open d1：有些 AI 任务，不必逐字生成答案

原文发布日期：2026 年 10 月 7 日（UTC），北京时间 10 月 8 日 一张工单该交给哪个团队，一张图片是否符合要求，一条请求有多紧急？这些任务往往只需要判断结果，不需要一段解释。Liquid AI 发布的 open d1 决策模型，尝试通过一次前向计算返回结构化答案，省去逐个生成输出 token 的过程。 团队此次介绍 d1-3B 和实验版 d1-omni-600M，并提供开放权重。本文依据团队文章和官方模型卡整理；Easycha 没有运行模型或复现性能测试。 官方能力：给定状态和问题，直接返回判断 d1-3B 基于 LFM2.5-VL-3B，接受文本、图片及其组合。d1-omni-600M 基于编码器模型，增加视觉和音频编码器，但单次请求只能选择图片或音频，不能把两者同时送入。后者仍是早期研究版本，团队没有发布其推理速度。 两款模型都不是用来写长文的聊天模型。模型卡展示的是非此即彼的判断、从命名选项中选择，以及按有序等级评分；返回结果可包含概率。同一份输入状态可以对应多个命名问题，而不必让模型为每个问题分别写一段回复。 “零输出 token”描述的是这种接口的计算方式，不代表输入免费、计算不耗资源，也不是任何第三方服务的计费承诺。 Easycha 分析：适合放在流程的哪一段 对 API 应用而言，可以考虑把固定选项的任务与自由生成分开。比如先判断请求类型，再由其他组件检索资料或生成回复；对图片先做条件检查，再决定后续处理方式。这是工程建议，不是原文验证过的线上收益。 这类方案的前提，是开发者能把选项和判断标准写清楚。若任务要求开放创作、复杂解释或未定义的新类别，结构化选择并不能直接替代生成模型。返回概率也不自动等于可靠置信度，阈值需要用自己的数据验证。 毫秒数字，必须连同输入条件一起看 官方 d1-3B 模型卡在预热后的单题测量中，报告 Jetson AGX Thor 为 16 毫秒；同一设备处理约 3.4 千 token 的状态，表中则为 220 毫秒。图片、多问题与批量请求也各有不同测量结果。 这说明“一次前向计算”不等于任意输入都一样快。模型卡还说明，新形状的首次调用可能付出内核选择或编译成本。上述数字是团队在指定条件下的测量，不能当成包含网络、排队和预处理的生产接口延迟保证。 成绩也要保留来源边界 团队报告 d1-3B 的 Decision Index 0.2.1 得分为 48.57。模型卡明确这是使用官方评分器得到的结果，并非榜单提交；其他对照行来自公开榜单。不能据此把它写成独立机构认证，更不能把决策评测外推成通用聊天能力。 音频部分尤其需要谨慎解读。实验版模型卡说明，其训练面向英语说话者与助手之间的请求，音频片段截断到三十秒。支持音频输入，并不证明中文语音或任意声音任务已达到可用水平。 接入前，把业务条件补齐 模型卡提供专用调用示例，两款模型的依赖版本要求不同，权重使用 LFM1.0 许可。部署前应分别核对代码、版本、许可条款与硬件需求，而不是只看“开放权重”四个字。 Easycha 建议先选一个固定分类任务，使用真实输入检查误判、模糊请求和低置信结果，再测完整流程的耗时与资源占用。open d1 的价值，是提醒团队按任务选择输出方式；是否值得接入，仍取决于正确率、维护成本和实际用户需求。