Liquid AI, Sınır Cihazları İçin Yeni Açık Ağırlıklı Karar Modelleri d1-3B ve d1-omni-600M'yi Duyurdu

Yapay zeka alanında çalışmalar yürüten Liquid AI, 7 Ekim 2026 tarihinde sınır (edge) bilişim uygulamaları için optimize edilen yeni açık ağırlıklı karar modeli ailesi d1'i resmi olarak yayınladı. Aurelien Lac, Fernando Fernandes Neto, Edoardo Mosca, Maxime Labonne ve Leonie Monigatti'den oluşan Liquid AI ekibi tarafından duyurulan seri; d1-3B ve deneysel aşamadaki d1-omni-600M olmak üzere iki farklı modelden oluşuyor.

Üretken Modellerden Farklı Olarak Tek Geçişte Karar Mekanizması

Klasik büyük dil modelleri veya üretken yapay zeka sistemlerinden farklı olarak d1 modelleri metin veya token üretmek yerine, girdileri işleyerek tek bir ileri geçişte (forward pass) doğrudan yapılandırılmış kararlar veriyor. Bu modeller, şirketin Liquid Vakıf Modelleri (LFMs) altyapısı üzerine inşa edildi.

Ailesinin ana modeli olan d1-3B, metin ve görsel girdilerini destekleyen, yalnızca kod çözücü (decoder-only) mimariye sahip LFM2.5-VL-3B omurgasından eğitildi. Deneysel aşamadaki d1-omni-600M ise çift yönlü kodlayıcı mimarisine sahip LFM2.5-Encoder-350M modelini temel alıyor. Bu küçük ölçekli model; bünyesine eklenen özel vizyon ve ses kodlayıcıları sayesinde metin-görsel veya metin-ses girdilerini işleyebiliyor. Şirket, d1-3B'nin omurgasına ait görsel yeteneklerini koruduğunu, d1-omni-600M'nin ise her üç modalite్యాన్ని de başarıyla işleyebildiğini doğruluyor.

Benchmark Performansı ve Karşılaştırmalı Testler

Yedi farklı kamu veri setinde (SQuAD 2.0, Civil Comments, MASSIVE intent, PubMedQA, BoolQ, XNLI ve PAWS-X) test edilen modeller, okuduğunu anlama, toksisite tespiti, niyet sınıflandırma, tıbbi soru-cevap ve diller arası anlama kategorilerinde değerlendirildi.

Decision Index 0.2.1 ölçütlerine göre 10 milyar parametre altındaki en iyi karar modeli unvanını alan d1-3B, 48.57 puan elde ederek 4B ve 9B parametreli diğer modellerin yanı sıra Decider 35B-A3B (47.11) modelini geride bıraktı. Yedi kamu veri setinde ortalama 82.9 puanla tabloda en yüksek skora ulaşan model, Decider 4B'nin (81.1) önünde yer aldı. 600 milyon parametreli d1-omni-600M ise 78.4 ortalama puanla, parametre sayısının dört katı büyüklüğündeki Decider 2B modelini (77.1) geride bırakmayı başardı. Erken bir araştırma sürümü olan d1-omni-600M için bu aşamada ayrı bir hız verisi paylaşılmadı.

Sınır Cihazlarında ve GPU'larda Hız Testleri

NVIDIA ile yürütülen işbirliği kapsamında donanım testlerine tabi tutulan d1-3B, uç cihazlarda dikkat çekici hız sonuçları sergiledi. Model; ölçülen tüm cihazlarda tek bir soruyu 50 milisaniyenin altında yanıtlıyor. Donanım bazlı tek soru yanıt süreleri şu şekilde sıralanıyor:

- NVIDIA Jetson AGX Thor: 16 milisaniye - NVIDIA Jetson AGX Orin (64 GB): 26 milisaniye - NVIDIA Jetson Orin Nano: 50 milisaniye - Apple M5 Pro: 30 milisaniye

Ayrıca üç soru eşzamanlı sorulduğunda süre artışları oldukça sınırlı kalıyor; örneğin Jetson AGX Thor üzerinde süre 16 ms'den 20 ms'ye yükseliyor. Güçlü masaüstü ve sunucu GPU'larında ise (NVIDIA RTX 4090 ve AMD MI325X) d1-3B, tek bir soruyu 10 milisaniyenin altında (sırasıyla 8 ms ve 9 ms) yanıtlıyor ve 384px boyutundaki bir görseli 18 milisaniyenin altında işleyebiliyor.

Açık Kaynak Erişimi ve Teknik Kullanım Detayları

Her iki karar modeli de Hugging Face üzerinden geliştiricilerin kullanımına açık ağırlıklı (open-weight) olarak sunulmuş durumda. Modelleri çalıştırmak için transformers>=5.14 kütüphanesi gerekiyor ve özel kod yapısı nedeniyle trust_remote_code=True parametresiyle yüklenmeleri zorunlu. Geliştiriciler ayrıca System One Arcade Hugging Face Space üzerindeki demoları deneyebiliyor.

D1 modelleri; hızlı sınıflandırma, niyet tespiti, müşteri talebi yönlendirme ve yapılandırılmış veri çıkarımı gibi senaryolarda esnek bir altyapı vadediyor. Projeyi kaynak göstermek isteyen araştırmacılar için Liquid AI tarafından 2026 yılında yayınlanan Open d1: Edge decision models for text, vision, and audio başlıklı blog yazısı resmi atıf kaynağı olarak gösteriliyor.