← 返回快讯

快讯

Liquid AI 发布 Open d1：两个开源多模态决策模型

liquidai

团队表示，Liquid AI 今日发布 Open d1 系列，包含两个开源权重的多模态模型：d1-3B（文本+视觉）和 d1-omni-600M（文本+图像或文本+音频）。团队称这些模型支持实时决策，可从 NVIDIA DGX 数据中心部署到 RTX 工作站，再到 Jetson 边缘设备。

LiquidAIOpenD1开源模型多模态边缘计算

查看原始帖子 ↗

查看原文
RT Amit Naik 👀 Jev can see now - Open source! Liquid AI: Today we release Open d1: two open-weight multimodal models in our d1 decision model family. > d1-3B: text + vision > d1-omni-600M: text + image or text + audio > Real-time decision making anywhere, from data centers such as @nvidia DGX to RTX workstations to Jetson at the edge.

前后快讯

上一篇Artificial Analysis：Vidu Q4 Preview 上线，登上其文生视频榜单第三

下一篇Liquid AI 发布 Open d1：两个开源多模态决策模型

同账号快讯

  • Liquid AI 发布 Open d1：两款开放权重多模态决策模型

    Liquid AI 宣布推出 Open d1，包含其 d1 决策模型家族中的两款开放权重多模态模型：d1-3B 支持文本+视觉，d1-omni-600M 支持文本+图像或文本+音频。官方表示这些模型可实现实时决策，部署范围从 NVIDIA DGX 数据中心到 RTX 工作站再到 Jetson 边缘设备。

  • Liquid AI 发布 Open d1 系列开源多模态决策模型，覆盖 d1-3B 与 d1-omni-600M

    Liquid AI 宣布发布 Open d1：d1 决策模型系列中的两个开源权重多模态模型。d1-3B 支持文本+视觉，d1-omni-600M 支持文本+图像或文本+音频。团队表示这些模型可在从 @nvidia DGX 数据中心到 RTX 工作站再到 Jetson 边缘设备上实现实时决策。转发者 Derya Unutmaz 称此类单次前向完成决策的模型对机器人、自主实验室、医疗设备和物理 AI 具有重大意义。

  • Liquid AI d1 3B 本地运行贪吃蛇，8ms 决策、每秒 82 步

    atomic.chat 引用 Liquid AI 的帖子称，d1 3B 模型在单张 RTX 3090 上每次决策仅需 8ms，贪吃蛇每秒移动 82 步、吃到 86 个苹果；作为对比，OpenAI API 每次调用耗时 345ms，其蛇只吃到 3 个苹果。以上为帖主引用 atomic.chat 的说法，未经独立核实。

  • Liquid AI 与 NVIDIA Robotics 合作展示 d1-3B 边缘端推理：10 个实时摄像头 demo 及 Isaac Sim 导航演示

    作者转推 Liquid AI 官方动态：Liquid AI 表示与 NVIDIA Robotics 合作，为开源权重决策模型 d1-3B 构建了 10 个实时摄像头演示，涵盖手势控制游戏到内容审核等场景，每帧仅需一次前向传播；双方还演示了 d1-3B 在 Isaac Sim 环境中进行导航，模型运行于 Jetson 设备上。转发者 Joey 表示期待在自己的 Jetson AGX 硬件上运行该模型。正文末尾在"the model served on a Jetson in a"处截断，完整细节未披露。

  • 实测：RTX 3060 单卡跑 Liquid AI 开源模型 d1-3B，BoolQ 88.4%、MMLU-Pro 44.5%

    作者称在单张 RTX 3060（12GB 显存）上运行 Liquid AI 新发布的开源多模态决策模型 d1-3B：BoolQ 3,270 题全量验证集得分 88.4%（高于官方卡片 86.7），MMLU-Pro 12,032 题得分 44.5%，GPQA 29.8% 接近随机，与其知识是最弱项的定位一致；约 43ms p50 每次决策、每秒 21-23 次决策、占 5GB 显存。推文并引用 Liquid AI：Open d1 发布 d1-3B（文本+视觉）与 d1-omni-600M（文本+图像或文本+音频）两个开源权重模型。