d1-3B: 8 ms – 48,57, LFM 1.0, 10 mill. dollar-tak
Liquid AI slipper 7. oktober d1-3B og d1-omni-600M. 8 ms på RTX 4090, Decision Index 48,57, vekter på Hugging Face. Bloggen sier uten restriksjoner. LFM 1.0 stenger kommersiell bruk over 10 millioner dollar i årlig omsetning.
Liquid AI slipper 7. oktober 2026 d1-3B og d1-omni-600M, to åpne vekter i labens d1-familie. De skriver ikke tekst. De leser en tilstand og et sett typed spørsmål, og returnerer kalibrerte svar i ett fremoverpass uten ut-tokens.
Bloggen kaller vektene «uten restriksjoner». Modellkortet på Hugging Face peker på LFM Open License v1.0. Paragraf 5 stenger kommersiell bruk for juridiske enheter med 10 millioner dollar eller mer i årlig omsetning. For de fleste norske konsern er det lisens, ikke Apache.
Hva Liquid faktisk slipper
d1-3B har 3,12 milliarder parametere, 32 768 tokens kontekst og SigLIP2-visjonsenkoder. Basen er LFM2.5-VL-3B. Den tar tekst og bilder i samme tilstand. Hugging Face-kortet anbefaler den til ruting, triagering, moderering, intent, ekstraksjonsjekk, reranking, LLM-as-a-judge og agent-guardrails. Den er ikke en chatmodell.
d1-omni-600M er merket eksperimentell. 587 millioner parametere: 381M stamme, 94M visjon, 112M lyd. Den tar enten tekst og bilde, eller tekst og inntil 30 sekunder tale. Decision Index v0.2.1: 15,95. Liquid sier den er under aktiv utvikling.
Begge ligger på Hugging Face i dag. llama.cpp fra dag én, med NVFP4. Inferens er målt på NVIDIA DGX, RTX og Jetson, og på AMD MI325X. Transformers-last i labens eksempel krever trust_remote_code.
Tre spørsmålstyper, samme familie som Jev og Clef: noul (sannsynlighet for ja), choice (ett navngitt alternativ) og score (sannsynlighetsvektet nivå). Flere spørsmål kan ligge over samme tilstand i ett pass. Svaret er tall koden kan rute på, ikke prosa noen skal lese.
Tallene, og hva de ikke er
Liquid scorer d1-3B til 48,57 på Decision Index v0.2.1, offentlig split, med offisiell scorer. Laben skriver at det ikke er en innsending til ledertavlen. I deres tabell ligger den foran alle modeller under 10B, og foran Decider 35B-A3B på 47,11. Winnow-12B ligger foran på 50,02.
Egne tekstbenchmarks, syv sett:
| Benchmark | d1-omni-600M | d1-3B | Decider 2B | Decider 4B |
| SQuAD 2.0 | 74,0 | 85,3 | 67,7 | 76,0 |
| Civil Comments | 95,8 | 93,0 | 93,6 | 92,8 |
| MASSIVE intent | 86,1 | 87,3 | 81,1 | 88,3 |
| PubMedQA | 61,3 | 66,0 | 65,7 | 63,3 |
| BoolQ | 77,7 | 86,7 | 87,3 | 89,0 |
| XNLI | 74,7 | 85,0 | 85,0 | 88,6 |
| PAWS-X | 79,5 | 76,9 | 59,5 | 69,8 |
| Snitt | 78,4 | 82,9 | 77,1 | 81,1 |
d1-3B vinner snittet. Decider 4B vinner BoolQ, XNLI og MASSIVE. d1-omni vinner toksisitet og parafrase. Privat visjons-split i Decision Index v0.3 er ikke rapportert. Dedikerte lyd-beslutningsbenchmarks finnes ifølge laben ikke ennå.
Latens, labens egne varme kall, ett spørsmål:
| Maskin | ms |
| NVIDIA RTX 4090 | 8 |
| AMD MI325X | 9 |
| Jetson AGX Thor | 16 |
| Jetson AGX Orin 64 GB | 26 |
| Apple M5 Pro | 30 |
| Jetson Orin Nano | 50 |
Uten CUDA-graf på 4090: 16 ms. Tre spørsmål på Thor: 20 ms. 3,4k-token tilstand på Orin Nano: 1 640 ms. Bilde 384 px på 4090: 17 ms. Pakket gjennomstrømning: 475 per sekund på 4090, 1 106 på MI325X, 38 på Orin Nano.
NVIDIA er med i målingen og i en Isaac Sim-demo med Jetson i løkken. Det er leverandørtall, ikke en uavhengig SOC-test på norsk trafikk.
Lisensen er saken
LFM Open License v1.0 gir opphavs- og patentlisens, men kommersiell bruk er betinget av at enheten holder seg under 10 millioner dollar i årlig omsetning. Over terskelen er kommersiell bruk ikke lisensiert i denne avtalen. Non-profit og forskning uten kommersiell fordel er unntatt terskelen.
Det er den samme lisensfamilien Liquid har brukt på LFM-vekter. Bloggens «download, fine-tune, and deploy without restrictions» matcher ikke paragraf 5. Juridisk avdeling leser LICENSE-filen, ikke ingressen.
For CIO: self-host på Jetson eller Mac er operativt mulig. Produksjon i et konsern over terskelen krever egen avtale med Liquid, eller at dere holder dere unna vektene. Det er det motsatte av Clef, som hogby.ai har dekket under Apache 2.0, og av OpenAIs Decisions API, som er hostet tjeneste uten vekter.
CISO: trust_remote_code er påkrevd i labens eksempel. Pin commit-hash. Kjør i isolert runtime. Bildene og lydklippene er rå input i kallet. Terskel på noul er deres, ikke modellens. Liquid rapporterer ikke den private visjons-splitten. Ikke sett dette foran adgangskontroll eller saksvedtak uten egne merkelapper.
Hva ledere bør gjøre nå
Bruk d1 der svaret må være et tall med terskel, på kanten, uten chat. Ruting, visuell inspeksjon, «er dette toksisk», «hvilket team». d1-omni er for tidlig for produksjon.
Mål mot egne køer. 8 ms på 4090 er labens varme enkeltkall. 3,4k tilstand på Orin Nano er 1,6 sekunder. Det er ikke «overalt» uten at dere kjenner kontekststørrelsen.
Sjekk omsetningsterskelen før vektene inn i et produkt. Under 10 millioner dollar kan LFM 1.0 holde. Over den: kommersiell lisens, eller hold dere på hostede beslutnings-API-er.
Ikke bytt ut Clef, Decisions API eller pplx-decider med et blogginnlegg. Test, pin, og les LICENSE.
Kilder og medier
Primærkilde: Liquid AI, Open d1: Edge decision models for text, vision, and audio, 7. oktober 2026: https://www.liquid.ai/blog/d1-open
Modellkort: Hugging Face, LiquidAI/d1-3B, LFM Open License v1.0, Decision Index 48,57.
Modellkort: Hugging Face, LiquidAI/d1-omni-600M, eksperimentell, 587M.
NVIDIA Jetson AI Lab, d1-3B.
Thumbnail: OpenAI Image 2 / hogby.ai
