Le fait
Le 7 octobre 2026, Liquid AI publie Open d1, deux modèles open-weight de sa famille de modèles de décision : d1-3B (3,12 milliards de paramètres, texte et images) et d1-omni-600M (587 millions de paramètres, texte avec image ou texte avec audio). Les deux sont disponibles sur Hugging Face, avec un support llama.cpp dès le premier jour.
Un modèle qui ne « parle » pas
Un LLM classique rédige sa réponse token par token, et le code doit ensuite l’analyser. Un modèle de décision reçoit un état (un message, une image, un extrait audio) et une liste de questions nommées, puis renvoie en une seule passe une probabilité pour chaque réponse autorisée. Trois types de questions : oui/non, choix parmi des étiquettes, et score sur une échelle de 2 à 10 niveaux. Chaque réponse affiche zéro token de sortie.
Usages visés : routage, modération, classification d’intention, reranking, notation de type « LLM juge », garde-fous d’agents et inspection visuelle. Exemple donné : en un seul appel, vérifier si un ticket relève d’un remboursement, choisir l’équipe concernée et noter l’urgence.
Les chiffres annoncés
Selon Liquid AI, d1-3B obtient 48,57 sur le Decision Index v0.2.1 (partie publique), devant tous les modèles de moins de 10 milliards de paramètres et au niveau de Decider 35B-A3B, douze fois plus gros. MarkTechPost précise que Liquid AI a lancé lui-même le correcteur officiel : ce ne sont pas des soumissions au classement. Sur sept benchmarks texte publics, d1-3B affiche une moyenne de 82,9.
Latence mesurée par Liquid AI, une requête à la fois : 8 ms par question sur une RTX 4090, 16 ms sur Jetson AGX Thor, 26 ms sur Jetson AGX Orin et 50 ms sur Jetson Orin Nano. Trois questions sur le même état ne prennent qu’environ 1,3 fois le temps d’une seule. d1-omni-600M est présenté comme une version de recherche précoce, sans chiffres de latence publiés.
Lecture Neurone21
C’est une brique très concrète pour les PME qui bricolent aujourd’hui un gros LLM pour trier des mails ou des tickets : un modèle de 3 milliards de paramètres qui répond en millisecondes sur une carte graphique grand public, en local, coûte moins cher et fuit moins de données. Point à vérifier avant usage commercial : la licence LFM Open v1.0, que MarkTechPost décrit comme gratuite en usage commercial sous 10 millions de dollars de chiffre d’affaires annuel.