Was ist d1-omni-600M?
d1-omni-600M ist ein kleines Entscheidungsmodell mit offenen Gewichten von Liquid AI, am 7. Oktober 2026 zusammen mit dem größeren d1-3B auf Hugging Face veröffentlicht. Es schreibt keinen Text. Du übergibst einen Zustand (einen String, JSON, Bilder oder einen Sprachclip von bis zu 30 Sekunden) und eine Reihe benannter Fragen, und es liefert eine Ja/Nein-Wahrscheinlichkeit, eine Wahl aus benannten Optionen oder einen Wert auf einer geordneten Skala, direkt aus der Ausgabeverteilung des Modells gelesen, mit null Output-Tokens.
Es hat 587 Millionen Parameter: einen gemeinsamen Rumpf mit Entscheidungskopf von 381M auf Basis des bidirektionalen LFM2.5-Encoder-350M, einen SigLIP2-Vision-Encoder mit 94M und einen FastConformer-Audio-Encoder mit 112M. Der Kontext umfasst 16.384 Tokens, mit Bildern wird der Textteil aber auf 896 Tokens gekürzt, und eine Anfrage kann Bilder oder Audio enthalten, nicht beides. Liquid nennt es einen frühen Forschungs-Checkpoint und veröffentlicht keine Geschwindigkeitswerte.
Die Gewichte stehen unter der LFM Open License v1.0, die Organisationen mit einem Jahresumsatz ab 10 Millionen $ die kommerziellen Rechte verweigert. Am 27. Oktober veröffentlichte Liquid d1-Omni-2B als Teil von LFM3, und dessen eigene Modellkarte sagt, dass das neuere Modell d1-omni-600M in jedem Benchmark übertrifft.
Lohnt sich d1-omni-600M?
d1-omni-600M fällt auf durch das, was es annimmt, nicht dadurch, wie gut es antwortet. Wenige Entscheidungsmodelle nehmen einen Sprachclip an, und noch weniger mit unter 600 Millionen Parametern. Das Problem ist die Genauigkeit. Liquids eigene Modellkarte gibt 15,95 im Decision Index 0.2.1 an, gegenüber 48,57 für d1-3B und 28,97 für den Decider 2B mit 2.3B. Der Jev Decision Index 0.4.1 der Community, auf einer RTX PRO 6000 gelaufen und am 29. Oktober aktualisiert, gibt ihm 11,75 und Platz 228 von 247, hinter d3-edge von vLLM Semantic Router (17,69) bei gleicher Größe.
Die reinen Textwerte auf der Karte sind freundlicher, weil sie enger gefasst sind: 95,8 bei der Toxizität in Civil Comments und 79,5 bei Paraphrasen in PAWS-X, beides die besten Werte in Liquids Vergleichstabelle, und im Mittel 78,4 über sieben öffentliche Aufgaben gegenüber 77,1 für Decider 2B. Das sind Klassifikationsaufgaben mit einer einzigen Fähigkeit, die ein feinabgestimmter Encoder schon immer gut gelöst hat. Bei breiter Entscheidungsarbeit mit Wissen und mehrstufigen Regeln bricht es ein: 8,3 im Wissensbereich des Index und 6,8 bei Kunst.
Auch die Kalibrierung ist schwach. Im Community-Index liegt der erwartete Kalibrierungsfehler bei 0,128, gegenüber 0,047 für d1-3B, seine Wahrscheinlichkeiten solltest du also nicht ohne eigene Prüfungen als Schwellenwerte nutzen. Laut Liquid sind Bild- und Audioantworten der rohe Softmax, ohne die typabhängigen Temperaturen, die bei Text angewendet werden.
Wichtiger ist der Nachfolger. d1-Omni-2B, am 27. Oktober veröffentlicht, nimmt dieselben drei Modalitäten an, und Liquid meldet 49,0 gegenüber 18,3 in der öffentlichen Suite von Decision Index v0.3 und 75,3 gegenüber 58,0 in JevBench v1.4.1. Das 600M-Modell bleibt nützlich als Referenz dafür, wie klein ein audiofähiges Entscheidungsmodell werden kann, und für Experimente auf Hardware, auf die 2 Milliarden Parameter nicht passen.
Wo es sich lohnt
Ein Embedded-Entwickler, der den Prototyp eines sprachgesteuerten Haushaltsgeräts baut
Kurze gesprochene Befehle offline einer von wenigen Absichten zuordnen
Ein 16-kHz-Clip und eine Auswahlfrage liefern in einem Durchgang eine Absicht mit Wahrscheinlichkeiten. Das Audiotraining umfasste nur englische Anfragen von Sprechern an einen Assistenten, teste also deine eigenen Befehle und wechsle zu d1-Omni-2B, wenn die Fehlerrate des 587M-Modells zu hoch ist.
Ein Trust-and-Safety-Engineer in einem kleinen Forum
Toxische Kommentare vor dem Veröffentlichen markieren, auf einem CPU-Server
Toxizität ist die eine Aufgabe, bei der Liquids Tabelle es vorn sieht (95,8 in Civil Comments). Eine Ja/Nein-Frage pro Kommentar braucht keine Generierung, und float16 behielt bei allen 243 von Liquid geprüften Textzeilen dieselbe Top-Antwort wie float32.
Bevor du dich festlegst
- Einrichtung
- pip install für transformers 5.15 oder neuer, torch, torchvision, pillow und soundfile, dann mit trust_remote_code=True laden und model.system_one(state, questions) aufrufen. Vermeide bfloat16, das in Liquids Prüfungen bei 0,8% der Text- und 1,7% der Audiozeilen die Top-Antwort änderte.
- Integrationen
- Die Fragen folgen dem Decision-Index-Schema (noul, choice und score), derselben Form, die Clients von Jev und pplx-decider senden; system_one_batch verarbeitet viele Anfragen pro Aufruf. Liquids gehostete d1-API bedient die neueren Modelle, nicht dieses.
- Daten und Datenschutz
- Läuft lokal, also verlässt nichts deinen Rechner. Die LFM Open License v1.0 erlaubt kommerzielle Nutzung nur Organisationen unter 10 Millionen $ Jahresumsatz und berechtigten gemeinnützigen Organisationen.
- Kosten im großen Maßstab
- Kostenlos im Betrieb; mit 587M Parametern passt es auf eine Laptop-CPU oder eine kleine GPU. Liquid veröffentlicht keine Hardware- oder Geschwindigkeitswerte für diesen Checkpoint; der Community-Index maß einen Median von 10,9 ms auf einer RTX PRO 6000.
- Grenzen
- Kontext von 16.384 Tokens, mit Bildern auf 896 Text-Tokens gekürzt; pro Anfrage Bilder oder Audio, nicht beides; Audioclips enden nach 30 Sekunden. Erwarteter Kalibrierungsfehler von 0,128 im Community-Index.
Was gut ist
- Text, Bilder oder ein 30-Sekunden-Sprachclip in einem 587M-Modell
- 95,8 bei der Toxizität in Civil Comments (Herstellerangabe)
- Median von 10,9 ms pro Anfrage im Community-Index
- Null Output-Tokens; Antworten kommen mit Wahrscheinlichkeiten
Was nicht
- 11,75 im Community Decision Index 0.4.1, Platz 228 von 247
- In jedem von Liquid gemeldeten Benchmark von d1-Omni-2B übertroffen
- Bild- und Audioantworten sind nicht kalibriert
- Keine kommerzielle Lizenz ab 10 Mio. $ Jahresumsatz
Am besten für
Forschende und Bastler, die testen, wie weit ein audiofähiges Entscheidungsmodell schrumpfen kann, nicht Teams, die einen Klassifikator für die Produktion auswählen.
Alternativen zu d1-omni-600M
d1-omni-600M: häufige Fragen
- Lohnt sich d1-omni-600M?
- Eher eine Kuriosität als ein Baustein: winzig und schnell, aber auf Platz 228 von 247 im Decision Index der Community, und der eigene Hersteller hat es schon ersetzt. Wir bewerten es mit 3.0 von 5.
- Was kostet d1-omni-600M?
- Kostenlose Gewichte unter der LFM Open License v1.0; kommerzielle Nutzung braucht ab 10 Millionen $ Jahresumsatz eine Lizenz von Liquid AI. Kein gehosteter Endpunkt für diesen Checkpoint.
- Welche Nachteile hat d1-omni-600M?
- 11,75 im Community Decision Index 0.4.1, Platz 228 von 247; In jedem von Liquid gemeldeten Benchmark von d1-Omni-2B übertroffen; Bild- und Audioantworten sind nicht kalibriert; Keine kommerzielle Lizenz ab 10 Mio. $ Jahresumsatz.
- Für wen eignet sich d1-omni-600M?
- Forschende und Bastler, die testen, wie weit ein audiofähiges Entscheidungsmodell schrumpfen kann, nicht Teams, die einen Klassifikator für die Produktion auswählen.
- Was kostet d1-omni-600M für ein Team oder im Produktivbetrieb?
- Kostenlos im Betrieb; mit 587M Parametern passt es auf eine Laptop-CPU oder eine kleine GPU. Liquid veröffentlicht keine Hardware- oder Geschwindigkeitswerte für diesen Checkpoint; der Community-Index maß einen Median von 10,9 ms auf einer RTX PRO 6000.
- Ist d1-omni-600M sicher für Firmendaten?
- Läuft lokal, also verlässt nichts deinen Rechner. Die LFM Open License v1.0 erlaubt kommerzielle Nutzung nur Organisationen unter 10 Millionen $ Jahresumsatz und berechtigten gemeinnützigen Organisationen.
- Was sind die besten Alternativen zu d1-omni-600M?
- Die nächsten Alternativen, die wir getestet haben, sind LFM3, Perplexity Decider (pplx-decider), d3-turbo (vLLM Semantic Router) und Jev.
Antworten geprüft am 31. Okt. 2026.