📖 AI 总结

Liquid AI 发布了两款开放权重多模态决策模型 d1-3B 与 d1-omni-600M，二者均不生成文本，而是在单次前向传播中以零输出 token 返回经过校准的类型化答案。d1-3B 可读取文本与图像，d1-omni-600M 支持文本配图像或音频，主要面向 NVIDIA 平台上的实时决策场景，如路由、审核、意图分类、重排序、LLM 评判及智能体护栏等。模型支持三类问题：是非判断、多选项分类和有序评分。两款检查点已上线 Hugging Face，可通过 Transformers 加载并获 llama.cpp 首日支持，在年收入低于一千万美元时可免费商用。d1-3B 基于 LFM2.5-VL-3B 构建，采用 SigLIP2 视觉编码器与 32768 token 上下文，其训练中长输入、打乱选项顺序和修正数据捷径比复杂方法更为关键。