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。
共 20 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
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。
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。
llama.cpp 合并新 PR：Metal 内核覆盖 Mac GPU 全部 26 种权重格式，矩阵乘法最高提速 4.4 倍
作者称，其团队的又一 PR 被合并进 llama.cpp：此前周一发布的快速 Metal 内核原先只覆盖 10 种权重格式，本次 PR 补齐其余 16 种，使内核覆盖 Mac GPU 运行的全部 26 种权重格式，包括 BF16、MXFP4、Q2_K、Q3_K 及 IQ 系列量化格式。作者表示，在 M3 Ultra 上，当模型同时校验多个 token 时，矩阵乘法最高可提速 4.4 倍，并感谢 @ggerganov 提出需求并在一天内完成合并。相关 PR 见 ggml-org/llama.cpp/pull/30065（未独立核实）。
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 开源 d1 系列两个多模态模型：3B 支持文本+视觉，600M 支持文本+图像/音频
Liquid AI 宣布发布 Open d1，开放权重的 d1 决策模型家族中新增两个多模态模型：d1-3B 支持文本+视觉，d1-omni-600M 支持文本+图像或文本+音频。公司称这些模型支持实时决策，可在从 NVIDIA DGX 数据中心到 RTX 工作站再到边缘端 Jetson 的多种设备上运行。
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。
作者介绍 Paradee：由 Kokoro-82M 蒸馏的 8M 参数 TTS，权重仅 9MB
作者介绍 Paradee TTS：称该模型由 Kokoro-82M 蒸馏而来，仅 8M 参数、单语音单语言权重约 9MB。作者表示它可在单条 CPU 线程上实现快于实时的语音合成，并已在 Hugging Face Spaces 上线演示。上述性能与规模均为作者及项目方表述，未经独立核实。
Paradee：蒸馏自 Kokoro-82M 的 8M 参数轻量 TTS 模型，单线程 CPU 即可快于实时合成
作者介绍名为 Paradee 的文本转语音（TTS）模型，称为对 Kokoro-82M 的蒸馏版本，参数量为 800 万、权重仅 9 MB，并声称可在单条 CPU 线程上实现快于实时的合成速度。模型已在 Hugging Face Spaces 上线。以上均为作者声称，未经独立核实。
Liquid AI 推出 Open d1 开源决策模型，可在 NVIDIA Jetson 平台运行
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 开源 d1 决策模型家族：d1-3B 视觉语言模型与 d1-omni-600M 多模态模型
Liquid AI 宣布开源 Open d1 系列两个开放权重多模态决策模型：d1-3B 支持文本+视觉，d1-omni-600M 支持文本+图像或文本+音频。官方称这些模型可用于实时决策，部署范围从 NVIDIA DGX 数据中心到 RTX 工作站再到 Jetson 边缘设备。相关表述均为作者/团队声称，未经独立核实。
Liquid AI 发布 Open d1：d1-3B 与 d1-omni-600M 两个开放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）。
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。
Fireworks、OpenRouter 借开源模型帮企业最高削减 90% AI 成本
作者称，AI 成本冲击已成为美国企业界的焦点话题。Fireworks 和 OpenRouter 等初创公司正在切入这一市场，通过开源模型帮助企业削减最高 90% 的成本。该内容为一篇福布斯报道的转发推介，"最高 90% 降本"为文中声称，未经独立核实。
Forbes 报道：AI 成本冲击下，Fireworks 与 OpenRouter 等企业借开源模型帮公司最高削减 90% 成本
作者 Rashi Shrivastava 在福布斯发布报道称，AI 成本冲击（"sticker shock"）已成为美国企业界的焦点话题，Fireworks 和 OpenRouter 等初创公司正介入其中，通过使用开源模型帮助企业将成本最高削减 90%。相关数字与结论均为作者报道内容，尚未独立核实。
Lewis Tunstall 评 Beam 发布：中国模型出色但 token 效率低，Beam 推理效率领先
作者转发 Lewis Tunstall 对 Beam 发布的评论，称其附图是发布中最重要的内容，并认为中国模型表现很好但 token 效率糟糕（作者建议用最大推理预算跑一次评测体会）。随附 Reflection 部分表示，Beam 在其模型类别中推理效率领先：比 GLM 5.2 效率高 3-4 倍，比领先的西方开源模型高 4 倍以上，意味着 Beam 能更快、更低成本地完成任务。以上效率和倍数均为原文/Reflection 部分的表述，未经独立核实。
福布斯：新兴初创公司转向开放中国模型，帮企业更便宜地用AI
作者称，一批新型初创公司正在涌现，帮助企业更智能、更低成本地使用AI，正转向开放的中国模型，并与OpenAI和Anthropic等巨头竞争。正文附有福布斯报道链接，未提供该趋势的具体数据或案例细节。
Command Code 亮相 SF Tech Week 开源 AI 活动：终端运行的开源模型编程代理
Command Code 宣布将在 SF Tech Week 期间参加由 Novita AI 主办的 "Open Source AI Stack: Models, Inference, and Agent Harness" 活动并设展。据主办方介绍，Command Code 是一款面向开源模型的编程代理，直接在终端中运行，并会随时间持续学习用户的编码偏好。推文还提到参展商包括 MiniMax，但相关介绍在正文中被截断。
EmbeddingGemma 2 发布：基于 Gemma 4 的原生多模态嵌入模型
作者宣布 EmbeddingGemma 2 发布，称其为首个基于 Gemma 4 构建的原生多模态嵌入模型，采用 Apache 2.0 许可。模型可将 100 多种语言及代码、图像、音频、视频嵌入同一向量，上下文 8,192，提供 740M 全模态、440M 文本+视觉、570M 文本+音频、270M 纯文本版本，作者称在 MTEB Code 上提升 14%，并已在 Sentence Transformers 和 LiteRT-LM 可用。