Liquid AI D1 Omni 600M и d1-omni — это не две разные модели и даже не две разные контрольные точки одной модели. Это один и тот же набор весов — мультимодальная модель принятия решений Liquid AI с 587 млн параметров, построенная на базе Liquid AI LFM2.5-Encoder-350M и опубликованная на Hugging Face 5 октября 2026 года под именем репозитория LiquidAI/d1-omni-600M, — имеющая два разных имени файлов в двух разных каталогах. Один из этих каталогов, принадлежащий поставщику, говорит вам, что это за модель. Другой, принадлежащий Ollama, говорит вам, во что кто-то ее упаковал, и выводит на карточке три числа, которые не подтверждаются документацией поставщика. Этот разрыв — главная причина, по которой стоит прочитать это сравнение, ведь для такой маленькой модели упаковка — это не сноска, а разница между текстово-визуальной моделью и той моделью, которую, как утверждает карточка, вы скачали.
Поставщик не делал никаких заявлений по поводу записи в Ollama, а на странице Ollama нет ни примечаний от сопровождающих, ни журнала изменений, ни файла readme, объясняющих ситуацию. Поэтому честная позиция для всего нижеизложенного такова: веса общедоступны и проверяемы, упаковка общедоступна и проверяема, а интерпретация упаковки, предложенная здесь, принадлежит нам, а не Liquid AI. Там, где число невозможно отследить до источника, в этой статье об этом прямо говорится, вместо того чтобы повторять его.
Что на самом деле представляют собой эти два названия
Liquid AI опубликовала модель на Hugging Face с меткой времени создания 5 октября 2026 года, за два дня до того, как она появилась в собственном блоге поставщика «Open d1: Edge decision models for text, vision, and audio» 7 октября. Веса лицензированы по собственным условиям Liquid LFM 1.0, помечены тегами d1_omni, system-one, multimodal, vision, audio и decision-model, и на момент написания статьи набрали около 13 900 загрузок и 135 лайков. Квантованные варианты выходили по своему графику: репозиторий GGUF 6 октября, сборки MLX для Apple Silicon 12 октября.
Запись в Ollama не является ни одним из этих репозиториев. Это страница библиотеки Ollama под названием d1-omni, которая имеет значок «vision 600m», содержит четыре тега и была обновлена за несколько минут до написания этого текста — именно поэтому радар ее обнаружил. В ней нет упоминаний Liquid AI, LFM2.5-Encoder-350M или репозитория Hugging Face, из которого были взяты байты.
Таким образом, практическая разница заключается в имени файла и пути распространения, а не в модели. Что действительно отличается и что действительно важно, так это метаданные, обернутые вокруг байтов.
Три числа на карточке Ollama, проверенные по очереди
Страница Ollama выводит размер, контекстное окно и список входных данных для каждого тега. Все три заслуживают повторного рассмотрения, потому что в этой модели два из них не выдерживают проверки при сопоставлении с источником.
• Контекстное окно — 125 тыс. на карточке, 16 384 во всех источниках поставщика. Карточка модели Liquid AI указывает предел в 16 384 токена, охватывающий позиции текста, изображения и аудио вместе, а страница документации самого поставщика для d1-omni-600M гласит «16K tokens». Строка 125K не встречается ни в одном из них. Возможно, это артефакт позиционной конфигурации базовой архитектуры LFM2.5-Encoder или того, как Ollama сообщает о лимите кэша, но это не та цифра, которую опубликовала Liquid AI, и это не то число, которое данная статья может приписать кому-либо. Что делает это расхождение чем-то большим, чем просто педантизм, так это следующее число.
• Состояние, которое вы действительно можете передать, ограничено 896 токенами для пути изображения. В карточке Liquid сказано, что при наличии изображений «состояние и текст вопроса сокращаются до 896 токенов, как при обучении». Таким образом, запрос на принятие решения, содержащий фотографию, имеет текстовый бюджет размером примерно с это предложение, независимо от того, какая цифра контекста напечатана на странице загрузки. Если бы вы рассчитывали промпт для сортировки данных, исходя из 125 тыс. токенов, и ожидали бы оплаты за длинное состояние, вы бы рассчитывали на число, которое не описывает время выполнения. Цифра 16 384 — это реальный потолок; цифра 896 — это реальный рабочий лимит для мультимодального пути; 125K — это число без документального подтверждения.
• Размер — 850 МБ на карточке, два файла в реестре. Тег Ollama d1-omni:latest соответствует файлу квантованных весов 407 МБ с обозначением Q8_0 плюс файлу проектора 442 МБ с обозначением BF16, и 407 + 442 = 849, что страница округляет до 850 МБ. Оба указаны честно; арифметика — это просто сумма пары со смешанной точностью, а не один файл. Тег d1-omni:600m-bf16 более понятен: 764 МБ весов BF16 плюс тот же проектор 442 МБ, 1,2 ГБ на диске, причем проектор идентичен побайтово между двумя тегами. Это стоит заметить для следующего раздела, потому что проектор, который несет свои собственные веса, может изменить эффективное количество параметров.
Еще одна деталь, которую стоит зафиксировать, а не объяснять: блоб параметров времени выполнения внутри пакета d1-omni от Ollama побайтово имеет ту же длину — 18 байт, — что и внутри отдельного пакета d1 от Ollama, который поставляет Liquid AI d1-3B с 2,87 ГБ весов Q8_0 и проектором 855 МБ. Две архитектуры, два количества параметров, два десятилетия разницы в масштабе параметров и одна и та же конфигурация времени выполнения на 18 байт. Это константа упаковки, а не утверждение о какой-либо из моделей.
Что говорят сами веса
Если убрать упаковку, модель оказывается на удивление хорошо задокументированной. Liquid AI D1 Omni 600M насчитывает в общей сложности 587 млн параметров, разделенных на три части: 381 млн общая магистраль и голова принятия решений, 94 млн визуальный энкодер и 112 млн аудиоэнкодер. Магистраль двунаправленная — это энкодер, а не декодер — и она одинакова для каждой модальности, к которой прикреплены специфические для модальности башни.
• Зрение обеспечивается башней SigLIP2, унаследованной от Liquid AI LFM2.5-VL-450M, с адаптером и обновлениями LoRA, которые были активны только для входных изображений, в то время как сам энкодер оставался замороженным.
• Аудио обеспечивается 17-слойным FastConformer с собственным адаптером, дообученным на этапе, когда текстовая основа была заморожена, затем весь стек был дообучен, LoRA была объединена, а веса были усреднены по отношению к предыдущей контрольной точке.
• Словарный запас составляет 65 536 токенов на 15 языках: английском, немецком, испанском, французском, итальянском, голландском, польском, португальском, арабском, хинди, японском, русском, турецком, вьетнамском и китайском.
• Модальности нельзя смешивать. Один запрос принимает текст плюс изображения или текст плюс до 30 секунд речи — но не то и другое вместе. Аудио ожидается в формате 16 кГц моно, длительностью от 0,5 до 30 секунд, и было обучено на диалогах между англоговорящим человеком и ассистентом, что является реальным ограничением для любого многоязычного или зашумленного контента.
Ничего из этого не указано на странице Ollama, и это упущение имеет последствия, которые можно увидеть непосредственно в примерах использования. Фрагменты кода Ollama представляют собой вызовы чата — строка модели, массив сообщений, слово «Hello!» — а базовая контрольная точка не может на них ответить. Это не чат-модель, и она не пишет текст. Она возвращает типизированные ответы: вероятность «да/нет», метку с вероятностью для каждой метки или позицию на упорядоченной шкале, причем все это считывается непосредственно из выходного распределения без генерации выходных токенов. Опубликованные интерфейсы отражают это: system_one и вероятности через Transformers или конечная точка /v1/systemone через llama.cpp версии 0.7.0 и выше. Вызов в формате чата для модели принятия решений — это ошибка, к которой подталкивает такой разрыв в именовании.
С каждой из этих цифр связаны две оговорки.
Во-первых, Liquid самостоятельно оценивала свои строки с помощью официального средства оценки, а не отправляла их для публичного ранжирования, и ни одна третья сторона не воспроизвела ни одного результата d1-omni-600M — поставщик прямо заявляет в карточке модели, что не сообщает показатели вывода для этой контрольной точки, поскольку это ранняя исследовательская версия, находящаяся в стадии активной разработки. Во-вторых, две основные цифры противоречат друг другу: разрыв в 32 пункта в индексе и разрыв в 4,5 пункта в среднем значении бенчмарка описывают одну и ту же модель, поэтому полезными для чтения являются подбаллы, а не итоговые значения. Показатели Retrieval на уровне 35,0 и Tools на уровне 15,1 против Arts на уровне 6,8 показывают, для каких задач эта контрольная точка подходит, а для каких — нет. У аудио вообще нет колонки с бенчмарком; Liquid называет специализированные бенчмарки для принятия решений по аудио открытой проблемой.
Liquid AI D1 Omni 600M также лидирует в своем семействе по двум из семи показателей: Civil Comments с 95,8 и PAWS-X с 79,5. Это те две строки, где энкодер на 587 млн параметров превосходит декодер на 3 млрд, и обе они имеют форму классификации текста, а не рассуждения, что соответствует архитектуре, а не противоречит ей.
Выбирайте то, что вам нужно. Если вы хотите запускать ее локально через Ollama, d1-omni — это имя, которое работает: 850 МБ для сборки Q8_0, 1,2 ГБ для BF16, тот же путь к образу, который документирует Liquid, и ни один из тегов не содержит аудиопроектор. Если вам нужна модель, которую описывает поставщик, ищите Liquid AI D1 Omni 600M, а путь через Transformers в репозитории Hugging Face — это тот, чья длина контекста, список модальностей и количество параметров соответствуют документации.
В любом случае, это дешевая половина конвейера. Модель принятия решений классифицирует; что-то другое должно действовать на основе этой классификации. Это граница, на которой находится OrcaRouter, и ее стоит обозначить точно: ни одна модель Liquid AI не входит в наш каталог, поэтому вызов d1-omni идет туда, где вы его уже запускаете — эти веса на вашем собственном оборудовании или собственный API поставщика и сторонние платформы для размещенных «собратьев». Модели, стоящие за одним ключом, совместимым с OpenAI (их более 200), предназначены для всего последующего, по прейскуранту каждого провайдера с 0% наценкой, с автоматическим переключением между провайдерами, когда распределенный запрос направляется к модели, которая работает некорректно.
Что могло бы разрешить открытый вопрос
Три вещи могли бы закрыть этот вопрос, и ни для одной из них не требуется объявление от поставщика. Сравнение вывода тега Ollama объемом 850 МБ с контрольной точкой Hugging Face на одних и тех же входных данных показало бы нам, изменила ли упаковка ответы. Коммит в llama.cpp или запись в журнале изменений Ollama, объясняющая цифру контекста, подсказали бы нам, является ли 125K ошибкой или возможностью, о которой еще не успели написать в карточке модели. А опубликованный результат по аудио — любой результат по аудио — вывел бы эту контрольную точку из категории, которую она занимает сейчас, а именно: хорошо задокументированная модель с недокументированным уровнем упаковки и таблицей результатов, которая полностью принадлежит поставщику.
Задокументированные сбои ИИ и инциденты с агентами, стоящие за подобными релизами, собраны в архиве инцидентов ИИ OrcaRouter (OrcaRouter AI Incident Archive), где каждая запись содержит свои источники, степень серьезности, оценку достоверности и флаг оспаривания.
