宣布 d1 获得视觉能力（2 分钟阅读）

TLDR AI 模型
multimodal decision-models vision-models inference-speed cost-efficiency liquid-ai openai-compatible-api

摘要

Liquid AI 宣布其决策模型 d1 现在支持图像、文本或两者组合作为输入，声称在 6 项真实世界应用中的 4 项上匹配或超越 GPT-6.1 Sol，同时成本降低 19 到 200 倍，响应速度显著更快。d1 在单次前向传播中直接返回是/否、选项或评分的概率，无需生成任何 token，响应时间在 200–300 毫秒之间。

宣布 d1 获得视觉能力。👁️👁️ 我们的首个决策模型现在支持图像、文本或两者组合作为输入。我们在六项真实应用上对 d1 与 GPT-6.1 Sol 和 Claude Opus 5.5 进行了对比测试，涵盖从工单筛选到电路板检测等场景。d1 在其中四项上匹配或超越了 GPT-6.1 Sol。它的成本比这两个模型低 19 到 200 倍，并且在每一项任务上的响应速度都显著更快。 > 是/否、选项或评分问题的概率输出 > 单次前向传播，无需生成 token > 文本决策在 200 到 300 毫秒内完成 > Liquid API：https://console.liquid.ai 🧵
查看原文
查看缓存全文

缓存时间: 2026/10/06 15:06

宣布 d1 支持视觉功能 👁️👁️

我们的首个决策模型现在支持以图像、文本或两者结合作为输入。我们在六个真实应用场景中，将 d1 与 GPT-6.1 Sol 和 Claude Opus 5.5 进行了对比测试，涵盖从筛选工单到检测电路板的各种任务。在其中四个场景中，d1 的表现与 GPT-6.1 Sol 持平或更优。它的成本比这两款模型低 19 倍到 200 倍，且在所有任务上的响应速度都显著更快。

针对是/否、选择或评分类问题，输出概率结果 仅需一次前向传播，无需生成 token 文本类决策在 200 至 300 毫秒内完成 Liquid API：https://console.liquid.ai

🧵

Liquid Console

来源：https://console.liquid.ai/ Liquid

用 Liquid 构建。

Liquid 基础模型，通过 OpenAI 兼容的 API 提供服务。

相似文章

LiquidAI/d1-3B

Hugging Face Models Trending

LiquidAI 发布了 d1-3B，这是一个基于 LFM2.5-VL-3B 构建的开源 30 亿参数多模态决策模型，能在单次前向传播中对文本/JSON/图像状态的类型化问题给出答案，且不输出任何 token，在消费级 GPU 上可实现 8 毫秒的决策速度。

@maximelabonne：天哪，文本+视觉的组合能做到的事简直疯狂 > 加入视觉能力可以提升纯文本任务的表现 > OCR 是很简单的任务，完全不需要提示词工程……

X AI KOLs Timeline

Liquid AI 发布了带视觉能力的 d1，使其首个决策模型能够处理图像、文本或两者兼具。基准测试显示，在真实世界应用中，它的表现与 GPT-6.1 Sol 和 Claude Opo 5.5 等前沿模型持平甚至更优，同时保持着快速与低成本的优势。