Liquid AI hat zwei offene Modelle veröffentlicht, die nichts schreiben. Die d1-Familie — d1-3B und das experimentelle d1-omni-600M — beantwortet strukturierte Fragen zu einer Eingabe in einem einzigen Vorwärtsdurchlauf und liefert kalibrierte, typisierte Antworten statt eines Token-Stroms.
Der Anspruch ist Edge-Computing: Statt eines Chat-Modells übergibt man d1 einen "State" (Text, JSON, ein Bild oder eine Mischung) und eine Reihe benannter Fragen mit Vorgaben — Ja/Nein, eine Auswahl aus beschrifteten Optionen, eine Bewertung auf einer Skala — und erhält eine Entscheidung. Weil nichts generiert wird, fallen keine Ausgabe-Tokens an und es gibt keine Decoding-Schleife, auf die man warten müsste.
Die veröffentlichten Zahlen zielen genau darauf. d1-3B erreicht 48.57 im Decision Index v0.2.1 und liegt damit vor jedem getesteten 4B- und 9B-Modell sowie vor Decider 35B-A3B (47.11). Über sieben öffentliche Datensätze zu Leseverständnis, Toxizitätserkennung, Intent-Klassifikation, medizinischem Frage-Antwort und sprachübergreifendem Verständnis liegt der Mittelwert bei 82.9 — der beste in der Vergleichstabelle. Das 600M-Modell auf Basis eines bidirektionalen 350M-Encoders kommt mit einem Viertel der Parameter des geschlagenen Decider 2B auf 78.4 und ergänzt Text und Bild um Audio-Eingaben.
Die Geschwindigkeit ist die Schlagzeile: In Zusammenarbeit mit NVIDIA beantwortete d1-3B eine Frage in 16 ms auf einem Jetson AGX Thor, in 26 ms auf einem Jetson AGX Orin 64 GB und in 50 ms auf einem Orin Nano; auf einem Apple M5 Pro waren es 30 ms. Auf einer RTX 4090 sind es 8 ms, auf einer AMD MI325X 9 ms. Drei Fragen kosten etwa das 1,3-Fache einer einzelnen. Beide Modelle sind auf Hugging Face verfügbar, mit nativer llama.cpp-Unterstützung für Apple-, AMD-, Qualcomm- und NVIDIA-Hardware.
Zwei Einschränkungen gehören ausdrücklich dazu. Liquid berichtet in diesem Release keine Vision- oder Audio-Benchmarks — der Vision-Teil des Decision Index sei privat, und Audio-Entscheidungsbenchmarks seien ein offenes Problem —, und d1-omni-600M ist ein früher Forschungsrelease ohne veröffentlichte Geschwindigkeitswerte. Das Unternehmen stellt zudem klar, dass es sich um Entscheidungsmodelle handelt, nicht um Allzweck-Assistenten: Wer einen Absatz geschrieben haben will, greift zum falschen Werkzeug.
Diese Enge ist der Punkt. Braucht eine Pipeline tatsächlich einen Klassifikator, Router oder Triage-Schritt, ist ein Modell, das in einem Durchlauf eine typisierte Antwort liefert, billiger und einfacher als ein generatives Modell, das man freundlich bittet, nicht zu schwafeln.
