# Liquid AI выпустила d1 для Mac: пять MLX-версий для текста, фото и аудио

Источник: https://modelium.tech/zhurnal/liquid-d1-mlx-apple-silicon-official-weights/

12 октября Liquid AI выложила пять MLX-версий своих моделей d1 для Mac с Apple Silicon. Они выбирают ответ из заранее заданных вариантов по тексту и фото, а d1-omni — ещё и по аудио. Веса доступны, но поддержка в mlx-vlm пока находится в коде после стабильной версии 0.7.6; готового запуска одним нажатием нет.

12 октября Liquid AI опубликовала версии своих моделей d1 для Mac с процессором Apple Silicon. Они нужны не для обычной беседы, а для выбора ответа из вариантов, заданных человеком: например, определить, относится ли письмо к возврату денег. d1-3B принимает текст и изображения, d1-omni-600M — также аудиозаписи. Это пример возможной задачи, а не результат проверки на письмах редакции. [s1](#src-s1) [s4](#src-s4) [s8](#src-s8)

## Что теперь доступно на Mac

В Hugging Face появились пять **официальных** репозиториев Liquid AI: d1-3B в форматах MLX float16, 8-bit и 4-bit, а также d1-omni-600M в float16 и 8-bit. MLX — библиотека для вычислений на чипах Apple; здесь так называют подготовленные для неё веса. В каждом репозитории есть файлы весов модели и лицензия; у float16-версии 3B веса разбиты на два файла. Это новые варианты запуска уже вышедших моделей, не новое обучение семейства d1. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3) [s4](#src-s4) [s5](#src-s5)

Модель получает текст, фото или звук и оценивает **заданные вами** ответы. Если спросить: «Куда направить обращение: в поддержку оплаты или техники?», она вернёт выбор и оценку уверенности, а не напишет произвольное письмо. Для omni авторы показывают отдельную возможность классифицировать короткий аудиофрагмент. Точность для русского языка и вашего сценария проверять на своих примерах; модель может ошибиться, а высокая вероятность не гарантирует верного решения. [s1](#src-s1) [s4](#src-s4)

## Какую версию выбрать

Liquid AI рекомендует float16 как наиболее близкий вариант к исходному контрольному запуску: размер файлов весов d1-3B — 6,25 ГБ, d1-omni — 1,17 ГБ по карточкам. Есть более компактные 8-битные версии: 3,72 и 0,73 ГБ соответственно. Это объём файлов, **не минимальная оперативная память** Mac; официального минимума для этих конверсий карточки не задают. [s1](#src-s1) [s2](#src-s2) [s4](#src-s4) [s5](#src-s5)

Четырёхбитная d1-3B занимает 2,37 ГБ по данным автора, но сильнее меняет оценки вероятностей. В сравнении Liquid AI с исходной моделью float32 на 104 текстовых и 41 визуальном ответе самый вероятный ответ совпал в 142 случаях из 145 для 4-bit, в 144 из 145 для 8-bit и во всех 145 для float16. Для omni сравнение отдельно включает ещё 30 аудиоответов — это **другой** набор из 175 проверок. Это авторская проверка совпадения результатов после преобразования весов, а не независимый тест точности на пользовательских данных; Modelium модели не запускал. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3) [s4](#src-s4) [s5](#src-s5)

## Можно ли пользоваться прямо сейчас

Поддержка d1 и d1-omni присутствует в коде mlx-vlm, но, по карточкам Liquid AI, появилась после последнего стабильного выпуска 0.7.6. Пока авторы предлагают устанавливать mlx-vlm из GitHub и вызывать его через Python или командную строку: это путь для человека, знакомого с разработкой, а не приложение для первого запуска в интерфейсе. Полный путь на Mac редакция не воспроизводила и требований к памяти не измеряла. Для сценария со звуком берите именно d1-omni; обычная d1-3B ограничена текстом и фото. [s1](#src-s1) [s4](#src-s4) [s7](#src-s7)

Веса опубликованы под **LFM Open License 1.0**, а не под универсальной лицензией MIT или Apache. Её текст ограничивает коммерческое применение для организации с годовой выручкой от 10 млн долларов; перед использованием в компании прочитайте условия самостоятельно. Следующий шаг — [разобраться, чем семейство d1 отличается от обычного чат-бота](/zhurnal/liquid-ai-d1-3b-omni-600m-local-decisions/) и затем выбрать подходящий формат данных. [s6](#src-s6)

## Источники

1. [Liquid AI — d1-3B-MLX-fp16, закреплённая карточка](https://huggingface.co/LiquidAI/d1-3B-MLX-fp16/blob/c7b140a64fc7466d5f9d08be19f261a704febef1/README.md) — получено 2026-10-12
2. [Liquid AI — d1-3B-MLX-8bit, закреплённая карточка](https://huggingface.co/LiquidAI/d1-3B-MLX-8bit/blob/9409cbf3bd5067e1a9b17437b1970f6a0c299ccd/README.md) — получено 2026-10-12
3. [Liquid AI — d1-3B-MLX-4bit, закреплённая карточка](https://huggingface.co/LiquidAI/d1-3B-MLX-4bit/blob/4849a077526a92c598529aca5b9f54dfcac48316/README.md) — получено 2026-10-12
4. [Liquid AI — d1-omni-600M-MLX-fp16, закреплённая карточка](https://huggingface.co/LiquidAI/d1-omni-600M-MLX-fp16/blob/05e99e49eb1799f1f9f98ec619b6fef2b0dd0960/README.md) — получено 2026-10-12
5. [Liquid AI — d1-omni-600M-MLX-8bit, закреплённая карточка](https://huggingface.co/LiquidAI/d1-omni-600M-MLX-8bit/blob/d927e69f5e5db82ad25ae1172f7fd18f0013b6df/README.md) — получено 2026-10-12
6. [Liquid AI — LFM Open License v1.0, лицензия официального MLX-пакета](https://huggingface.co/LiquidAI/d1-3B-MLX-fp16/blob/c7b140a64fc7466d5f9d08be19f261a704febef1/LICENSE) — получено 2026-10-12
7. [Blaizzy/mlx-vlm — поддержка d1 и d1-omni в закреплённом дереве исходного кода](https://github.com/Blaizzy/mlx-vlm/tree/952d4f6bc65bd5095e74abe71c78038764ee08aa/mlx_vlm/models) — получено 2026-10-12
8. [Hugging Face API — создание официальных LiquidAI/MLX репозиториев](https://huggingface.co/api/models?author=LiquidAI&sort=createdAt&direction=-1&limit=20) — получено 2026-10-12