「d1-3B」テキストや画像の判定に特化した決定モデル:必要VRAM 4GB〜・GGUF版あり

「d1-3B」テキストや画像の判定に特化した決定モデル:必要VRAM 4GB〜・GGUF版あり

基本情報

項目 内容
リポジトリ LiquidAI/d1-3B
まとめページ LFM2.5 のまとめ(記事11本)
公開元のまとめ Liquid AI のモデルとライセンスのまとめ
公開日 2026-10-05
ライセンス lfm1.0
配布形式 safetensors
論文 arXiv:2511.23404
出典の種類 公開元の一次情報(公式HFリポジトリの出典で裏付け可能)

情報を集めた時点で、当サイトのコードが確定させた値です。日付はJSTで表示しています。

スペック

  • パラメータ数:3.12B
  • アーキテクチャ:lfm2_vl (LFM2.5-2.6B + SigLIP2 NaFlex shape-optimized 400M)
  • コンテキスト長:32,768 tokens
  • 語彙サイズ:128,000

性能

モデルカードによれば、d1-3Bは意思決定タスクにおいて、自身のサイズを大きく上回るモデルに匹敵、あるいは凌駕する性能を示しています。以下は、公開元の測定による「Decision Index 0.2.1」の比較表です。なお、比較対象として10Bクラス以下のオープンウェイトモデルを中心に列を維持しています。

→ 横にスクロールできます

Model Size Decision Index Knowledge Language Retrieval Tools Arts
Winnow-12B 12B 50.02 33.8 56.0 54.0 71.0 30.0
d1-3B 3B 48.57 23.8 56.4 52.8 74.5 36.3
Decider 35B-A3B 36B 47.11 31.8 55.5 54.7 56.5 32.6
JPT-9B 9.7B 46.89 31.7 56.7 44.6 67.0 28.6
JPT-4B 4.7B 43.04 28.7 52.5 45.0 57.2 25.8
Decider 4B 4.7B 40.70 25.7 46.0 44.7 58.6 25.0
Decider 2B 2.3B 28.97 14.9 32.6 37.3 42.4 14.6

この表から、d1-3Bは3Bという小規模なパラメータ数でありながら、総合スコア(Decision Index)で35BクラスのDecider 35B-A3Bを上回っていることが分かります。特に「Tools(ツール利用)」や「Arts」の項目では、比較対象の中で最も高い数値を記録しており、エージェント的なタスクにおいて非常に強力です。一方で「Knowledge(知識)」の項目は23.8に留まっており、12BクラスのWinnow-12B(33.8)などと比較すると、広範な知識を必要とするタスクでは劣る傾向にあります。

次に、既存のベンチマークを意思決定タスクとして評価した結果を示します。

Benchmark d1-3B Decider 4B Decider 2B
SQuAD 2.0 85.3 76.0 67.7
Civil Comments 93.0 92.8 93.6
MASSIVE intent 87.3 88.3 81.1
HelpSteer2 36.7 42.0 32.0
PubMedQA 66.0 63.3 65.7
BoolQ 86.7 89.0 87.3
XNLI 85.0 88.6 85.0
PAWS-X 76.9 69.8 59.5
Mean 77.1 76.2 71.5

この評価では、SQuAD 2.0やPAWS-XにおいてDecider 4Bを大きく引き離す精度を見せています。平均値(Mean)でも77.1を記録し、4Bクラスのモデルを上回る性能を維持しています。

最後に、マルチモーダル(画像理解)性能について、ベースモデルであるLFM2.5-VL-3Bとの比較です。

Benchmark d1-3B LFM2.5-VL-3B
AI2D 79.9 80.9
BLINK 59.2 58.7
CV-Bench 82.1 87.6
HallusionBench 65.3 65.0
MMBench 84.9 84.3
MME 82.1 82.4
MMStar 59.9 61.2
MMVP 77.0 73.7
POPE 88.5 90.1
VisualWebBench 71.4 78.3
VL-RewardBench 65.0 50.9
Mean 74.1 73.9

画像理解の平均スコアは74.1であり、ベースモデル(73.9)と同等の性能を維持しつつ、決定モデルとしての最適化が行われています。特にVL-RewardBenchでは65.0と、ベースモデルの50.9から大幅な向上が見られます。一方で、CV-BenchやVisualWebBenchのように、ベースモデルに及ばない項目も存在します。

得意なこと・想定用途

d1-3Bは、テキストや画像などの状態(state)と質問項目を受け取り、1回のフォフォワードパスかつ出力トークン生成なし(zero output tokens)で、キャリブレーションされた型付きの回答を返すことに特化した決定モデル(decision model)です。

自由な文章を出力するチャットモデルではないため、テキストの執筆や一般的な会話用途には使用できません。一方で、システム内の判断処理や自動化パイプラインにおいて、高速かつ正確な判定を求める以下のような用途で威力を発揮します。

  • ルーティング・トリアージおよび意図・トピック分類: ユーザーからの問い合わせ本文やチケット内容を解析し、適切な担当部署への振り分けや緊急度の判定を行います。
  • コンテンツモデレーションおよびガードレール: 入力テキストや画像が規約に違反していないかの判定や、AIエージェントの安全性を確保するガードレールとして機能します。
  • データ抽出チェックおよびリランク: 抽出された情報の整合性チェックや、検索結果の並び替え(リランク)を実施します。
  • LLM-as-a-judgeスコアリング: 他のLLMが生成した回答の品質評価やスコア付けを行います。
  • 視覚的検査(Visual Inspection): 入力画像に含まれる対象物の数をカウントしたり、状態を識別したりするマルチモーダルな視覚判別タスクに対応します。

本モデルで指定できる質問形式には、以下のような種類が存在します。

  • noul(はい/いいえ判定): 質問に対する肯定の確率を返します。
  • choice(選択肢の判定): 定義された名前付き選択肢の中から1つを選択し、確信度や確率分布とともに回答します。
  • score(スコアリング): 2〜10段階の順序付きレベルの中から期待されるスコアレベルと確信度を返します。

また、対応言語には日本語(ja)をはじめ、英語(en)、中国語(zh)、フランス語(fr)、ドイツ語(de)、ヒンディー語(hi)、インドネシア語(id)、イタリア語(it)、韓国語(ko)、ポーランド語(pl)、ポルトガル語(pt)、ロシア語(ru)、スペイン語(es)、タイ語(th)、ベトナム語(vi)、アラビア語(ar)など、豊富な言語が含まれています。単一の状態に対して複数の質問を一度に与えても、1回の実行でまとめて判定を得ることができます。

動作環境

動作環境の目安(Local Model Watch 算出) — パラメータ数 3.1B

手持ちのVRAM 選べる量子化 ファイルサイズ 必要メモリの目安
4GB(ノートPCの内蔵GPU・スマートフォンなど) Q8_0 2.7GB 3.2GB
RTX 4060 / 3060 Ti など 8GB BF16 5.0GB 6.0GB

推論エンジンの対応状況(各プロジェクトのソースにあるモデル登録表とアーキテクチャ名を当サイトが機械的に照合。2026-11-17 時点): llama.cpp: 登録あり、vLLM: 登録あり、MLX (mlx-lm): 未登録。「未登録」はその時点の登録表に名前が無いという意味で、動かないことの断定ではありません。

必要メモリは配布ファイルの実サイズに実行時のオーバーヘッド(KVキャッシュ等)を20%見込んだ概算で、文脈長・バッチサイズ・推論エンジンによって増減します。公開元の公称値ではなく、当サイトがファイルサイズから機械的に算出した値です。 ファイルサイズは変換版 LiquidAI/d1-3B-GGUF の配布ファイルの実測値です。 他のモデルとの比較はVRAM別の早見表を参照してください。 量子化の名前の読み方は用語集にあります。

手元で動かせるか

Ollama・LM Studio・llama.cpp で動かせます(変換版を利用)。

公開元の配布は safetensors ですが、LiquidAI/d1-3B-GGUF が GGUF版を公開しているため、そちらを使えば手元で動きます。

ライセンス lfm1.0(条件付きで商用利用可): LiquidAI の LFM Open License v1.0 です。商用利用は可能ですが、年間売上が1,000万ドル以上の法人による商用利用は許諾の対象外です(第5条)。再配布時はライセンス文と変更点の告知が必要です。

量子化の圧縮率: Q8_0 は実測 7.43 bit/weight で、元の16bitの重みの約46%のサイズです(配布ファイルの実サイズから当サイトが算出)。

配布形式・当サイトが見つけた変換版・各推論エンジンの登録表を突き合わせた判定です。「確認できていない」は当サイトが見つけていないという意味で、存在しないことの断定ではありません。ライセンスの要約は法的助言ではないため、実際の利用にあたっては公開元の原文を確認してください。

同クラスの既報モデル

当サイトが最近取り上げた、パラメータ数 〜4B のモデルを、比較のために記事ログからコードが並べたものです。VRAM階層は当サイトの概算、ライセンスはモデルカードの記載です。

→ 横にスクロールできます

モデル パラメータ数 最小のVRAM階層 ライセンス 記事
LiquidAI/d1-omni-600M 587M 4GB lfm1.0 「d1-omni-600M」マルチモーダル決定モデル:必要VRAM 4GB〜・GGUF版あり(2026-11-17)
baidu/Unlimited-OCR-2 3.3B 8GB mit 「Unlimited-OCR-2」超長文ドキュメント解析特化型ビジョン言語モデル:必要VRAM 8GB〜(2026-11-17)
openbmb/MiniCPM-OCR-1.0-DSpark 297M 4GB apache-2.0 「MiniCPM-OCR-1.0-DSpark」OCRの高速化ドラフトモデル:必要VRAM 4GB〜(2026-11-17)
openbmb/MiniCPM-OCR-Jev-GPTQ 2.2B 4GB apache-2.0 MiniCPM-OCR-Jevの量子化版が公開、GPTQとAWQ形式に対応(2026-11-17)
LiquidAI/d1-2B-GGUF 1.9B 4GB lfm1.0 「d1-2B-GGUF」テキスト・画像・動画対応の意思決定モデル:必要VRAM 4GB〜(2026-11-17)

入手方法

d1-3Bはsafetensors形式で配布されており、Hugging Face Hubからダウンロードして利用できます。利用にあたってライセンスへの同意申請(gated)は不要です。

動作には Python パッケージとして transformers>=5.14、torch、torchvision、pillow が必要となります。以下のコマンドで依存関係をインストールできます。

pip install "transformers>=5.14" torch torchvision pillow

モデル固有の実装コードがリポジトリに含まれているため、ロード時には trust_remote_code=True を指定します。

import torch
from transformers import AutoModel

device = "cuda" if torch.cuda.is_available() else "mps" if torch.backends.mps.is_available() else "cpu"
dtype = torch.float32 if device == "cpu" else torch.bfloat16
model = AutoModel.from_pretrained("LiquidAI/d1-3B", trust_remote_code=True, dtype=dtype).to(device)

判定の実行には model.system_one() メソッドを使用します。質問の定義辞書とテキストまたは画像を渡すことで、一括して回答を取得できます。

questions = {
    "refund": {
        "type": "noul",
        "instructions": "Is the customer asking for a refund?",
    },
    "team": {
        "type": "choice",
        "instructions": "Which team should handle this?",
        "criteria": {
            "billing": "Charges, refunds, invoices",
            "technical": "App or site faults",
            "fraud": "Suspected unauthorised use",
        },
    },
}
print(model.system_one("I was charged twice this month, please refund one of them.", questions))

また、複数のリクエストをパディングなしで一括処理するための model.system_one_batch() メソッドも用意されており、大量のリクエストをまとめたバッチ処理にも対応しています。

派生版・量子化版

→ 横にスクロールできます

追記日 配布元 形式 リポジトリ 最小のVRAM階層(量子化・必要メモリの目安)
2026-10-07 LiquidAI INT8 LiquidAI/d1-3B-w8a8 INT8 4.3GB(8GB VRAMで動作)
2026-10-07 LiquidAI GGUF LiquidAI/d1-3B-GGUF Q8_0 3.2GB(4GB VRAMで動作)
2026-10-12 LiquidAI MLX LiquidAI/d1-3B-MLX-fp16 MLX 7.0GB(8GB VRAMで動作)
2026-10-12 LiquidAI MLX LiquidAI/d1-3B-MLX-4bit MLX 4bit 2.6GB(4GB VRAMで動作)
2026-10-12 LiquidAI MLX LiquidAI/d1-3B-MLX-8bit MLX 8bit 4.2GB(8GB VRAMで動作)

各リポジトリの量子化とファイルサイズ:

  • LiquidAI/d1-3B-w8a8 の量子化: INT8 3.6GB
  • LiquidAI/d1-3B-GGUF の量子化: Q4_K_M 1.6GB / Q8_0 2.7GB / BF16 5.0GB / F16 5.0GB
  • LiquidAI/d1-3B-MLX-fp16 の量子化: MLX 5.8GB
  • LiquidAI/d1-3B-MLX-4bit の量子化: MLX 4bit 2.2GB
  • LiquidAI/d1-3B-MLX-8bit の量子化: MLX 8bit 3.5GB

このほか、上記以外の投稿者による変換版が 22 件あります(当サイトは公開元自身と、実績のある量子化担当の配布だけを表に載せています)。

この節は、記事公開後に見つかった変換版を当サイトが機械的に追記したものです。必要メモリは配布ファイルのサイズから算出した概算です。 量子化の名前の読み方は用語集にあります。

関連記事

次に読むなら

出典

更新履歴

  • 2026-11-17: 動作環境の表を LiquidAI/d1-3B-GGUF の実ファイルサイズで更新しました。
  • 2026-11-17: タイトルを、記事で分かる内容(必要VRAM・配布ファイル等)を示す形に変更しました。