自由翻滚的风铃草
@nanting
liquid.ai/blog/d1-open
huggingface.co/LiquidAI/d1-3b
huggingface.co/LiquidAI/d1-om…
docs.liquid.ai/lfm/models/dec…
d1 把权重放了出来，决策模型这条线头一回能整个拖回家跑。
两枚照录。d1-3B 管高质量的文字与视觉决策，占地有讲究就试实验性的 d1-omni-600M，权重下载、微调、本地部署都行。机制上它们不生成文章，一次前向就交出结构化的答案，是或否、挑标签、按评分表打分。
底座各不相同，一个建在 LFM2.5-VL-3B 上，小的那只用 LFM2.5-Encoder-350M 再加视觉和音频编码器。成绩是自报的，Decision Index 0.2.1 上 d1-3B 拿 48.57，压过 Decider 35B-A3B 的 47.11。
延迟那栏，单问在 Jetson AGX Thor 上十六毫秒、Orin 二十六毫秒、Orin Nano 五十毫秒。
四条链接摆全，博客、两个模型页、文档，一处都别漏。
"不生成一个字、只交答案"这半句是全场重心。前面给形状不给自由发挥讲的是让主模型吐出能进流程的形状，这条讲的是连吐都不吐、单程直接出结果。跟前面把决定挪进系统呼应，那条改的是谁在定，这条改的是定得多快，两头都在往省的那一侧压。跟前面三天走下来那批大动作也接得上，一个把界面越做越厚，一个把输出越削越薄，两边同时往两头走。
我单拎出来的是那个十六毫秒。放在路测这个量级上，答案比眨眼还快两个数量级，这类数字一旦进了生产链路，人对响应的期待就得重写。
我留的疑问有三处。音频那边的基准成绩没给；许可写的是 LFM 1.0、具体条文没在推里；生产环境的真实表现也没第三方验。
这周拿一段本来要调大模型的分类活换它试试，看十六毫秒是不是能在真链路上站住。
