# Liquid AI выпустила d1-3B и d1-omni-600M: локальные модели для выбора без генерации текста

Источник: https://modelium.tech/zhurnal/liquid-ai-d1-3b-omni-600m-local-decisions/

7 октября Liquid AI открыла веса двух моделей d1, которые выбирают ответ из заданных вариантов, а не ведут беседу. d1-3B принимает текст и изображения; экспериментальная d1-omni-600M — текст с изображением либо с короткой записью речи. Веса доступны для локального запуска, но это не чат-боты и не готовая домашняя программа.

Liquid AI выпустила d1-3B и d1-omni-600M: локальные модели для выбора без генерации текста

**Проверено по источникам 7 октября 2026 года.** Liquid AI выпустила две модели, которые помогают разобрать обращение, фотографию или короткую запись и выбрать заранее определённый ответ. Например, в локальной программе можно спросить, к какой теме относится сообщение клиента: доставка, оплата или техническая ошибка. Это *модели принятия решений*: вместо сочинения ответа они оценивают предложенные варианты. Это не чат-боты. [s1](#src-s1)

## Что вышло и кому это пригодится?

**d1-3B** обрабатывает текст и изображения. **d1-omni-600M** меньше и, кроме текста с изображениями, принимает текст с речевым фрагментом длительностью до 30 секунд; одновременную передачу изображения и аудио её карточка не поддерживает. В случае речи авторы предупреждают, что обучение опиралось на англоязычные диалоги: качество на русском не следует считать подтверждённым. Оба варианта возвращают оценку «да/нет», выбор из названных категорий либо балл по шкале, но не пишут свободный текст. [s2](#src-s2)[s3](#src-s3)

Практический пример: попросить локальную программу определить, относится ли сообщение «Заказ приехал с разбитой крышкой» к доставке, оплате или повреждению товара. Категории задаёт человек, а результат нужно сверить с исходным сообщением; вероятность, которую возвращает модель, не доказывает правильность решения. Такую систему можно использовать как помощника для сортировки заявок, но не как единственного судью в важных вопросах. [s2](#src-s2)

## Можно ли загрузить и запустить локально?

Да: в официальных репозиториях доступны весовые файлы `model.safetensors` и код модели; доступ к ним не требует одобрения заявки. У Liquid AI также есть официальные файлы GGUF для d1-3B, включая Q4_K_M и Q8_0. GGUF — формат весов, который использует программа llama.cpp; в карточке показан запуск через `llama-server` и запрос к `/v1/systemone`. Для новичка это пока инженерный маршрут с сервером и API, а не установка в один клик. Для d1-omni-600M карточка описывает Python-путь с Transformers и устанавливаемыми библиотеками. Мы не запускали модели и не проверяли команды на конкретном компьютере. [s2](#src-s2)[s3](#src-s3)[s5](#src-s5)

Уменьшенный GGUF-файл d1-3B Q4_K_M занимает около 1,67 ГБ, а основной файл d1-omni-600M — около 2,35 ГБ. Это **размеры скачиваемых файлов**, а не минимальные требования к оперативной или видеопамяти. Для обработки изображений у d1-3B есть отдельные вспомогательные файлы; одного файла весов недостаточно для описания всего комплекта. [s5](#src-s5)[s3](#src-s3)

## Насколько хороши результаты и какие права на использование?

Liquid AI сообщает результат **48,57 для d1-3B и 15,95 для d1-omni-600M** на публичной части Decision Index 0.2.1. По измерениям самого разработчика один вопрос d1-3B на RTX 4090 занимал 8 мс, на Apple M5 Pro — 30 мс при прогретом запуске и коротком входе; длинный текст или изображение требуют другого времени. Это авторские испытания, не воспроизведённые Modelium, и перечисленное железо не означает минимум для запуска. [s1](#src-s1)[s2](#src-s2)

Веса опубликованы по **LFM Open License v1.0**, а не по Apache 2.0 или MIT. Её пункт 5 ставит коммерческие права в зависимость от порога годовой выручки **10 млн долларов США**: организациям, превышающим порог, эти права соглашением не предоставляются. В официальном анонсе есть обобщённая фраза об отсутствии ограничений на развёртывание, но ориентироваться следует на текст лицензии; если применение коммерческое, прочитайте её полностью и при необходимости получите отдельное разрешение. Открытые веса не равны безусловному разрешению на любое использование. [s1](#src-s1)[s4](#src-s4)

## Что делать дальше?

Если требуется именно выбрать категорию для своего текста или фото, откройте официальную карточку d1-3B и сначала сопоставьте её примеры с вашей задачей. Если нужен обычный текстовый ответ или расшифровка речи, эти модели не заменят чат-модель либо распознавание речи: d1-omni-600M анализирует короткую запись для выбора ответа, а не выдаёт транскрипт. Для сравнения подходов к локальным моделям выбора посмотрите [материал о Clef Flash](/zhurnal/cloudflare-clef-flash-local-decision-models/) и [о JEV-27B](/zhurnal/jev-27b-typed-decisions-vllm-local/). [s2](#src-s2)[s3](#src-s3)

## Источники

1. [Liquid AI, Open d1: Edge decision models for text, vision, and audio](https://www.liquid.ai/blog/d1-open) — получено 2026-10-07
2. [LiquidAI/d1-3B: официальная карточка модели, ревизия 051bcc46](https://huggingface.co/LiquidAI/d1-3B/tree/051bcc464b01b9f92942b364d9586b0ef5912432) — получено 2026-10-07
3. [LiquidAI/d1-omni-600M: официальная карточка, ревизия 02b55d70](https://huggingface.co/LiquidAI/d1-omni-600M/tree/02b55d7076f15129e59ab3f94783f32c4b088674) — получено 2026-10-07
4. [LFM Open License v1.0 — лицензия официальных весов d1-3B](https://huggingface.co/LiquidAI/d1-3B/raw/051bcc464b01b9f92942b364d9586b0ef5912432/LICENSE) — получено 2026-10-07
5. [LiquidAI/d1-3B-GGUF: официальные пакеты и инструкция, ревизия bb1e436e](https://huggingface.co/LiquidAI/d1-3B-GGUF/tree/bb1e436ea78eb96a3f1acb6da865f70c2fbeb563) — получено 2026-10-07