共 10 条快讯 · 门户最近更新
Liquid AI 宣布发布 Open d1，推出 d1 决策模型家族的两个开源权重多模态模型：d1-3B 支持文本加视觉，d1-omni-600M 支持文本加图像或文本加音频。官方称模型面向实时决策，可部署于从 NVIDIA DGX 数据中心、RTX 工作站到 Jetson 边缘设备等多种环境。转发者表示 d1-3B 在 RTX 4090 上据称延迟为 8 毫秒，并称其为"一次前向传播输出结果、零输出 token"的决策模型；这些性能数据来自作者转述，未经独立核实。
Sydney Runkle（经 Hacubu 转发）表示，决定哪些内容写入或保留在记忆中很适合交给决策模型处理，并称记忆维护现在可以更快、更便宜。该推文关联 mem0，并附有一篇外部文章链接，但正文未给出具体技术细节或数据支撑。
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 宣布发布 Open d1：其 d1 决策模型家族的两个开源权重多模态模型。团队表示，d1-3B 支持文本+视觉，d1-omni-600M 支持文本+图像或文本+音频；转发者称在 NVIDIA GeForce RTX 4090 上 8 毫秒即可完成决策，官方称可从 NVIDIA DGX 数据中心到 RTX 工作站再到 Jetson 边缘设备实现实时决策。
作者表示，Liquid AI 发布 Open d1 系列的两款开源权重多模态决策模型：d1-3B（文本 + 视觉）与 d1-omni-600M（文本 + 图像或文本 + 音频）。团队称模型可在多种环境进行实时决策，从 NVIDIA DGX 数据中心到 RTX 工作站再到 Jetson 边缘设备。
OpenRouter 宣布上线 Decision Model Rankings（决策模型排行榜）。据其介绍，该排行榜可查看不同决策模型及任务类型的支出份额和 Token 份额，任务维度包括相关性（Relevance）、正确性（Correctness）、指令遵循（Instruction Following）等。作者援引 OpenRouter 信息称，@typesafeai 目前在所有类别中排名第一。上述排名与份额数据均为作者及 OpenRouter 的说法，未经独立核实。
作者称 Liquid AI 发布 Open d1 系列两个开放权重决策模型 d1-3B 与 d1-omni-600M，直接输出校准概率，输出 token 恒为 0。d1-3B 在 Decision Index v0.2.1 得 48.57，为 10B 以下最佳，超过 Decider 35B-A3B（47.11），但 Knowledge 项落后 Winnow-12B。单问题延迟 8–50 毫秒（视硬件而定）。以上为作者声称，未经独立核实。
作者援引 NVIDIA Robotics 的祝贺消息称，Liquid AI 推出 Open d1，包含两款开源权重决策模型，可在单次前向传播中给出答案，并支持在 NVIDIA Jetson Thor、Jetson AGX Orin 和 Orin Nano 上运行；NVIDIA 方面同时给出在 Jetson 上运行 d1-3B 模型的教程入口。
Liquid AI 宣布发布 Open d1 系列：d1-3B 支持文本加视觉，d1-omni-600M 支持文本加图像或文本加音频。团队表示模型可在多种环境实时决策，从 NVIDIA DGX 数据中心到 RTX 工作站再到 Jetson 边缘设备，并已在 Hugging Face 开放获取。
Liquid AI 宣布发布 Open d1：其 d1 决策模型家族中的两个开放权重多模态模型。官方称 d1-3B 支持文本+视觉，d1-omni-600M 支持文本+图像或文本+音频，可在从 NVIDIA DGX 数据中心、RTX 工作站到 Jetson 边缘设备上实时运行。转发者表示 d1-3B 小得可以在 MacBook 上运行，并用其为穿搭打分演示多模态视频输入，更多演示见其 Hugging Face Space（链接未展开）。