O que é d1-omni-600M?
d1-omni-600M é um pequeno modelo de decisão de pesos abertos da Liquid AI, lançado no Hugging Face em 7 de outubro de 2026 junto com o d1-3B, maior. Ele não escreve texto. Você passa um estado (uma string, JSON, imagens ou um clipe de voz de até 30 segundos) e um conjunto de perguntas nomeadas, e ele devolve uma probabilidade de sim/não, uma escolha entre opções nomeadas ou uma nota em uma escala ordenada, lida diretamente da distribuição de saída do modelo com zero tokens de saída.
Ele tem 587 milhões de parâmetros: um tronco compartilhado e uma cabeça de decisão de 381M construídos sobre o LFM2.5-Encoder-350M bidirecional, um encoder de visão SigLIP2 de 94M e um encoder de áudio FastConformer de 112M. O contexto é de 16.384 tokens, mas com imagens a parte de texto é cortada para 896 tokens, e uma requisição pode levar imagens ou áudio, não os dois. A Liquid o chama de checkpoint de pesquisa inicial e não publica números de velocidade para ele.
Os pesos estão sob a LFM Open License v1.0, que nega direitos comerciais a organizações com receita anual de US$ 10 milhões ou mais. Em 27 de outubro a Liquid lançou o d1-Omni-2B como parte do LFM3, e o próprio card dele diz que o modelo mais novo pontua acima do d1-omni-600M em todos os benchmarks.
d1-omni-600M vale a pena?
O d1-omni-600M chama atenção pelo que aceita, não por quão bem responde. Poucos modelos de decisão aceitam um clipe de voz, e menos ainda com menos de 600 milhões de parâmetros. A precisão é o problema. O próprio card da Liquid o coloca com 15,95 no Decision Index 0.2.1, contra 48,57 do d1-3B e 28,97 do Decider 2B, de 2,3B. O Jev Decision Index 0.4.1 da comunidade, rodado em uma RTX PRO 6000 e atualizado em 29 de outubro, dá a ele 11,75 e o coloca em 228º de 247 entradas, atrás do d3-edge do vLLM Semantic Router (17,69), do mesmo tamanho.
Os números só de texto no card são mais generosos porque são mais estreitos: 95,8 em toxicidade no Civil Comments e 79,5 em paráfrase no PAWS-X, ambos os melhores da tabela comparativa da Liquid, e média de 78,4 em sete tarefas públicas contra 77,1 do Decider 2B. São tarefas de classificação de uma habilidade só, do tipo que um encoder com fine-tuning sempre fez bem. O trabalho de decisão amplo, com conhecimento e regras de várias etapas, é onde ele desmorona: 8,3 na área de conhecimento do índice e 6,8 em artes.
A calibração também é fraca. No índice da comunidade, o erro de calibração esperado é 0,128, contra 0,047 do d1-3B, então suas probabilidades não devem ser usadas como limiares sem verificações próprias. A Liquid diz que as respostas de imagem e áudio são o softmax bruto, sem as temperaturas por tipo aplicadas ao texto.
O fato mais importante é o sucessor. O d1-Omni-2B, lançado em 27 de outubro, aceita as mesmas três modalidades, e a Liquid informa 49,0 contra 18,3 na suíte pública do Decision Index v0.3 e 75,3 contra 58,0 no JevBench v1.4.1. O modelo de 600M continua útil como referência de até onde um modelo de decisão com áudio pode encolher e para experimentos em hardware onde 2 bilhões de parâmetros não cabem.
Onde ele se destaca
Um engenheiro de sistemas embarcados construindo o protótipo de um aparelho controlado por voz
Encaminhar comandos falados curtos para uma de poucas intenções, offline
Um clipe de 16 kHz e uma pergunta de escolha devolvem uma intenção com probabilidades em uma única passagem. O treinamento de áudio cobriu só pedidos em inglês de um falante a um assistente, então teste seus próprios comandos e passe para o d1-Omni-2B se a taxa de erro do modelo de 587M for alta demais.
Um engenheiro de trust and safety em um fórum pequeno
Sinalizar comentários tóxicos antes de serem publicados, em um servidor de CPU
Toxicidade é a única tarefa em que a tabela da Liquid o coloca em primeiro (95,8 no Civil Comments). Uma pergunta de sim/não por comentário não exige geração, e float16 manteve a mesma resposta principal que float32 em todas as 243 linhas de texto que a Liquid verificou.
Antes de decidir
- Configuração
- pip install transformers 5.15 ou posterior, torch, torchvision, pillow e soundfile, depois carregue com trust_remote_code=True e chame model.system_one(state, questions). Evite bfloat16, que mudou a resposta principal em 0,8% das linhas de texto e 1,7% das de áudio nas verificações da Liquid.
- Integrações
- As perguntas seguem o schema do Decision Index (noul, choice e score), o mesmo formato que os clientes Jev e pplx-decider enviam; system_one_batch processa muitas requisições por chamada. A API d1 hospedada da Liquid serve os modelos mais novos, não este.
- Dados e privacidade
- Roda localmente, então nada sai da sua máquina. A LFM Open License v1.0 concede uso comercial só a organizações com menos de US$ 10 milhões de receita anual e a organizações sem fins lucrativos qualificadas.
- Custo em escala
- Gratuito para rodar; com 587M de parâmetros cabe na CPU de um notebook ou em uma GPU pequena. A Liquid não publica números de hardware ou velocidade para este checkpoint; o índice da comunidade mediu uma mediana de 10,9 ms em uma RTX PRO 6000.
- Limites
- Contexto de 16.384 tokens, cortado para 896 tokens de texto quando há imagens anexadas; imagens ou áudio por requisição, não os dois; clipes de áudio param em 30 segundos. Erro de calibração esperado de 0,128 no índice da comunidade.
O que é bom
- Texto, imagens ou um clipe de voz de 30 segundos em um único modelo de 587M
- 95,8 em toxicidade no Civil Comments (autodeclarado)
- Mediana de 10,9 ms por requisição no índice da comunidade
- Zero tokens de saída; as respostas vêm com probabilidades
O que não é
- 11,75 no Decision Index 0.4.1 da comunidade, 228º de 247
- Superado pelo d1-Omni-2B em todos os benchmarks que a Liquid informa
- Respostas de imagem e áudio não são calibradas
- Sem licença comercial a partir de US$ 10M de receita anual
Ideal para
Pesquisadores e entusiastas que testam até onde um modelo de decisão com áudio pode encolher, não equipes escolhendo um classificador para produção.
Alternativas ao d1-omni-600M
d1-omni-600M: perguntas frequentes
- d1-omni-600M vale a pena?
- Uma curiosidade, não um componente: minúsculo e rápido, mas fica em 228º de 247 no índice de decisão da comunidade e o próprio fabricante já o substituiu. Damos nota 3.0 de 5.
- Quanto custa d1-omni-600M?
- Pesos gratuitos sob a LFM Open License v1.0; o uso comercial exige licença da Liquid AI a partir de US$ 10 milhões de receita anual. Não há endpoint hospedado para este checkpoint.
- Quais são as desvantagens de d1-omni-600M?
- 11,75 no Decision Index 0.4.1 da comunidade, 228º de 247; superado pelo d1-Omni-2B em todos os benchmarks que a Liquid informa; respostas de imagem e áudio não são calibradas; sem licença comercial a partir de US$ 10M de receita anual.
- Para quem d1-omni-600M é indicado?
- Pesquisadores e entusiastas que testam até onde um modelo de decisão com áudio pode encolher, não equipes escolhendo um classificador para produção.
- Quanto custa d1-omni-600M para uma equipe ou em produção?
- Gratuito para rodar; com 587M de parâmetros cabe na CPU de um notebook ou em uma GPU pequena. A Liquid não publica números de hardware ou velocidade para este checkpoint; o índice da comunidade mediu uma mediana de 10,9 ms em uma RTX PRO 6000.
- d1-omni-600M é seguro para dados da empresa?
- Roda localmente, então nada sai da sua máquina. A LFM Open License v1.0 concede uso comercial só a organizações com menos de US$ 10 milhões de receita anual e a organizações sem fins lucrativos qualificadas.
- Quais são as melhores alternativas ao d1-omni-600M?
- As alternativas mais próximas que analisamos são LFM3, Perplexity Decider (pplx-decider), d3-turbo (vLLM Semantic Router) e Jev.
Respostas verificadas em 31 de out. de 2026.