d1-omni-600M의 개요
d1-omni-600M은 Liquid AI의 소형 오픈 웨이트 판정 모델로, 2026년 10월 7일 더 큰 d1-3B와 함께 Hugging Face에 공개되었습니다. 텍스트는 생성하지 않습니다. 상태(문자열, JSON, 이미지 또는 30초 이하 음성 클립 하나)와 이름이 붙은 질문 묶음을 넘기면, 예/아니오 확률, 이름 붙은 선택지 중 하나, 또는 순서형 척도의 점수를 돌려줍니다. 이 값은 모델의 출력 분포에서 바로 읽어 내며 출력 토큰은 0개입니다.
파라미터는 5억 8,700만(587 million) 개입니다. 양방향 LFM2.5-Encoder-350M을 기반으로 한 381M 공유 트렁크와 판정 헤드, 94M SigLIP2 비전 인코더, 112M FastConformer 오디오 인코더로 이루어져 있습니다. 컨텍스트는 16,384 토큰이지만 이미지를 붙이면 텍스트 부분이 896 토큰으로 잘리며, 요청 하나에 이미지나 오디오 중 하나만 넣을 수 있고 둘 다는 안 됩니다. Liquid는 이 모델을 초기 연구용 체크포인트라고 부르며 속도 수치는 공개하지 않습니다.
가중치는 LFM Open License v1.0을 따르며, 연 매출 1,000만 달러($10 million) 이상인 조직에는 상업적 사용 권리를 주지 않습니다. 10월 27일 Liquid는 LFM3의 일부로 d1-Omni-2B를 내놓았고, 자체 모델 카드에서 새 모델이 모든 벤치마크에서 d1-omni-600M보다 높다고 밝혔습니다.
d1-omni-600M, 쓸 만한 가치가 있습니까?
d1-omni-600M이 눈에 띄는 것은 답을 얼마나 잘하느냐가 아니라 무엇을 입력으로 받느냐 때문입니다. 음성 클립을 받는 판정 모델은 드물고, 6억(600 million) 파라미터 미만으로 그렇게 하는 모델은 더 드뭅니다. 문제는 정확도입니다. Liquid 자체 모델 카드에 따르면 Decision Index 0.2.1에서 15.95점으로, d1-3B의 48.57점과 2.3B 규모인 Decider 2B의 28.97점에 못 미칩니다. RTX PRO 6000 한 장에서 돌리고 10월 29일에 갱신된 커뮤니티 Jev Decision Index 0.4.1에서는 11.75점으로 247개 항목 중 228위이며, 같은 크기인 vLLM Semantic Router의 d3-edge(17.69)보다도 뒤입니다.
모델 카드의 텍스트 전용 수치는 범위가 좁은 만큼 더 후합니다. Civil Comments 유해성 판정에서 95.8점, PAWS-X 의역 판정에서 79.5점으로 둘 다 Liquid 비교표에서 최고이며, 공개 과제 일곱 개 평균은 78.4점으로 Decider 2B의 77.1점보다 높습니다. 그러나 이는 단일 기능 분류 작업으로, 미세 조정한 인코더가 원래 잘해 온 종류의 일입니다. 지식과 여러 단계의 규칙이 필요한 폭넓은 판정 작업에서는 무너집니다. 지수의 지식 영역에서 8.3점, 예술 영역에서 6.8점입니다.
보정도 약합니다. 커뮤니티 지수에서 기대 보정 오차는 0.128로 d1-3B의 0.047보다 크므로, 직접 검증하지 않고 이 확률을 임계값으로 써서는 안 됩니다. Liquid에 따르면 이미지와 오디오 답변은 텍스트에 적용되는 유형별 온도 없이 원시 softmax 값입니다.
더 중요한 사실은 후속 모델입니다. 10월 27일 나온 d1-Omni-2B는 같은 세 가지 모달리티를 받으며, Liquid는 Decision Index v0.3 공개 세트에서 49.0 대 18.3, JevBench v1.4.1에서 75.3 대 58.0이라고 보고합니다. 600M 모델은 오디오를 다루는 판정 모델을 얼마나 작게 만들 수 있는지 보여 주는 참고 자료로서, 그리고 20억(2 billion) 파라미터가 들어가지 않는 하드웨어에서의 실험용으로는 여전히 쓸모가 있습니다.
제 역할을 하는 곳
음성으로 조작하는 가전 시제품을 만드는 임베디드 엔지니어
짧은 음성 명령을 오프라인에서 몇 가지 의도 중 하나로 분류하기
16 kHz 클립 하나와 선택형 질문 하나를 넣으면 한 번의 처리로 확률이 붙은 의도가 나옵니다. 오디오 학습은 영어로 사람이 비서에게 하는 요청만 다뤘으므로 직접 쓸 명령으로 시험해 보고, 587M 모델의 오류율이 너무 높으면 d1-Omni-2B로 옮기십시오.
소규모 포럼의 신뢰·안전 엔지니어
CPU 서버에서 유해 댓글을 게시 전에 걸러 내기
유해성 판정은 Liquid 표에서 이 모델이 1위인 유일한 작업입니다(Civil Comments 95.8점). 댓글마다 예/아니오 질문 하나면 생성이 필요 없으며, Liquid가 확인한 텍스트 243행 모두에서 float16은 float32와 같은 최상위 답을 냈습니다.
도입 전 확인할 점
- 설정
- pip로 transformers 5.15 이상, torch, torchvision, pillow, soundfile을 설치한 뒤 trust_remote_code=True로 불러와 model.system_one(state, questions)를 호출합니다. bfloat16은 피하십시오. Liquid의 확인에서 텍스트 행의 0.8%, 오디오 행의 1.7%에서 최상위 답이 바뀌었습니다.
- 연동
- 질문은 Decision Index 스키마(noul, choice, score)를 따르며, Jev와 pplx-decider 클라이언트가 보내는 것과 같은 형태입니다. system_one_batch로 호출 한 번에 여러 요청을 처리할 수 있습니다. Liquid의 호스팅 d1 API는 이 모델이 아니라 더 새로운 모델을 제공합니다.
- 데이터와 개인정보
- 로컬에서 실행되므로 데이터가 기기 밖으로 나가지 않습니다. LFM Open License v1.0은 연 매출 1,000만 달러($10 million) 미만 조직과 자격을 갖춘 비영리 단체에만 상업적 사용을 허용합니다.
- 대규모 사용 시 비용
- 무료로 실행할 수 있으며, 587M 파라미터라 노트북 CPU나 작은 GPU에 들어갑니다. Liquid는 이 체크포인트의 하드웨어나 속도 수치를 공개하지 않습니다. 커뮤니티 지수는 RTX PRO 6000에서 중앙값 10.9 ms를 측정했습니다.
- 제한
- 16,384 토큰 컨텍스트이며, 이미지를 붙이면 텍스트는 896 토큰으로 잘립니다. 요청당 이미지나 오디오 중 하나만 가능하고 둘 다는 안 됩니다. 오디오 클립은 30초에서 끊깁니다. 커뮤니티 지수의 기대 보정 오차는 0.128입니다.
좋은 점
- 587M 모델 하나로 텍스트, 이미지, 30초 음성 클립 처리
- Civil Comments 유해성 판정 95.8점(자체 보고)
- 커뮤니티 지수에서 요청당 중앙값 10.9 ms
- 출력 토큰 0개. 답변에 확률이 함께 나옴
아쉬운 점
- 커뮤니티 Decision Index 0.4.1에서 11.75점, 247개 중 228위
- Liquid가 보고한 모든 벤치마크에서 d1-Omni-2B에 밀려 대체됨
- 이미지와 오디오 답변은 보정되지 않음
- 연 매출 $10M 이상이면 상업적 라이선스 없음
추천 대상
오디오를 다루는 판정 모델을 얼마나 줄일 수 있는지 시험하는 연구자와 취미 개발자. 프로덕션 분류기를 고르는 팀에는 맞지 않습니다.
d1-omni-600M 대안
d1-omni-600M: 자주 묻는 질문
- d1-omni-600M, 쓸 만한 가치가 있습니까?
- 부품이라기보다 흥밋거리입니다. 작고 빠르지만 커뮤니티 판정 지수에서 247개 중 228위이며, 개발사가 이미 다른 모델로 대체했습니다. 평점은 5점 만점에 3.0점입니다.
- d1-omni-600M의 가격은 얼마입니까?
- 가중치는 LFM Open License v1.0으로 무료. 연 매출 1,000만 달러($10 million) 이상이면 상업적 사용에 Liquid AI의 라이선스가 필요합니다. 이 체크포인트용 호스팅 엔드포인트는 없습니다.
- d1-omni-600M의 단점은 무엇입니까?
- 커뮤니티 Decision Index 0.4.1에서 11.75점, 247개 중 228위; Liquid가 보고한 모든 벤치마크에서 d1-Omni-2B 에 밀려 대체됨; 이미지와 오디오 답변은 보정되지 않음; 연 매출 $10M 이상이면 상업적 라이선스 없음.
- d1-omni-600M에 적합한 사람은 누구입니까?
- 오디오를 다루는 판정 모델을 얼마나 줄일 수 있는지 시험하는 연구자와 취미 개발자. 프로덕션 분류기를 고르는 팀에는 맞지 않습니다.
- 팀이나 프로덕션 환경에서 d1-omni-600M의 비용은 얼마입니까?
- 무료로 실행할 수 있으며, 587M 파라미터라 노트북 CPU나 작은 GPU에 들어갑니다. Liquid는 이 체크포인트의 하드웨어나 속도 수치를 공개하지 않습니다. 커뮤니티 지수는 RTX PRO 6000에서 중앙값 10.9 ms를 측정했습니다.
- d1-omni-600M에 회사 데이터를 맡겨도 안전합니까?
- 로컬에서 실행되므로 데이터가 기기 밖으로 나가지 않습니다. LFM Open License v1.0은 연 매출 1,000만 달러($10 million) 미만 조직과 자격을 갖춘 비영리 단체에만 상업적 사용을 허용합니다.
- d1-omni-600M의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 LFM3, Perplexity Decider (pplx-decider), d3-turbo (vLLM Semantic Router) 및 Jev입니다.
답변 확인일: 2026년 10월 31일.