LiquidAI 连发两款小模型 — 不卷参数规模，押注决策专用路线

来自 MIT 的 AI 公司 LiquidAI 这周一口气放出两款小模型——d1-3b（30 亿参数）和 d1-omni 600m（6 亿参数），都不是常规的「大语言模型」，而是被定位成「决策模型」。社区反应是「有新东西但不够」，因为大家等的是新一代 LFM（Liquid Foundation Model），这次没来。

这是什么

LiquidAI 由前 MIT 研究员 Ramin Hasani 创立，核心技术来自他们研究的「液态神经网络」——一种更接近生物神经元的架构。d1 系列是这种思路在「决策任务」上的产物：参数量小，专注在控制、自动化、Agent（能自主执行任务的 AI）调用这类需要快速判断的场景，而不是写文章、聊天。公司同步放出了 HuggingFace 上的 GGUF 格式文件（一种便于本地部署的压缩版本），意味着可以直接在普通电脑甚至边缘设备（本地终端而非云端）上跑起来。

行业怎么看

支持者认为这是正确方向：Meta 的 Llama、Mistral 这些通用大模型已经够多，真正缺的是能在本地、低延迟跑起来的小型专用模型，Agent 时代需要的就是这种「快而准」的工具。批评意见更直接——Reddit 原帖讨论寥寥，评论区有人直接说「No new LFM🙁」，认为公司没拿出旗舰产品，节奏慢于 Mistral、阿里通义千问这些对手。也有分析提醒：小模型参数虚标、性能不及宣传的情况在开源圈屡见不鲜，3B 标称模型在跑分上经常打不过同尺寸竞品，最终得看实测。

对普通人的影响

对企业 IT：如果 d1 系列实测过关，企业可能在本地部署一个「决策小模型」做风控、流程审批，不再需要为这类任务调用动辄几百亿参数的通用模型，云成本有机会下降。 对个人职场：目前意义有限——决策模型主要面向开发者集成，普通办公场景还用不到，但开发者社区的活跃度会是判断它能不能走远的先行指标。 对消费市场：暂无直接影响，但「小模型跑在本地」的方向若成立，未来手机、智能家居、车机都可能内置更强的 AI 能力，而不依赖云端。