d1-Omni-2B 與 d1-omni：同一個標籤、兩個檢查點，以及八倍的差距

拉取 d1-omni，今天就能取得一個 587M 參數、大小 850MB 的決策模型。拉取 d1-omni:2b，則會得到 4.4GB 完全不同的東西——d1-Omni-2B，這是 Liquid AI 於 2026 年 10 月 27 日隨 LFM3 系列推出的音訊決策模型；相較之下，d1-omni 則是 Ollama 自十月初起用來指稱該廠商 d1-omni-600M 檢查點的名稱。它們不是兩家廠商對同一個問題給出的答案。它們是同一想法的兩個世代，參數量相差八倍，而兩者之間的選擇，其實是在選模型必須在哪裡運行。一個能裝進手機。另一個則需要 GPU，並以此換來較小模型完全做不到的事。

命名讓這件事本來不該這麼難，所以在進入數字之前值得先講清楚：並沒有一個就叫 d1-omni 的 Liquid AI 模型。廠商文件把 d1-omni-2B 和 d1-omni-600M 列為開放權重，而 d1.1 和 d1-ultra 則僅提供託管服務。「d1-omni」是一個包裝名稱——也就是把 587M 檢查點冠上更短標籤。那就是這次比較中的對手，也是大多數人磁碟上已經有的那一個。

每一個實際上是什麼

兩者都是 Liquid AI 這個詞義下的決策模型：你交給它們一個狀態和一組具名問題，它們就會在單次前向傳遞中回傳附有機率的具型別答案。兩者都不書寫文字，也都不產生語音，且都回報零輸出 token。相似之處僅止於介面。

• 參數 — d1-Omni-2B 為 2.17B，相較 d1-omni 的 587M，在小模型中拆分為 381M 的共享主幹與決策頭、94M 的視覺編碼器，以及 112M 的音訊編碼器。

• 架構 — 2B 的 LFM3 三混合主幹：24 層由 13 層門控短卷積、5 層滑動視窗注意力與 6 層全域注意力組成。587M 是建構於 LFM2.5-Encoder-350M 之上的 LFM2.5 雙向編碼器，配備承襲自 LFM2.5-VL-450M 的 SigLIP2 視覺塔，以及用於音訊的 17 層 FastConformer。

• 上下文 — 2B 模型具備 128K 個 token，詞彙量為 128,000 個 token。587M 模型記載為 16,384 個 token，共同涵蓋文字、影像與音訊位置；其模型卡補充，當有影像時，狀態與問題文字會依訓練設定裁切至 896 個 token。Ollama 的頁面在兩個標籤上都顯示 125K，這是廠商未公布的數字；請依廠商的數字來規劃提示詞大小。

• 輸入 — 2B 可在單一媒體清單中接收文字或 JSON 狀態，外加圖片、影片影格與音訊片段。587M 則接收文字搭配圖片，或文字搭配最多 30 秒的音訊，而其說明卡並未記載兩者混用的方式。

• 輸出類型 — 兩者皆支援是/否、選擇與分數。2B 版本新增方框、多選、附帶 span 的擷取值，以及帶區間的數字。這些是 LFM3 世代的新功能，在 587M 上沒有對應項目。

• 磁碟上 — 2B 的 BF16 safetensors 為 4.33GB，相較之下 d1-omni 的 Q8_0 版本為 850MB，其 BF16 標籤則為 1.2GB。

• 授權 — 兩者皆採用 LFM Open License v1.0。年營收低於 $10,000,000 者可免費商用，超過則需另行取得授權。

第八個參數換來了什麼

真正有用的是 Liquid AI 自己印出的那份比較，因為它用同一個評分器，針對相同項目重新為全部四個 d1 模型評分。這使得這些列在內部具有可比性，而較舊的卡片則不具備這種可比性。

• Decision Index 公開套件，v0.3 — d1-Omni-2B 為 49.0，d1-omni-600M 則為 18.3。

• DecisionBench (Hanno Labs) v1 — 76.4 對 58.7。

• decisionbench.ai v4 — 84.7 對比 57.9。

• JevBench v1.4.1 — 75.3 對比 58.0。

• ImajevBench v2.0-lite — 72.3 對 21.7，是這組中差距最大的一項，也是對視覺工作最為關鍵的一項。

• WorkflowEvals — 77.1，相較於 48.8。

• 型別化決策 — 63.1 對 57.5，差距最窄，也提醒我們並非每項任務都會隨參數量而提升。

• 視覺平均，18 項圖像基準 — 67.7 對 42.8。

那份清單附帶兩點注意事項。第一點是版本漂移：10 月 7 日的評測卡在 Decision Index v0.2.1 上回報 d1-omni-600M 為 15.95，而新評測卡則在 v0.3 上回報為 18.3。這兩者是不同的測試套件；將這兩個數值相減，衡量的其實是指數，而非模型本身。第二點是來源出處：每個數字都是廠商自行提報，由 Liquid AI 評分，且使用的是 Liquid AI 挑選的基準測試。公司以外沒有任何人也發布過這兩個檢查點中任何一個的執行結果。

不過，結果的整體輪廓是一致的。在分類型任務上，587M 的表現出乎意料地穩健——Typed Decisions 的差距在六分以內。但只要任務涉及解讀場景、計算物件數量或理解版面配置，它就會崩潰：ImajevBench 上為 21.7，對比 72.3；在較早的測試套件中，VisualWebBench 上為 14.9，對比 88.6。如果你的工作是把文字工單分流，額外參數是奢侈品。如果你的工作涉及觀看某個東西，它們就是整個產品。

587M 仍勝出之處，以及能證明這一點的那個數字

部署範圍才是 587M 模型的真正優勢，而這並非安慰獎。850MB 的 587M 模型可在筆記型電腦、Raspberry Pi 或手機上運行，Liquid AI 打造 d1 系列正是為此。4.33GB 的 2.17B 模型則需要 GPU 或配置完善的 Apple Silicon 機器，使用起來才會順暢。

缺少的是能讓這項取捨變得精確的延遲比較。d1-Omni-2B 模型卡公布了完整的速度表：在 H100 PCIe 上，單一問題為 5.8 毫秒、三個問題為 7.7 毫秒；在 MI325X 上為 3.7 毫秒與 5.6 毫秒；在 M5 Pro 上為 21.1 毫秒與 28.9 毫秒；以及在 H100 上批次處理時每秒 1,154 個狀態。d1-omni-600M 模型卡則什麼都沒公布，並說明了原因：「我們不公布 d1-omni-600M 的推論數據，因為它是早期研究版本，且仍在積極開發中。」因此，較小的模型幾乎肯定更快，但沒有廠商數據可引用來說明快多少。任何告訴你 587M 快三倍的人，都是在從參數數量外推。

有一項與準確度相關的真正優勢值得指出。d1-Omni-2B 的說明卡在沒有音訊時建議選 d1-2B 而非自己，並給出理由：d1-2B 在文字與單一框選上更強、更常回報缺漏值，而且校準得更好。同樣的建議也指出，純文字工作不應選 omni 模型。它並沒有說 587M 校準得更好——只說 2B omni 會因為你可能用不到的能力而帶來成本。

音訊上的分界，正是兩個世代清楚區隔之處。

音訊是唯一讓兩個模型直接競爭的模態，而兩者的限制條件差異之大，足以決定架構的選擇。

587M 模型最多可處理 30 秒語音，預期輸入為 16kHz 單聲道，而其模型卡帶有明確警告：音訊能力是在英語使用者與助理之間的請求上訓練而成，涵蓋語句的類型、主題以及說話者想要什麼。那是一個狹窄的分布，而且它被列為限制，而非註腳。

2B 模型支援與其文字端相同的十六種語言語音，但不含印地語、泰語、越南語和印尼語；模型卡中的音訊結果包括 ESC-50 聲音事件 84.5，以及跨 43 種語言的 FLEURS 語言辨識 92.5。模型卡也記錄了其效能下降的情況：口語短狀態從書面 42.0 降至聽取 22.8，八種語言的 Belebele 段落從 83.6 降至 41.8。長篇口語段落的準確率會下降，非拉丁字母書寫者尤甚。

所以分野不是「2B 在音訊上更好」，而是 2B 能聽見更多種類的音訊，卻仍難以處理長時間的語音狀態；而 587M 聽見的是更狹窄、更受控的一小部分音訊，且從未在聲音事件或語言辨識上接受過基準測試。對英語語音指令路由而言，587M 的限制尚可承受；但對多語通話分流而言，這些限制就構成淘汰理由。

要拉取哪個標籤？

決策規則簡短到足以直接陳述為規則。

• 僅限文字與圖片，產品中沒有音訊——兩者都不要拉取。d1-2B 在決策指數上的得分高於 d1-Omni-2B，51.1 對 49.0，而且廠商自己的規格卡也告訴你要用它。Omni 的溢價買到的是你用不到的音訊。

• 受限硬體上的語音路由 — d1-omni 於 850MB。接受 30 秒上限、英語使用者訓練分布與 16,384 個權杖的上下文，並自行測量你的延遲，因為廠商不會給你一個數字。

• 在同一個決策中同時處理音訊與影像，或在輸出中產生方框與跨度 — d1-Omni-2B。587M 無法表達這些請求，因此無從比較。

• 多語言語音 — d1-Omni-2B，並在您提交前，將四種被排除的語言與您的實際流量進行核對。

• 批次吞吐量 — d1-Omni-2B，其規格卡是兩者中唯一有公布每秒狀態數的。

有一個採用訊號值得記錄，因為它與基準測試敘事相牴觸：自10月5日以來，{{1}}d1-omni-600M{{/1}} 在 Hugging Face 上已累積約18,900次下載和148個讚。{{2}}d1-Omni-2B{{/2}} 在其儲存庫出現四天後有36次下載和7個讚。早期的下載次數衡量的是新奇感與包裝，而非品質——{{3}}587M 模型{{/3}} 有 {{4}}Ollama 標籤{{/4}}，讓人只需一個指令即可使用——但這些數字確實說明了人們今天實際運行的是哪個模型。

在決定之後，通話的其餘部分

無論你選擇哪個標籤，決策模型都是第一站，而不是最後一站。它會回傳帶有機率的標籤；但仍需要有一個環節負責撰寫回覆、升級案件或呼叫下一個 API，而這第二站屬於生成式流程。OrcaRouter 不代理 Liquid AI 模型，因此 d1-omni 或 d1-Omni-2B 的呼叫仍會在你原本執行的地方進行——用你自己的硬體搭配 Hugging Face 權重執行，或透過供應商。一把相容於 OpenAI 的 API 金鑰背後，是目錄中其他 200 多個模型，以各供應商的定價、零加成提供，且當你選用的下游模型正好狀況不佳時，可跨供應商容錯切換。對這麼新的模型而言，這種區隔很有用：尚未驗證的部分留在本地且成本低廉，而接觸生產環境流量的部分則有重試路徑。

兩張卡片都不會給你的那個數字

兩個檢查點都沒有獨立評測。587M 自 10 月 5 日起公開，至今仍沒有；2B 才問世四天。除非有人在相同音訊集、相同麥克風與相同語言上實測這兩者，否則八倍參數差距只是廠商表格，不是實測事實。值得留意的具體數字是口語短狀態上的 22.8——這是新模型自己的規格卡承認弱點大到足以改變部署決策的唯一一列，也是最可能在 Liquid AI 以外的人拿麥克風實測它時出現變動的一列。