600M 参数（60 亿）的模型，在浏览器里 180 毫秒审完一条评论——零服务器参与。这件事的小意义是技术演示，大意义是「小模型跑在本地」从 PPT 走进了代码。

这是什么

模型叫 d1-omni-600M，来自 Liquid AI，一家 MIT 实验室孵化的美国公司。官方定位很特别：不是聊天模型，是「决策模型」——专门做分类、判定这类结构化任务。社区开发者把它移植到 WebGPU（浏览器调用显卡算力的新标准），纯 TypeScript 写，不走传统的 WASM（浏览器里的通用加速方案）。演示里每条评论过四道关：是否辱骂、是否垃圾、是否提问、整体语气。

行业怎么看

对我们来说，真正值得关心的不是 600M 这个数字，而是路径被走通。过去一年巨头都在卷万亿参数，行业开始反思：多数企业任务用不上那么大的模型。Liquid AI 主打「小而专」——一个刚好够用的模型，干一个具体的活儿，推理（让模型出结果）发生在用户自己的设备上。

但也有保留意见。开发者自己试着用这个模型玩贪吃蛇都失败了，说明它的逻辑推理仍是短板。「决策模型」是营销定位还是真差异化，Liquid 没有公开基准对比，第三方测试也还没跟上。WebGPU 对硬件有要求，老旧设备体验会打折。

中国市场还有一个加分项：数据本地化和合规压力下，「数据不出服务器」的方案天然有吸引力。这条路径在国内不缺想象空间。

对普通人的影响

对企业 IT：内容审核、客服工单分类这类高频低复杂度的工作，最可能先被本地小模型替代，成本和合规两边都松一口气。

对个人职场：未来很多判断类工具会直接嵌在浏览器里使用——不用装客户端、不用学新软件。

对消费市场：越来越多 AI 功能可能在断网或弱网下也能正常工作，「AI 无处不在」才算真正开始。