In breve
Liquid AI rilascia d1-3B e d1-omni-600M: modelli aperti che decidono in un solo passaggio, con latenze sotto i 50 ms su dispositivi edge.
Cosa è successo
Il 7 ottobre 2026 Liquid AI ha pubblicato sul blog di Hugging Face due modelli open-weight, d1-3B e d1-omni-600M, definiti «decision models». Non producono token: rispondono in un solo passaggio in avanti. d1-3B deriva da LFM2.5-VL-3B, decoder-only, e accetta testo e immagini. d1-omni-600M nasce da LFM2.5-Encoder-350M, un encoder bidirezionale, e accetta testo con immagini oppure testo con audio. È una versione di ricerca in fase iniziale.[1]
L'autore dichiara che d1-3B ottiene 48,57 sul Decision Index 0.2.1, sopra i modelli da 4 e 9 miliardi di parametri e sopra Decider 35B-A3B (47,11). Su sette dataset pubblici la media è 82,9. d1-omni-600M arriva a 78,4 e supera Decider 2B (77,1) con un quarto dei parametri.[1]
Insieme a NVIDIA, d1-3B è stato misurato su GeForce RTX 4090 e su tre schede Jetson: 16 millisecondi per una domanda su AGX Thor, 26 su AGX Orin, 50 su Orin Nano. Su GPU la risposta richiede meno di 10 millisecondi. Per d1-omni-600M non ci sono dati di velocità.[1]
d1-3B: tempo di risposta a una domanda su dispositivi Jetson
Latenza dichiarata da Liquid AI per una singola domanda, su tre schede NVIDIA Jetson.
- Latenza per una domanda
- 1Con tre domande si sale a 20 ms
Metodologia
Valori riportati dall'autore nel post del 7 ottobre 2026, misurati con NVIDIA; non verificati in modo indipendente.
I valori mancanti sono indicati come «n.d.» e non vengono stimati né interpolati.
Dati del grafico (tabella)
| Dispositivo | Latenza per una domanda |
|---|---|
| Jetson AGX Thor | 16 |
| Jetson AGX Orin | 26 |
| Jetson Orin Nano | 50 |
Il post non pubblica benchmark su visione o audio: il Decision Index v0.3 include solo una suddivisione visiva privata e i benchmark decisionali per l'audio sono definiti «un problema aperto». I modelli vanno caricati con trust_remote_code=True, perché includono codice proprio.[1]
Perché conta
Interpretazione: il segnale è la separazione dei compiti. Instradare, classificare, filtrare o autorizzare sono scelte strutturate, che richiedono risposte rapide e prevedibili, non testo generato. Latenze di decine di millisecondi rendono plausibili questi passaggi su hardware embedded.[1]
Il quadro si affianca a EmbeddingGemma 2 di Google DeepMind, pubblicato il 6 ottobre 2026: 740 milioni di parametri per il recupero multimodale sul dispositivo. Dopo il recupero, un modello compatto decide. È una nostra lettura: le fonti non collegano i due rilasci.[2, 1]
Cautela: i risultati provengono dall'autore e le fonti non chiariscono chi siano i modelli «Decider» usati nei confronti. Il margine su quello da 35 miliardi di parametri è di 1,46 punti.[1]
Il segnale futuro
Scenario, non previsione: se l'impostazione regge, i dispositivi potrebbero combinare tre componenti piccoli: un modello di embedding per cercare, uno decisionale per scegliere e uno generativo solo quando serve linguaggio. Calerebbero costo per decisione e dipendenza dal cloud. Resta da vedere se la qualità tiene fuori dai benchmark, soprattutto su audio e visione.
Cosa osservare adesso
Verifiche indipendenti
Replicazioni del Decision Index diranno se il vantaggio di d1-3B regge fuori dal test dell'autore.[1]
Audio e visione
d1-omni-600M è una versione di ricerca, senza dati di velocità né benchmark audio pubblici.[1]
Codice distribuito con i pesi
trust_remote_code=True pone il tema della verifica del codice che accompagna i pesi.[1]
Metodologia
Il quadro si basa su due fonti primarie di livello A: il post di Liquid AI su Hugging Face del 7 ottobre 2026 e il blog di Google DeepMind del 6 ottobre 2026, usato per il contesto. Benchmark e latenze sono dichiarati dagli autori e non verificati. Il testo promozionale estraneo nell'estratto della fonte 2 è stato ignorato. La licenza dei modelli d1 non compare negli estratti e non è indicata.[2, 1]
Fonti
- Hugging Face Blog · Fonte primaria · ufficiale Multimodal open d1 decision models for the edge Pubblicata il 7 ottobre 2026 · consultata il 8 ottobre 2026
- Google DeepMind Blog · Fonte primaria · ufficiale EmbeddingGemma 2: an open, lightweight multimodal embedding model Pubblicata il 6 ottobre 2026 · consultata il 8 ottobre 2026