Qu’est-ce que d3-turbo (vLLM Semantic Router) ?
d3-turbo est le modèle de décision multimodal 27B amélioré de Decision 3.0, du projet vLLM Semantic Router. Il a été publié sur Hugging Face le 19 octobre 2026 sous Apache 2.0, neuf jours après d3, comme un jeu de poids distinct affiné depuis Qwen3.8-27B (26,09 milliards de paramètres, dont un encodeur de vision de 0,46B). Il sert désormais l'API gratuite sur decision.vllm-sr.ai, où le nom vllm-sr/d3 en est un alias.
Comme d3, il répond à des questions de choix, oui/non et score avec une probabilité pour chaque option, sans générer de texte. Il ajoute les réponses Box (où un objet se trouve dans une image ou à un moment d'une vidéo, avec une confiance), le suivi de vidéo entière, des images placées dans les questions et les options, et un mode long contexte de 131 072 tokens par question, contre 32 768 par défaut.
Son principal changement architectural est de lire l'entrée une fois par requête et de répondre à chaque question à partir de cette seule lecture. La prise en charge de vLLM standard et les versions quantifiées étaient encore en attente au moment de notre vérification ; il tourne via Transformers ou le mode Engine propre du Semantic Router.
d3-turbo (vLLM Semantic Router) vaut-il le coup ?
L'amélioration phare est architecturale, pas un saut au classement. Sur le Jev Decision Index communautaire, mis à jour le 22 octobre 2026, d3-turbo v1.1 se situe 10e sur 229 entrées avec une compétence équilibrée de 67,31, un cheveu au-dessus de d3 à 67,15. Son score sur suite publique est plus net, 71,62 contre 65,45 pour d3 après le rescore propre de l'index, et les estimations de la fiche de 70,2 sur le texte et 72,9 sur la vision sont celles de l'équipe, pas des résultats de board officiels.
Ce qui change l'économie, c'est la lecture unique. Selon la fiche, sur un seul AMD Instinct MI325X, 64 questions sur une photo prennent 867 ms sur d3-turbo contre 8,26 s sur le d3-flash 9B, et 255 questions prennent 2,12 s contre 32,94 s. Avec une seule question, l'ordre s'inverse : d3-flash répond en 154 ms, d3-turbo en 302 ms. Un pipeline de modération qui pose une douzaine de questions de politique à chaque import est là où il paie ; un routeur qui pose une question par prompt est mieux servi par un frère plus petit.
Les réponses Box et de suivi le portent au-delà de la classification. L'équipe rapporte une précision de 0,90 à un seuil de chevauchement de 0,5 sur son propre jeu Box et un F1 de présence de 0,97 sur ses clips de suivi. Chaque question Box renvoie exactement une boîte même quand l'objet est absent, si bien que la fiche conseille de l'associer à une question oui/non, un détail qui piégera quiconque le branche directement dans une règle d'alerte.
Le service est moins mûr que celui de d3. La pull request ajoutant le motif d'attention de d3-turbo à vLLM (#62584) était encore ouverte à notre date de vérification, il n'y a pas encore de versions FP8 ou 4 bits (le projet suit un paquet NVFP4 comme problème ouvert), et la voie Engine documentée vise AMD ROCm depuis le canal dev du routeur. À 26,09 milliards de paramètres BF16, les poids font environ 52 GB, ce qui exclut une seule carte de 24 GB jusqu'à ce que les versions quantifiées arrivent.
Là où il fait la différence
Un responsable trust-and-safety dans une place de marché qui vérifie 50 000 photos d'annonces par jour face à 20 règles de politique
Appliquer chaque règle à chaque photo sans payer 20 appels de modèle
Envoyer chaque photo avec les 20 règles comme questions oui/non en une requête ; les chiffres de la fiche placent 16 questions à 426 ms sur un MI325X, si bien que 50 000 annonces font environ six heures de GPU par jour. Les probabilités par règle permettent aux relecteurs de fixer des seuils distincts.
Un ingénieur en vision par ordinateur dans une entreprise d'analyse retail
Trouver si, et où, un produit apparaît dans des clips de caméra de magasin
Poser une question de présence oui/non et une question de suivi pour le produit sur chaque clip à une ou deux mises à jour par seconde. L'API gratuite accepte une vidéo jusqu'à 60 secondes ; le volume de production signifie auto-héberger les 52 GB de poids BF16.
Un responsable d'ingénierie qui fait déjà tourner d3 derrière l'API gratuite
Comprendre pourquoi les réponses ont changé sans changement de code
Le nom vllm-sr/d3 de l'API gratuite pointe désormais vers d3-turbo, si bien que les réponses peuvent différer de celles enregistrées avant la sortie de d3-turbo le 19 octobre. Épinglez un checkpoint auto-hébergé si la reproductibilité compte, et n'envoyez pas de données sensibles à l'API gratuite, qui journalise les requêtes pour améliorer les modèles.
Avant de vous engager
- Mise en route
- Installez Transformers 5.17.0 et chargez avec AutoModel et trust_remote_code, ou lancez vllm-sr serve vllm-sr/d3-turbo --engine --platform rocm depuis le canal dev du routeur. La fiche rapporte environ 2,5 minutes pour le premier démarrage Engine et 35 secondes ensuite.
- Intégrations
- Le format de requête System One partagé avec Jev, sur /v1/systemone de l'API gratuite et de l'Engine ; une méthode Transformers system_one() ; un Space Hugging Face. La prise en charge de vLLM standard est une pull request ouverte.
- Données et confidentialité
- Apache 2.0, hérité de Qwen3.8-27B ; usage commercial autorisé sans plafond de revenus. Auto-hébergé, les entrées restent sur votre matériel. L'API gratuite indique que les requêtes et réponses peuvent être journalisées pour améliorer les modèles.
- Coût à grande échelle
- Pas de prix hébergé. Les poids BF16 font environ 52 GB, soit un GPU de classe 80 GB par réplique ; la fiche ne publie aucun pic de mémoire, même si le d3 de même taille a culminé à 62 à 65 Gio. Les versions quantifiées ne sont pas encore disponibles.
- Limites
- 32 768 tokens par question par défaut, 131 072 avec long_context ; les questions trop longues renvoient max_length_exceeded plutôt que de tronquer. L'API gratuite plafonne les requêtes à 64 questions, 16 images de 16 Mio, une vidéo de 60 secondes et un délai de 35 secondes.
Les points forts
- 10e sur 229 sur le Decision Index communautaire (67,31)
- Une lecture répond à jusqu'à 255 questions : 2,12 s pour 255 sur un MI325X
- Réponses Box et de suivi vidéo avec confiances
- Apache 2.0 avec une API publique gratuite pour l'essayer
Les points faibles
- Plus lent que d3-flash pour les requêtes à une seule question
- Pas encore pris en charge dans vLLM standard ; pas de versions quantifiées
- L'API gratuite journalise les requêtes et n'a pas de SLA
- La plupart des chiffres sont ceux de l'équipe, sur du matériel AMD
Idéal pour
Les équipes avec des GPU qui posent de nombreuses questions oui/non, de choix ou de localisation sur le même texte, image ou vidéo et veulent des poids ouverts.
Alternatives à d3-turbo (vLLM Semantic Router)
d3-turbo (vLLM Semantic Router) : questions fréquentes
- d3-turbo (vLLM Semantic Router) vaut-il le coup ?
- d3-turbo gagne sa place quand une entrée fait face à de nombreuses questions, et coûte plus que d3-flash quand elle n'en fait face qu'à une. Nous lui donnons 4.1 sur 5.
- Combien coûte d3-turbo (vLLM Semantic Router) ?
- Poids gratuits sous Apache 2.0. Pas d'API hébergée payante ; une API publique gratuite avec journalisation et sans SLA.
- Quels sont les inconvénients de d3-turbo (vLLM Semantic Router) ?
- Plus lent que d3-flash pour les requêtes à une seule question; pas encore pris en charge dans vLLM standard ; pas de versions quantifiées; l'API gratuite journalise les requêtes et n'a pas de SLA; la plupart des chiffres sont ceux de l'équipe, sur du matériel AMD.
- À qui s’adresse d3-turbo (vLLM Semantic Router) ?
- Les équipes avec des GPU qui posent de nombreuses questions oui/non, de choix ou de localisation sur le même texte, image ou vidéo et veulent des poids ouverts.
- Combien coûte d3-turbo (vLLM Semantic Router) pour une équipe ou en production ?
- Pas de prix hébergé. Les poids BF16 font environ 52 GB, soit un GPU de classe 80 GB par réplique ; la fiche ne publie aucun pic de mémoire, même si le d3 de même taille a culminé à 62 à 65 Gio. Les versions quantifiées ne sont pas encore disponibles.
- d3-turbo (vLLM Semantic Router) est-il sûr pour les données de l’entreprise ?
- Apache 2.0, hérité de Qwen3.8-27B ; usage commercial autorisé sans plafond de revenus. Auto-hébergé, les entrées restent sur votre matériel. L'API gratuite indique que les requêtes et réponses peuvent être journalisées pour améliorer les modèles.
- Quelles sont les meilleures alternatives à d3-turbo (vLLM Semantic Router) ?
- Les alternatives les plus proches que nous avons testées sont d3 (vLLM Semantic Router), Perplexity Decider (pplx-decider), Jev, Clef et GLiNER2.5-Decide.
Réponses vérifiées le 23 oct. 2026.