Liquid AI 发布 Open d1：两个开源多模态决策模型
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。
共 9 条快讯 · 门户最近更新
Liquid AI 发布 Open d1：两个开源多模态决策模型
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。
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。
Liquid AI 发布 Open d1 系列两个开源权重多模态决策模型
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。
Liquid AI 发布 Open d1：两款开源多模态决策模型
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。
Liquid AI 发布 Open d1：零输出 Token 的开放权重决策模型
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。
Perplexity 开源 pplx-embed-v2-late 多向量嵌入模型，支持文本与图像共享嵌入空间检索
Aravind Srinivas 宣布开源 pplx-embed-v2-late，一对用于文本和图像的多向量（late-interaction）嵌入模型，提供 9B 和 0.6B 两种规模，并在同一共享嵌入空间中工作。作者称，可用 9B 模型索引多模态数据、再用 0.6B 模型在端侧查询，且无需 OCR 即可搜索 PDF 页面；他表示该模型在 MADQA 上得分 92.4%，在 BrowseComp+ 上得分 64%。权重已在 Hugging Face 上线。
Perplexity 发布 pplx-embed-v2-late 多模态嵌入模型
Perplexity 宣布推出 pplx-embed-v2-late，两个 late-interaction 嵌入模型，可在共享嵌入空间中检索文本、图像和页面，并支持跨模态查询。团队表示两个模型均达到前沿性能（frontier performance），现已在 Hugging Face 公开发布。
Google Gemini 3.8 Live 端到端语音模型亮相
DeepLearningAI 介绍，Google 的 Gemini 3.8 Live 模型采用语音到语音架构，在一个系统中完成聆听、推理和回应。推文称，Extended Thinking 版本在 Artificial Analysis 的 Speech to Speech Index 中排名第一；标准版在真人盲评现场对话中排名第二，输入音频价格为每小时 0.84 美元，为该指数最低。两个版本还支持图像和视频输入。