Liquid AI open d1: o que é o modelo de decisão d1-3B e d1-omni-600M

Os modelos Liquid AI open d1 são dois modelos de decisão de pesos abertos lançados pela Liquid AI em outubro de 2026. Eles fazem algo diferente dos modelos de linguagem que você conhece: em vez de gerar texto palavra por palavra, eles entregam uma resposta em uma única passada, sem produzir nenhum token de saída. Se isso soa estranho, é porque a categoria é recente, e entender a diferença muda a forma como você pensa sobre IA no celular e em aparelhos pequenos.

A ideia por trás do d1 é fazer decisões rápidas e estruturadas a partir de entradas multimodais, rodando localmente, de data centers a dispositivos de borda. É um caminho oposto ao dos grandes chatbots na nuvem.

O que o modelo de decisão Liquid AI faz de diferente

Um modelo de linguagem tradicional gera texto token por token, o que consome tempo e recursos a cada resposta. Um modelo de decisão, como os da família d1, não produz tokens. Ele recebe uma pergunta e devolve uma resposta em uma única passada pela rede.

Pense na diferença entre escrever uma redação e apontar a alternativa correta em uma prova. O modelo de decisão é a segunda coisa: ele classifica, escolhe e responde, sem redigir. Isso o torna muito mais rápido, porque não precisa escrever nada, apenas decidir.

Os modelos d1 fazem parte da família de modelos de decisão da Liquid AI, que se distingue dos modelos generativos LFM da mesma empresa. O foco aqui não é conversar, e sim decidir em tempo real.

Quais são os dois modelos open d1: d1-3B e d1-omni-600M

O pacote open d1 traz dois modelos, com perfis bem diferentes.

O d1-3B tem 3 bilhões de parâmetros e trabalha com texto e visão. Ele foi treinado a partir do LFM2.5-VL-3B, um modelo de visão e linguagem, e aceita texto e imagens como entrada. Segundo a Liquid AI, ele marcou 48,57 no Decision Index v0.2.1, à frente de todos os modelos abaixo de 10 bilhões de parâmetros e em linha com o Decider 35B-A3B, um modelo de decisão 12 vezes maior.

O d1-omni-600M tem 600 milhões de parâmetros e é experimental. Ele lida com texto e imagem ou com texto e áudio, então cobre três modalidades no total. Foi construído a partir de um codificador bidirecional e adiciona codificadores de visão e áudio por etapas. Na média de benchmarks de texto, ele alcança 78,4, superando modelos maiores em alguns testes específicos.

A diferença de tamanho importa quando o objetivo é rodar em hardware limitado. O d1-omni-600M existe justamente para quem precisa de um modelo pequeno, mesmo abrindo mão de um pouco de precisão.

Como os modelos open d1 rodam no celular e na borda

Aqui está o ponto que interessa a quem se preocupa com desempenho. Por não gerarem tokens, os modelos d1 medem o tempo de ponta a ponta, do input ao output, e os números são impressionantes em hardware modesto.

O d1-3B responde uma pergunta em menos de 10 milissegundos em GPUs como a NVIDIA RTX 4090 e a AMD MI325X. Na borda, ele roda em 16 ms em um Jetson AGX Thor, 26 ms em um Jetson AGX Orin e 50 ms no Jetson Orin Nano, o menor da linha. No Apple M5 Pro, a resposta leva cerca de 30 ms.

Três perguntas sobre um mesmo estado levam apenas 1,3 vezes o tempo de uma, o que mostra que o modelo reaproveita contexto com eficiência. Ele ainda processa uma imagem de 384 pixels em menos de 18 ms em GPU e cerca de 62 ms no chip da Apple.

Para quem desenvolve no Android, o recado é que esses modelos foram feitos para rodar perto do usuário, sem depender da nuvem. A Liquid AI cita suporte nativo ao llama.cpp desde o primeiro dia, cobrindo Apple, AMD, Qualcomm e NVIDIA.

Exemplos práticos de decisão em tempo real

A Liquid AI construiu dez demonstrações que rodam o d1-3B em loop sobre a entrada da câmera, cada uma lendo uma resposta por quadro. Entre elas estão jogos controlados por gestos e moderação de conteúdo ao vivo. Isso dá uma ideia concreta de onde o modelo se encaixa.

No celular, você pode imaginar três usos. No primeiro, um app que reconhece gestos para controlar uma interface sem tocar na tela, decidindo a cada quadro qual movimento está acontecendo. No segundo, um filtro que identifica se um conteúdo ao vivo viola regras, sem precisar enviar o vídeo para um servidor. No terceiro, um assistente que lê uma imagem e responde a uma pergunta objetiva sobre ela, como identificar um produto ou verificar uma condição.

Em todos os casos, a vantagem é a mesma: decisão rápida, local e sem depender de conexão.

Benefícios e limitações dos modelos Liquid AI open d1

Os benefícios são claros. Os pesos são abertos, então você pode baixar, ajustar e implantar sem restrições. A latência é baixa o bastante para decisões em tempo real, e o tamanho pequeno permite rodar em hardware de borda. A família com dois tamanhos deixa você escolher entre precisão e leveza conforme a necessidade.

As limitações também precisam ser ditas. Esses modelos não conversam nem escrevem: se você precisa gerar texto ou uma resposta longa, eles não servem. O d1-omni-600M é um checkpoint experimental e ainda está em desenvolvimento, então não é a escolha mais estável para produção. A própria Liquid AI afirma que benchmarks dedicados de decisão com áudio ainda são um problema em aberto, o que significa que a avaliação desse modo não está madura.

O d1-3B, por sua vez, tem desempenho de visão validado apenas em benchmarks padrão, sem reportar a divisão privada do Decision Index v0.3.

Segurança e privacidade ao rodar esses modelos

Rodar um modelo localmente traz uma vantagem clara de segurança e privacidade: os dados não saem do aparelho. Em vez de enviar uma imagem ou um áudio para um servidor na nuvem, tudo é processado no próprio dispositivo, o que reduz o risco de vazamento e ajuda quem lida com informação sensível.

Esse ganho tem um custo. Modelos de decisão escolhem a partir de um número limitado de opções, então podem errar de forma silenciosa, sem explicar o motivo. Quem desenvolve em cima deles precisa testar com dados reais e revisar permissões de acesso à câmera e ao microfone, já que as entradas multimodais costumam vir de sensores do aparelho. Sem esse cuidado, um sistema que parece rápido pode acabar tomando decisões erradas em produção.

O que os modelos open d1 significam para quem desenvolve

Os modelos Liquid AI open d1 mostram uma direção diferente da corrida por modelos cada vez maiores. Em vez de tentar ser o melhor chatbot, eles apostam em decisões rápidas e locais, um espaço onde modelos pequenos têm vantagem natural.

Se você desenvolve para Android e precisa de decisão multimodal sem nuvem, vale baixar e instalar o d1-3B e o d1-omni-600M no Hugging Face para testar nas demonstrações da Liquid AI. Acompanhar os modelos de decisão pelos canais oficiais ajuda a entender quando a categoria amadurece, especialmente no lado do áudio, que ainda está em aberto.