d1-omni-600Mの料金は？

重みはLFM Open License v1.0で無料。年間売上が1,000万ドル（$10 million）以上の場合、商用利用にはLiquid AIのライセンスが必要です。このチェックポイントのホスト型エンドポイントはありません。

d1-omni-600Mの欠点は？

コミュニティのDecision Index 0.4.1で11.75、247件中228位; Liquidが報告するすべてのベンチマークでd1-Omni-2Bに上回られています; 画像と音声の回答は較正されていません; 年間売上1,000万ドル（$10M）以上では商用ライセンスがありません.

チームや本番環境でd1-omni-600Mを使うと費用はいくらか？

無料で動かせます。587Mパラメータなので、ノートPCのCPUや小型GPUに収まります。Liquidはこのチェックポイントのハードウェアや速度の数値を公開していません。コミュニティの指数では、RTX PRO 6000で中央値10.9 msを計測しました。

d1-omni-600Mは企業データを扱っても安全か？

ローカルで動作するため、データは手元のマシンから出ません。LFM Open License v1.0が商用利用を認めるのは、年間売上1,000万ドル未満の組織と条件を満たす非営利団体だけです。

d1-omni-600Mの代わりになるものは？

当サイトでレビューした中で最も近い代替はLFM3, Perplexity Decider (pplx-decider), d3-turbo (vLLM Semantic Router) 、 Jevです。

d1-omni-600M レビュー：料金と評価 (2026)

d1-omni-600Mとは？

d1-omni-600MはLiquid AIの小型のオープンウェイト判定モデルで、2026年10月7日に、より大きなd1-3BとともにHugging Faceで公開されました。テキストは書き出しません。状態（文字列、JSON、画像、または30秒までの音声クリップ1つ）と名前付きの質問のセットを渡すと、yes/noの確率、名前付きの選択肢からの選択、または順序付きの尺度上のスコアを返します。これらはモデルの出力分布から直接読み取られ、出力トークンはゼロです。

パラメータは5億8,700万（587M）です。内訳は、双方向のLFM2.5-Encoder-350Mを基にした381Mの共有トランクと判定ヘッド、94MのSigLIP2ビジョンエンコーダ、112MのFastConformer音声エンコーダです。コンテキストは16,384トークンですが、画像がある場合はテキスト部分が896トークンに切り詰められ、1リクエストで扱えるのは画像か音声のどちらかで、両方は使えません。Liquidはこれを初期の研究用チェックポイントと位置づけ、速度の数値は公開していません。

重みはLFM Open License v1.0で、年間売上が1,000万ドル（$10 million）以上の組織には商用利用の権利が与えられません。10月27日、LiquidはLFM3の一部としてd1-Omni-2Bを公開し、自社のモデルカードで新モデルがすべてのベンチマークでd1-omni-600Mを上回るとしています。

d1-omni-600Mは使う価値があるか？

d1-omni-600Mが注目に値するのは、回答の質ではなく受け付ける入力の幅です。音声クリップを受け付ける判定モデルは少なく、6億（600 million）パラメータ未満でそれができるものはさらに少数です。問題は精度です。Liquid自身のモデルカードでは、Decision Index 0.2.1で15.95とされ、d1-3Bの48.57、2.3BのDecider 2Bの28.97を下回ります。RTX PRO 6000 1枚で実行され、10月29日に更新されたコミュニティのJev Decision Index 0.4.1では11.75で、247件中228位です。同じサイズのvLLM Semantic Routerのd3-edge（17.69）にも及びません。

モデルカードに載っているテキストのみの数値は、範囲が狭い分だけ良く見えます。Civil Commentsの有害性判定で95.8、PAWS-Xの言い換え判定で79.5と、どちらもLiquidの比較表で最高で、7つの公開タスクの平均は78.4とDecider 2Bの77.1を上回ります。ただし、これらは単一スキルの分類作業で、ファインチューニングしたエンコーダが昔から得意としてきた種類のものです。知識や複数ステップのルールを伴う幅広い判定作業では崩れます。指数の知識分野で8.3、芸術分野で6.8です。

較正も弱いです。コミュニティの指数では期待較正誤差が0.128で、d1-3Bの0.047を大きく上回るため、独自の確認なしにその確率をしきい値として使うべきではありません。Liquidによれば、画像と音声の回答は生のsoftmaxで、テキストに適用されている種類別の温度は使われていません。

より重要なのは後継モデルの存在です。10月27日に公開されたd1-Omni-2Bは同じ3つのモダリティに対応し、LiquidはDecision Index v0.3の公開スイートで49.0対18.3、JevBench v1.4.1で75.3対58.0と報告しています。600Mモデルは、音声対応の判定モデルをどこまで小さくできるかの参考として、また20億パラメータが収まらないハードウェアでの実験用として、今も役に立ちます。

真価を発揮する場面

音声操作の家電プロトタイプを作る組み込みエンジニア
短い音声コマンドを、オフラインで少数のインテントのいずれかに振り分ける
16 kHzのクリップ1つと選択式の質問1つで、1回のパスでインテントと確率が返ります。音声の学習は英語の話者からアシスタントへの依頼に限られるため、自分のコマンドで試し、587Mモデルの誤り率が高すぎる場合はd1-Omni-2Bに移行してください。
小規模フォーラムのトラスト＆セーフティ担当エンジニア
CPUサーバー上で、投稿前に有害なコメントを検知する
有害性判定は、Liquidの表でこのモデルが首位に立つ唯一の作業です（Civil Commentsで95.8）。コメントごとのyes/no質問なら生成は不要で、Liquidが確認したテキスト243行すべてで、float16はfloat32と同じ最上位の回答を返しました。

導入前に確認すること

導入: transformers 5.15以降、torch、torchvision、pillow、soundfileをpip installし、trust_remote_code=Trueで読み込んでmodel.system_one(state, questions)を呼び出します。bfloat16は避けてください。Liquidの確認では、テキストの0.8%、音声の1.7%の行で最上位の回答が変わりました。
連携: 質問はDecision Indexのスキーマ（noul、choice、score）に従います。Jevやpplx-deciderのクライアントが送るのと同じ形式です。system_one_batchで1回の呼び出しに多数のリクエストをまとめられます。Liquidのホスト型d1 APIが提供するのは新しいモデルで、このモデルは含まれません。
データとプライバシー: ローカルで動作するため、データは手元のマシンから出ません。LFM Open License v1.0が商用利用を認めるのは、年間売上1,000万ドル未満の組織と条件を満たす非営利団体だけです。
大規模利用時のコスト: 無料で動かせます。587Mパラメータなので、ノートPCのCPUや小型GPUに収まります。Liquidはこのチェックポイントのハードウェアや速度の数値を公開していません。コミュニティの指数では、RTX PRO 6000で中央値10.9 msを計測しました。
制限: コンテキストは16,384トークンで、画像を添付するとテキストは896トークンに切り詰められます。1リクエストで画像か音声のどちらかのみ。音声クリップは30秒までです。コミュニティの指数での期待較正誤差は0.128です。

良い点

587Mのモデル1つで、テキスト、画像、30秒の音声クリップに対応
Civil Commentsの有害性判定で95.8（自己申告）
コミュニティの指数で1リクエストあたり中央値10.9 ms
出力トークンはゼロで、回答に確率が付きます

気になる点

コミュニティのDecision Index 0.4.1で11.75、247件中228位
Liquidが報告するすべてのベンチマークでd1-Omni-2Bに上回られています
画像と音声の回答は較正されていません
年間売上1,000万ドル（$10M）以上では商用ライセンスがありません

d1-omni-600Mの代替

LFM3

Liquid AISmall & on-deviceOpen weights

4.0/5

Liquid AI's family of six 2B models for text, vision, audio, omni and typed decisions, all grown from one 1.7B base.

Perplexity Decider (pplx-decider)

PerplexityDecision modelsOpen weights

4.5/5

Perplexity's open 27B and 4B decision models, also sold as a $0.02-per-million-token API: text and images in, probabilities out.

d3-turbo (vLLM Semantic Router)

vLLM Semantic RouterDecision modelsOpen weights

4.1/5

vLLM Semantic Router's upgraded 27B decision model: reads an input once, answers up to 255 questions, and locates objects in video.

Jev

TypeSafe AIDecision models

3.8/5

TypeSafe AI's hosted decision model: typed choices, scores and yes/no probabilities for $0.042 per million input tokens, output free.

d1-omni-600M：よくある質問

d1-omni-600Mは使う価値があるか？: 部品というより珍品です。小さく高速ですが、コミュニティの判定指数では247件中228位で、開発元自身がすでに後継に置き換えています。評価は5点満点中3.0点です。
d1-omni-600Mの料金は？: 重みはLFM Open License v1.0で無料。年間売上が1,000万ドル（$10 million）以上の場合、商用利用にはLiquid AIのライセンスが必要です。このチェックポイントのホスト型エンドポイントはありません。
d1-omni-600Mの欠点は？: コミュニティのDecision Index 0.4.1で11.75、247件中228位; Liquidが報告するすべてのベンチマークでd1-Omni-2Bに上回られています; 画像と音声の回答は較正されていません; 年間売上1,000万ドル（$10M）以上では商用ライセンスがありません.
d1-omni-600Mは誰に向いているか？: 音声対応の判定モデルをどこまで小さくできるかを試す研究者や趣味の開発者。本番用の分類器を選ぶチーム向けではありません。
チームや本番環境でd1-omni-600Mを使うと費用はいくらか？: 無料で動かせます。587Mパラメータなので、ノートPCのCPUや小型GPUに収まります。Liquidはこのチェックポイントのハードウェアや速度の数値を公開していません。コミュニティの指数では、RTX PRO 6000で中央値10.9 msを計測しました。
d1-omni-600Mは企業データを扱っても安全か？: ローカルで動作するため、データは手元のマシンから出ません。LFM Open License v1.0が商用利用を認めるのは、年間売上1,000万ドル未満の組織と条件を満たす非営利団体だけです。
d1-omni-600Mの代わりになるものは？: 当サイトでレビューした中で最も近い代替はLFM3, Perplexity Decider (pplx-decider), d3-turbo (vLLM Semantic Router) 、 Jevです。

回答確認日：2026年10月31日