Liquid AI, açık ağırlıklı karar modelleri d1-3B ve d1-omni-600M’i yayınladı

Liquid AI, d1 karar modeli ailesinin iki yeni üyesini açık ağırlıklı olarak yayınladı: d1-3B ve d1-omni-600M. Şirket birkaç gün önce d1 karar modelinin görselleri de okuyabildiğini duyurmuştu. Bu kez modeller herkesin indirip ince ayar yapabileceği ve dağıtabileceği biçimde Hugging Face’te. Karar modelleri, Liquid’in üretken LFM modellerinden farklı olarak token üretmiyor. Yanıtı tek bir ileri geçişte (forward pass) veriyor.

İki model, iki farklı temel

d1-3B, şirketin en yeni görsel-dil modeli LFM2.5-VL-3B üzerine kuruldu ve metin ile görsel girdi alıyor. Liquid, LFM2.5-2.6B’nin ağırlıklarını LFM2.5-VL-3B’nin metin omurgasıyla ortalayarak daha iyi bir temel model elde ettiğini, ardından farklı tohum ve veri karışımlarıyla ince ayar yapıp sonuçları yeniden birleştirdiğini anlatıyor. Şirkete göre uzun girdilerle eğitmek, cevap seçeneklerini karıştırmak ve verideki kısa yolları düzeltmek, daha gelişmiş tekniklerden daha büyük fark yarattı.

d1-omni-600M ise çift yönlü bir kodlayıcı olan LFM2.5-Encoder-350M’den eğitildi. Modele görme ve ses kodlayıcıları eklendi. Metinle birlikte ya görsel ya da ses alabiliyor. Ses için bir FastConformer kodlayıcı ve onu omurgaya bağlayan bir adaptör eğitildi. Görme için LFM2.5-VL-450M’in kodlayıcısı alındı, üzerine adaptör ve yalnızca görsel girdide devreye giren LoRA güncellemeleri eğitildi. Liquid bunu şirketin ilk deneysel kontrol noktası olarak tanımlıyor ve modelin aktif geliştirme altında olduğunu belirtiyor.

Performans

Şirketin kendi Decision Index v0.2.1 testinin açık bölümünde d1-3B 48,57 puan alıyor. Liquid’e göre bu skor 10 milyar parametrenin altındaki tüm modellerin önünde ve 12 kat büyük bir karar modeli olan Decider 35B-A3B ile aynı seviyede. d1-omni-600M ise aynı testte 15,95 puanda. Okuma, toksisite tespiti, niyet sınıflandırma, tıbbi soru-cevap ve diller arası anlama alanlarındaki yedi açık testin ortalamasında d1-3B 82,9 ile Decider 4B’nin (81,1) önünde. d1-omni-600M ise 78,4 ile parametre sayısının dört katı olan Decider 2B’yi (77,1) geçiyor. Toksisite tespitinde (Civil Comments, 95,8) ve parafraz tanımada (PAWS-X, 79,5) tablodaki en yüksek skorlar d1-omni-600M’e ait. Bu rakamlar şirketin kendi ölçümleri. Liquid, Decision Index v0.3’ün gizli görsel bölümündeki sonuçları bu sürümde paylaşmadı. Ses tabanlı karar testlerinin ise henüz çözülmemiş bir alan olduğunu söylüyor.

Uçta ve veri merkezinde hız

Karar modelleri çıktı tokenı üretmediği için Liquid gecikmeyi girdiden çıktıya kadar uçtan uca ölçüyor. d1-3B tek bir soruyu NVIDIA GeForce RTX 4090’da 8 ms, AMD MI325X’te 9 ms, Jetson AGX Thor’da 16 ms, Jetson AGX Orin’de 26 ms, Apple M5 Pro’da 30 ms ve en küçük Jetson Orin Nano’da 50 ms’de yanıtlıyor. Üç soru sormak, tek sorunun yalnızca 1,3 katı kadar sürüyor. Modeller NVIDIA’nın DGX’ten Jetson’a kadar tüm yazılım yığınında çalışıyor ve ilk günden llama.cpp desteğiyle geliyor. Bu destek Apple, AMD, Qualcomm ve NVFP4 ile NVIDIA donanımlarını kapsıyor.

Demolar

Liquid, d1-3B’nin canlı kamera görüntüsü üzerinde döngü halinde çalıştığı on demo hazırladı. Demolar el hareketiyle kontrol edilen oyunlardan canlı içerik moderasyonuna kadar uzanıyor ve Hugging Face Space’te kurulum gerekmeden denenebiliyor. NVIDIA ile birlikte d1-3B’nin Jetson üzerinde çalışırken Isaac Sim’de bir ortamda gezindiği bir gösterim de yapıldı.

Kaynak: Liquid AI — Open d1: Edge decision models for text, vision, and audio