Liquid AI 开源 d1 决策模型：零输出 Token，单次前向返回带概率答案

一句话看懂：Liquid AI 于 2026 年 10 月 7 日发布两款开放权重多模态决策模型 d1-3B 与 d1-omni-600M，它们不生成文本，而是在一次前向传播中直接返回带概率的结构化答案，输出 Token 数为 0，目标是把实时决策放到 NVIDIA 全栈上跑。

事件核心：发生了什么

Liquid AI 将其 d1 决策模型家族中的两个检查点开放权重发布。d1-3B 拥有 3.12B 参数，可同时读文本和图像，基于 LFM2.5-VL-3B 构建，文本主干融合了 LFM2.5-2.6B 的权重，视觉侧使用 400M 的 SigLIP2 NaFlex 编码器，上下文长度 32,768 Token。d1-omni-600M 为 587M 参数，基于双向编码器 LFM2.5-Encoder-350M，含 381M 共享主干与决策头、94M 视觉编码器和 112M 音频编码器，音频上限 30 秒，上下文 16,384 Token，单次请求只能带图像或音频其中之一。

两者都支持 noul（是/否概率）、choice（多选标签的完整概率分布）、score（2 到 10 级有序评分的位置）三类问题，一次调用可让多个问题共享同一个状态，每个响应都标记 output_tokens: 0。检查点已上 Hugging Face，可通过 Transformers 加载，并在发布首日获得 llama.cpp 支持；LFM Open License v1.0 允许年收入低于 1000 万美元的商业免费使用。

为什么重要

生成式大模型的输出是逐 Token 写出来的，应用层还要额外解析，而决策模型把这一步压缩成一次概率计算。它更适合路由、内容审核、意图分类、重排序、LLM-as-a-judge、Agent 护栏与视觉检查等场景，这些任务往往不需要自然语言答案，只需要确定的选择和置信度。目前公开信息显示，d1 在 Decision Index v0.2.1 上得 48.57，超过所有 10B 以下模型并略高于 Decider 35B-A3B 的 47.11，只有 Winnow-12B 的 50.02 更高；不过该分数由 Liquid AI 自行运行官方评分器，并非榜单提交。跨七个公开文本基准，d1-3B 平均 82.9；11 个图像基准平均 74.1，与基座模型的 73.9 接近。

对用户/开发者/创作者的影响

开发者可以把它当作低成本、低延迟的分类与评分组件嵌入现有系统。Liquid AI 给出的一组端到端延迟数据是：RTX 4090 单问题 8 毫秒，Jetson AGX Thor 16 毫秒，AGX Orin 26 毫秒，Orin Nano 50 毫秒；AGX Thor 上三个问题共享一个状态为 20 毫秒。d1-3B 在 Jetson AGX Thor 上读取 384 像素图像约 35 毫秒，适合边缘摄像头逐帧审核和手势控制。语音侧 d1-omni-600M 可处理最长 30 秒语音加文本，直接返回说话者意图或主题，适合小设备的语音命令路由。需要注意的是，两者都不是聊天模型，不写文本；d1-omni-600M 是早期研究版本，尚未公布延迟数据，音频训练仅覆盖英语说话人到助手的请求。