概览
Liquid AI 开放权重的 3B 多模态「决策模型」：输入文本、JSON 或图片和一组问题，单次前向直接返回带概率的是 / 否、选项或评分，不生成任何 token；RTX 4090 上单个判断约 8 毫秒，适合路由、审核、分类、LLM 评审和智能体护栏。 能力要点：零输出 token：一次前向传播回答同一输入上的多个具名问题，返回校准过的概率而不是生成文字；不是聊天模型；三种题型：noul（是 / 否，返回 P(yes)）、choice（从命名选项中选一个，附置信度和各选项概率）、score（2–10 级有序评分）；多模态：同一输入里可混合文本、JSON 和图片；11 项公开图像基准平均 74.1（基座 LFM2.5-VL-3B 为 73.9）；Decision Index v0.2.1 公开集 48.57：10B 以下决策模型最高，略高于参数约 12 倍的 Decider 35B-A3B（47.11）；7 项公开文本基准均值 82.9（SQuAD2 85.3、Civil Comments 93.0、MASSIVE 87.3、PubMedQA 66.0、BoolQ 86.7、XNLI 85.0、PAWS-X 76.9）；延迟（单个问题）：RTX 4090 8 ms、AMD MI325X 9 ms、Apple M5 Pro 30 ms、Jetson AGX Thor 16 ms、Jetson AGX Orin 26 ms、Jetson Orin Nano 50 ms；3.12B 参数，视觉编码器 SigLIP2 NaFlex 400M，上下文 32,768 token，词表 128,000；首日支持 llama.cpp；官方标注语言：中文、英语、日语、韩语、阿拉伯语、法语、德语、印地语、印尼语、意大利语、波兰语、葡萄牙语、俄语、西班牙语、泰语、越南语。 d1-3B 是 Liquid AI 于 2026 年 10 月 7 日开放权重的决策模型（同时发布的还有实验性的 d1-omni-600M），基于自家视觉语言模型 LFM2.5-VL-3B 后训练而来。和常见大模型不同，它不逐字生成回答：你给出一个「状态」（一段文本、任意 JSON、图片，或混合）和若干具名问题，模型在一次前向传播里给出每个问题的结构化答案和概率，返回结果里 output_tokens 恒为 0。官方推荐的用途是流水线里所有需要「是 / 否、从几个选项里挑一个、打个分」的环节：工单路由与分级、内容审核、意图和主题分类、抽取结果校验、重排序、LLM-as-a-judge 打分、智能体护栏和视觉质检。 因为只做一次前向，延迟非常低：RTX 4090（开启 CUDA Graph）单个问题 8 ms，一次回答 3 个问题 21 ms，64 个请求打包吞吐约每秒 475 次；在 NVIDIA Jetson Orin Nano 这类小型边缘设备上单个问题也只要 50 ms。官方给出的 Decision Index v0.2.1（公开集）成绩为 48.57，是 10B 以下最高，与 35B 参数的 Decider 35B-A3B 相当。 许可为 LFM Open License v1.0：可免费使用、修改和分发，但年收入达到或超过 1000 万美元的企业做商业使用不在授权范围内（符合条件的非营利机构用于非商业或研究目的不受此限）。模型只提供开放权重，本轮未核到托管 API 价格，因此价格字段留空。 上手方式：pip install "transformers>=5.14" torch torchvision pillow，用 AutoModel.from_pretrained("LiquidAI/d1-3B", trust_remote_code=True) 加载，然后调用 model.system_one(状态, 问题字典)，例如对「这个月被扣了两次款，请退一笔」同时问「是否要求退款（noul）」「该转给哪个团队（choice：billing / technical / fraud）」「紧急程度（score）」；批量请求用 system_one_batch。Hugging Face 上有 10 个现成演示的 Open d1 Arcade 空间。来源：liquid.ai/blog/d1-open、huggingface.co/LiquidAI/d1-3B 模型卡与 LICENSE（2026-10-08 核对）。 API ID：无托管 API（Hugging Face 模型 ID：LiquidAI/d1-3B）；最大输出：不生成 token（输出为结构化判断，output_tokens 恒为 0）；上下文 32,768 token；许可 LFM Open License v1.0。
- 模态
- 多模态
- 参数量
- 3.12B
- 许可说明
- 开源 · LFM Open License v1.0（年收入 ≥1000 万美元企业的商业使用不在授权内）
能力
- 零输出 token：一次前向传播回答同一输入上的多个具名问题，返回校准过的概率而不是生成文字；不是聊天模型
- 三种题型：noul（是 / 否，返回 P(yes)）、choice（从命名选项中选一个，附置信度和各选项概率）、score（2–10 级有序评分）
- 多模态：同一输入里可混合文本、JSON 和图片；11 项公开图像基准平均 74.1（基座 LFM2.5-VL-3B 为 73.9）
- Decision Index v0.2.1 公开集 48.57：10B 以下决策模型最高，略高于参数约 12 倍的 Decider 35B-A3B（47.11）
- 7 项公开文本基准均值 82.9（SQuAD2 85.3、Civil Comments 93.0、MASSIVE 87.3、PubMedQA 66.0、BoolQ 86.7、XNLI 85.0、PAWS-X 76.9）
- 延迟（单个问题）：RTX 4090 8 ms、AMD MI325X 9 ms、Apple M5 Pro 30 ms、Jetson AGX Thor 16 ms、Jetson AGX Orin 26 ms、Jetson Orin Nano 50 ms
- 3.12B 参数，视觉编码器 SigLIP2 NaFlex 400M，上下文 32,768 token，词表 128,000；首日支持 llama.cpp
- 官方标注语言：中文、英语、日语、韩语、阿拉伯语、法语、德语、印地语、印尼语、意大利语、波兰语、葡萄牙语、俄语、西班牙语、泰语、越南语