¿Qué es d1-omni-600M?
d1-omni-600M es un pequeño modelo de decisión de pesos abiertos de Liquid AI, publicado en Hugging Face el 7 de octubre de 2026 junto al mayor d1-3B. No escribe texto. Le pasas un estado (una cadena, JSON, imágenes o un clip de voz de hasta 30 segundos) y un conjunto de preguntas con nombre, y devuelve una probabilidad de sí o no, una elección entre opciones con nombre o una puntuación en una escala ordenada, leída directamente de la distribución de salida del modelo con cero tokens de salida.
Tiene 587 millones de parámetros: un tronco compartido y una cabeza de decisión de 381M construidos sobre el bidireccional LFM2.5-Encoder-350M, un codificador de visión SigLIP2 de 94M y un codificador de audio FastConformer de 112M. El contexto es de 16.384 tokens, pero con imágenes la parte de texto se recorta a 896 tokens, y una petición puede llevar imágenes o audio, no ambos. Liquid lo llama un checkpoint de investigación temprano y no publica cifras de velocidad.
Los pesos están bajo la LFM Open License v1.0, que niega los derechos comerciales a las organizaciones con ingresos anuales de 10 millones de dólares o más. El 27 de octubre Liquid publicó d1-Omni-2B como parte de LFM3, y su propia ficha dice que el modelo nuevo supera a d1-omni-600M en todos los benchmarks.
¿Merece la pena d1-omni-600M?
d1-omni-600M destaca por lo que acepta, no por lo bien que responde. Pocos modelos de decisión admiten un clip de voz, y menos aún con menos de 600 millones de parámetros. El problema es la precisión. La propia ficha de Liquid le da 15,95 en Decision Index 0.2.1, frente a 48,57 de d1-3B y 28,97 del Decider 2B de 2.3B. El Jev Decision Index 0.4.1 de la comunidad, ejecutado en una RTX PRO 6000 y actualizado el 29 de octubre, le da 11,75 y lo sitúa en el puesto 228 de 247, por detrás de d3-edge de vLLM Semantic Router (17,69) con el mismo tamaño.
Las cifras solo de texto de la ficha son más amables porque son más estrechas: 95,8 en toxicidad de Civil Comments y 79,5 en paráfrasis de PAWS-X, ambas las mejores de la tabla comparativa de Liquid, y una media de 78,4 en siete tareas públicas frente a 77,1 de Decider 2B. Son trabajos de clasificación de una sola habilidad, de los que un codificador ajustado siempre ha hecho bien. En el trabajo de decisión amplio, con conocimiento y reglas de varios pasos, se desmorona: 8,3 en el área de conocimiento del índice y 6,8 en artes.
La calibración también es floja. En el índice de la comunidad su error de calibración esperado es 0,128, frente a 0,047 de d1-3B, así que sus probabilidades no deben usarse como umbrales sin tus propias comprobaciones. Liquid dice que las respuestas de imagen y audio son el softmax en bruto, sin las temperaturas por tipo que se aplican al texto.
El dato más importante es su sucesor. d1-Omni-2B, publicado el 27 de octubre, admite las mismas tres modalidades y Liquid le atribuye 49,0 frente a 18,3 en la suite pública de Decision Index v0.3 y 75,3 frente a 58,0 en JevBench v1.4.1. El modelo de 600M sigue siendo útil como referencia de hasta dónde puede encogerse un modelo de decisión con audio, y para experimentos en hardware donde no caben 2.000 millones de parámetros.
Dónde se gana su sitio
Un ingeniero de sistemas embebidos que construye el prototipo de un electrodoméstico controlado por voz
Dirigir órdenes habladas cortas a una de unas pocas intenciones sin conexión
Un clip de 16 kHz y una pregunta de elección devuelven una intención con probabilidades en una sola pasada. El entrenamiento de audio cubrió solo peticiones de hablante a asistente en inglés, así que prueba tus propias órdenes, y pasa a d1-Omni-2B si la tasa de error del modelo de 587M es demasiado alta.
Un ingeniero de confianza y seguridad en un foro pequeño
Marcar comentarios tóxicos antes de que se publiquen, en un servidor con CPU
La toxicidad es la única tarea en la que la tabla de Liquid lo pone primero (95,8 en Civil Comments). Una pregunta de sí o no por comentario no necesita generación, y float16 mantuvo la misma respuesta principal que float32 en las 243 filas de texto que comprobó Liquid.
Antes de decidirte
- Puesta en marcha
- pip install de transformers 5.15 o posterior, torch, torchvision, pillow y soundfile; luego carga con trust_remote_code=True y llama a model.system_one(state, questions). Evita bfloat16, que cambió la respuesta principal en el 0,8% de las filas de texto y el 1,7% de las de audio en las pruebas de Liquid.
- Integraciones
- Las preguntas siguen el esquema de Decision Index (noul, choice y score), la misma forma que envían los clientes de Jev y pplx-decider; system_one_batch gestiona muchas peticiones por llamada. La API d1 alojada de Liquid sirve los modelos nuevos, no este.
- Datos y privacidad
- Se ejecuta en local, así que nada sale de tu máquina. La LFM Open License v1.0 concede uso comercial solo a organizaciones con menos de 10 millones de dólares de ingresos anuales y a organizaciones sin ánimo de lucro que cumplan los requisitos.
- Coste a escala
- Gratis de ejecutar; con 587M parámetros cabe en la CPU de un portátil o en una GPU pequeña. Liquid no publica cifras de hardware ni de velocidad para este checkpoint; el índice de la comunidad midió una mediana de 10,9 ms en una RTX PRO 6000.
- Límites
- Contexto de 16.384 tokens, recortado a 896 tokens de texto cuando hay imágenes; imágenes o audio por petición, no ambos; los clips de audio se cortan a los 30 segundos. Error de calibración esperado de 0,128 en el índice de la comunidad.
Lo bueno
- Texto, imágenes o un clip de voz de 30 segundos en un solo modelo de 587M
- 95,8 en toxicidad de Civil Comments (declarado por el fabricante)
- Mediana de 10,9 ms por petición en el índice de la comunidad
- Cero tokens de salida; las respuestas llegan con probabilidades
Lo malo
- 11,75 en el Decision Index 0.4.1 de la comunidad, puesto 228 de 247
- Superado por d1-Omni-2B en todos los benchmarks que publica Liquid
- Las respuestas de imagen y audio no están calibradas
- Sin licencia comercial a partir de 10 M$ de ingresos anuales
Ideal para
Investigadores y aficionados que prueban hasta dónde puede encogerse un modelo de decisión con audio, no equipos que eligen un clasificador para producción.
Alternativas a d1-omni-600M
d1-omni-600M: preguntas frecuentes
- ¿Merece la pena d1-omni-600M?
- Una curiosidad más que un componente: diminuto y rápido, pero ocupa el puesto 228 de 247 en el índice de decisión de la comunidad y su propio creador ya lo ha sustituido. Le damos un 3.0 sobre 5.
- ¿Cuánto cuesta d1-omni-600M?
- Pesos gratuitos bajo la LFM Open License v1.0; el uso comercial requiere una licencia de Liquid AI a partir de 10 millones de dólares de ingresos anuales. No hay endpoint alojado para este checkpoint.
- ¿Qué inconvenientes tiene d1-omni-600M?
- 11,75 en el Decision Index 0.4.1 de la comunidad, puesto 228 de 247; superado por d1-Omni-2B en todos los benchmarks que publica Liquid; las respuestas de imagen y audio no están calibradas; sin licencia comercial a partir de 10 M$ de ingresos anuales.
- ¿Para quién es d1-omni-600M?
- Investigadores y aficionados que prueban hasta dónde puede encogerse un modelo de decisión con audio, no equipos que eligen un clasificador para producción.
- ¿Cuánto cuesta d1-omni-600M para un equipo o en producción?
- Gratis de ejecutar; con 587M parámetros cabe en la CPU de un portátil o en una GPU pequeña. Liquid no publica cifras de hardware ni de velocidad para este checkpoint; el índice de la comunidad midió una mediana de 10,9 ms en una RTX PRO 6000.
- ¿Es d1-omni-600M seguro para los datos de la empresa?
- Se ejecuta en local, así que nada sale de tu máquina. La LFM Open License v1.0 concede uso comercial solo a organizaciones con menos de 10 millones de dólares de ingresos anuales y a organizaciones sin ánimo de lucro que cumplan los requisitos.
- ¿Cuáles son las mejores alternativas a d1-omni-600M?
- Las alternativas más cercanas que hemos analizado son LFM3, Perplexity Decider (pplx-decider), d3-turbo (vLLM Semantic Router) y Jev.
Respuestas comprobadas el 31 oct 2026.