Liquid AI d1‑3B: модель для короткого решения по тексту и изображению

7 октября Liquid AI представила d1‑3B, открытую модель для задач принятия короткого решения. В отличие от привычного чат-бота она не должна писать развёрнутое письмо или вести диалог. Её работа — принять вход, например текст и изображение, и выдать структурированный результат за один проход. Представьте камеру, которая видит табличку на упаковке, и систему, которая должна выбрать одну из нескольких категорий для дальнейшей ручной проверки. Для такого маршрута свободный рассказ модели зачастую не нужен; важны метка, задержка и способ обработки сомнительного случая.

Разработчик строит d1‑3B на основе своей визуально-языковой модели LFM2.5‑VL‑3B. Он сообщает средний результат 82,9 по семи публичным наборам и отдельно приводит задержки на нескольких устройствах Jetson и GPU. Эти цифры относятся к конкретным условиям испытания и не обещают того же результата на русском архиве, нестандартных фотографиях или рабочем ноутбуке. Прежде чем сравнивать их с конкурентами, посмотрите состав тестов, определение метрики и распределение ошибок по классам.

Какая задача ей подходит

Лучший кандидат — узкая повторяющаяся операция с заранее заданными вариантами ответа. Это может быть сортировка изображений дефекта по категориям для инспектора, маршрутизация обезличенного обращения в нужную очередь или обнаружение ситуаций, требующих дополнительного просмотра. Решение модели должно оставаться рекомендацией, пока вы не знаете частоту критических пропусков. Для автоматической блокировки заказа или отказа клиенту одной общей точности недостаточно: редкая ошибка может стоить значительно дороже ста корректных меток.

Обратите внимание на слово «решение». Оно не делает модель ответственным лицом. Если она определяет «проверить вручную», системе нужен человек и понятный срок проверки. Если метка указывает «обычная обработка», должен существовать путь оспорить её. Не стоит расширять применение от сортировки к итоговой оценке риска только потому, что модель быстро работает на первом шаге.

Что известно о скорости, а что — нет

В опубликованном тесте d1‑3B отвечает на один вопрос за десятки миллисекунд на отдельных устройствах Jetson; на названных GPU показатели ниже десяти миллисекунд. Это измерение самой модели при определённых входах. В реальном процессе время добавят чтение файла, декодирование изображения, нормализация данных, очередь запросов, запись результата и показ человеку. Особенно важен «холодный» запуск: для редких вызовов время загрузки весов может съесть выигрыш от быстрого вывода. Сравнивайте полную операцию от входного объекта до видимого решения.

Модель открыта по весам, но это не разрешение запускать неизвестный код без проверки. Пример разработчика использует загрузку с выполнением удалённого кода модели. Для производственной среды проверьте репозиторий, зависимость, лицензию, хэш загружаемых файлов и сетевые обращения. Подготовьте фиксированную версию окружения. Мы отдельно разбирали общую процедуру в гайде по проверке открытой модели в своём стеке.

Как устроить честный пилот

Сначала зафиксируйте словарь допустимых меток и критерии их выбора. Соберите две выборки: обычные случаи и проблемные — размытые изображения, неполные сообщения, несколько объектов одновременно. Уберите персональные данные и вручную разметьте примеры двумя независимыми специалистами. Разногласия между ними не прячьте: возможно, правило неясно даже людям. Только после этого запускайте модель без перенастройки на тестовой части.

Подсчитайте точность по каждому классу, число ложных тревог и пропусков, долю «не уверен», полную задержку и время человека на исправление. Отдельно проверьте, меняется ли результат при небольшом повороте изображения, обрезанном тексте или перефразированном запросе. Если система слишком уверенно классифицирует неразборчивый вход, добавьте правило ручной очереди. Наше сравнение decision model и генеративной модели поможет выбрать контрольный вариант для того же набора.

Где не следует делать вывод по демо

Разработчик приводит публичные текстовые тесты и измерения скорости; они не подтверждают надёжность в медицинском, финансовом или юридическом применении. Даже если среди бенчмарков есть медицинские вопросы, это не клиническая валидация. Также нельзя считать, что структура ответа автоматически делает его объяснимым: метка сама по себе не сообщает, какой фрагмент изображения повлиял на выбор. Там, где решение затрагивает права человека или деньги, храните исходный объект и проверяемую причину действия.

Итог: d1‑3B заслуживает теста там, где нужна быстрая и ограниченная классификация по тексту или картинке. Сначала докажите, что она уменьшает ручную работу без роста критических ошибок. Быстрый вывод — ценное техническое свойство, но не отдельный аргумент для автоматизации решения с высокой ценой ошибки.

FAQ

Перед сравнением с действующей системой запишите, сколько случаев она уже отправляет человеку и почему. Иначе новая модель может выглядеть точнее лишь потому, что сложные обращения молча исключили из её потока. Проверьте также результат после обновления весов: новая версия способна изменить границу между близкими категориями. Сохраняйте исходный тестовый набор и дату версии, чтобы через месяц воспроизвести решение по старому случаю. Для команд, которым важно объяснение пользователю, метки d1‑3B недостаточно; добавьте отдельный проверяемый текст от человека или другого инструмента, явно отделив его от самого вывода классификатора.

Это замена ChatGPT? Нет. Модель предназначена для структурированных решений, а не для свободного разговора.

Можно ли использовать её полностью локально? Веса доступны, но перед запуском нужно проверить код загрузчика, лицензию и собственное окружение.

Какой показатель важнее среднего балла? Доля критических пропусков в вашей задаче и возможность отправить сомнительный случай человеку.