Liquid AI 基于 LFM3-VL-2B 的决策模型（1.92B）：输入一段文字或 JSON、图片或视频，加任意多个具名问题，一次前向就返回带概率的结构化答案，不生成文字；除是 / 否、单选 / 多选、打分外，还能抽取文字、数字、日期，在图里框出物体，给数量估计区间。
上升分 81 · 点赞 81 · 下载量 591
理由
- 官方称每个决策在 H100 上 5.7 毫秒、AMD MI325X 上 3.8 毫秒，同一状态的多个问题一次调用全部回答。
- 官方自测在 open d1 系列里平均最高：Decision Index 公开套件 v0.3 为 51.1、DecisionBench（Hanno Labs）77.1、自家一百多个基准的总榜 63.2，都高于参数更多的 d1-3B（49.0 / 73.1 / 58.8）。
- 128K 上下文，16 种语言含中文；10 月 24 日发布，此前各期没有收录。同系列能听音频的 d1-Omni-2B 也在本期榜上。
用法
- pip install "transformers>=5.19" torch torchvision pillow；AutoModel.from_pretrained("LiquidAI/d1-2B", trust_remote_code=True)，再 model.system_one(状态, questions, media=[图片])。
- questions 里每题写 type（noul / choice / score / text / number / date / box / boxes）和 instructions，choice、score 还要写 criteria；批量用 model.system_one_batch。没有采样参数，判定阈值要用自己的数据校准。
风险
- 不是聊天模型；官方说知识密集的问题更适合大模型，状态超过约 64K token 后答案不太可靠，对自由数量的估计不如计数和打分可靠。
- LFM Open License v1.0，需要 trust_remote_code。
- 分数和速度都是官方自测，总榜包含私有基准。