức khó, điều này đáng nói thẳng ra thay vì trình bày khoảng cách 7,9 điểm như một chiến thắng. Điểm trung bình về thị giác là 70,2 và 65,4.

Ba khoảng trống mà tấm thẻ không thể lấp đầy

Thông báo còn thiếu xuất hiện dưới dạng các artefact còn thiếu. Không điều nào trong số này là lỗi của mô hình; mỗi điều là một lý do khiến mô hình ngày nay khó được áp dụng hơn so với mức mà đường benchmark của nó gợi ý.

• Không có GGUF. d1-3B và d1-omni-600M đều có kho GGUF vào ngày 6 tháng 10, một ngày sau khi trọng số của chúng được đăng lên, và d1-3B tiếp đó có bản dựng trọng số-kích hoạt 8-bit cùng bốn biến thể MLX. d1-2B có các bản dựng MLX và ONNX tính đến ngày 27 tháng 10, nhưng không có GGUF — vì vậy không có đường dẫn llama.cpp nào được công bố cho đầu quyết định, mặc dù mô hình cơ sở LFM3-VL-2B đã có GGUF riêng vào ngày 19 tháng 10. Nếu ngăn xếp edge của bạn là llama.cpp, thì đây là toàn bộ câu chuyện.

• Không có giá và không có endpoint. Thẻ mô hình không liệt kê API được lưu trữ, không có giá theo token và không có nhà cung cấp suy luận. Điều đó không có gì lạ đối với một bản phát hành trọng số mở, nhưng nó có nghĩa là cách duy nhất để sử dụng d1-2B là tự chạy nó, và phần triển khai của thẻ chỉ dừng ở một đoạn mã Transformers.

• Không có đánh giá chuẩn độc lập. Tính đến ngày 28 tháng 10, kho lưu trữ hiển thị 44 lượt tải và 13 lượt thích. Đánh giá mô hình quyết định độc lập hiện có bao gồm d1-3B và d1-omni-600M, không phải mô hình này. Mọi số liệu hiệu suất ở trên đều là của chính Liquid AI.

Cũng có một giới hạn mà thẻ mô hình tự nêu về chính nó: các câu trả lời “trở nên kém tin cậy hơn khi vượt quá khoảng 64K token trạng thái”, bằng một nửa cửa sổ 128K được quảng cáo, và các ước lượng đáng tin cậy về phép đếm và điểm số nhưng kém tin cậy hơn với các đại lượng tự do. Một mô hình mà thẻ của chính nó cho bạn biết nó suy giảm ở đâu thì hữu ích hơn mô hình không làm vậy, nhưng con số nổi bật 128K nên được hiểu là một con số dung lượng, không phải phạm vi hoạt động thực tế.

Lần triển khai đầu tiên thực sự diễn ra như thế nào

Con đường thực tế là Transformers 5.19 trở lên với trust_remote_code=True, bf16 trên GPU, và lệnh gọi system_one hoặc system_one_batch. Không có tham số lấy mẫu vì không có việc lấy mẫu. Núm điều chỉnh duy nhất quan trọng là set_size, mặc định là kích thước đã huấn luyện là 16; tăng nó giúp nhanh hơn nhưng phải trả giá bằng độ chính xác văn bản.

Khuyến nghị của chính thẻ là bước mà hầu hết các nhóm bỏ qua: hiệu chỉnh ngưỡng quyết định của bạn trên dữ liệu từ chính cách sử dụng của bạn. Xác suất 0,62 không có ý nghĩa gì khi đứng riêng lẻ. Nếu bạn đang định tuyến phiếu hỗ trợ hoặc gắn cờ tài liệu, ngưỡng phân tách "chuyển lên cấp cao hơn" với "xử lý tự động" phải được khớp trên mẫu có nhãn của chính bạn, vì hiệu chuẩn của nhà cung cấp được khớp trên mẫu của họ.

Dạng bài toán phù hợp ở đây là một bước trong pipeline, không phải một trợ lý: phân loại sơ bộ, kiểm duyệt, phân loại ý định, trích xuất từ biểu mẫu, xếp hạng lại, kiểm tra hình ảnh. Đó chính là những chỗ mà một pipeline đã gọi nhiều mô hình, và nơi các bước sinh quanh quyết định thường đến từ một API được host. OrcaRouter hiện không cung cấp bất kỳ mô hình Liquid AI nào — kể cả mô hình này — vì vậy chạy d1-2B nghĩa là bạn phải tự chạy nó. Router hữu ích ở phần còn lại của chuỗi: một khóa tương thích OpenAI cho hơn 200 mô hình được host, một DSL định tuyến giúp ghép các bước thành một lệnh gọi duy nhất, và tự động chuyển đổi dự phòng khi nhà cung cấp gặp sự cố, để nút quyết định trên GPU của bạn không bị nút sinh bên cạnh trói buộc.

Điều gì sẽ thay đổi câu chuyện này?

Bốn điều, xếp theo mức độ quan trọng giảm dần. Một tệp GGUF sẽ đặt d1-2B vào cùng nền tảng runtime với các mẫu anh em cùng dòng và khiến định vị cho edge trở nên thực tế. Một bài viết chuyên biệt sẽ cho người mua biết Liquid AI cho rằng mô hình dùng để làm gì, vượt ra ngoài danh sách các bước pipeline trên thẻ mô hình. Một lần chạy độc lập — lý tưởng nhất là cùng mẫu 6.000 dòng đã tái tạo d1-3B — sẽ biến 51,1 từ một tuyên bố của nhà cung cấp thành một phép đo. Và một mức giá cho bản hosted sẽ khiến câu hỏi tự xây dựng hay mua trở nên có thể trả lời được.

Cho đến lúc đó, bản tóm tắt trung thực thì hẹp và hữu ích: một mô hình quyết định 1.92B tồn tại, kho lưu trữ của nó đủ hoàn chỉnh để đánh giá, lợi thế benchmark của nó so với mô hình 3B là thật trên bảng cùng lần chạy của chính nhà cung cấp và chưa được xác minh ở mọi nơi khác, và việc thiếu thông báo đã khiến nó không có phần đóng gói — runtime, endpoint, giá — mà hầu hết các nhóm cần trước khi họ đưa một mô hình vào pipeline. Nếu bạn đã chạy Transformers và muốn một bộ phân loại cửa sổ 128K với đầu vào video, đáng để bỏ ra một buổi chiều. Nếu bạn cần llama.cpp hoặc một endpoint được quản lý, hãy chờ.