「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〜

「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〜

基本情報

項目 内容
リポジトリ LiquidAI/d1-2B-GGUF
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 2026-10-28
ライセンス lfm1.0
配布形式 GGUF
出典の種類 公開元の一次情報(公式HFリポジトリでGGUF公開を確認)

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。

概要

LiquidAIは、テキスト、画像、動画に対する意思決定(Decision)を目的としたモデル「d1-2B」のGGUF版を公開しました。このモデルはLFM3-VL-2Bをベースに構築されており、トークンを生成するのではなく、1回のフォワードパスで較正された回答を返す「意思決定モデル」として設計されています。

スペック

元モデルである d1-2B のスペックは以下の通りです。

  • パラメータ数: 1.92B
  • アーキテクチャ: LFM3 backbone, 24 layers: 13 gated short convolutions, 5 sliding-window attention, 6 global attention
  • コンテキスト長: 128K tokens

性能

元モデルの性能に関するベンチマーク結果を以下に示します。比較対象として、同シリーズの他のモデル(d1-omni 600M, d1-Omni 2B, d1 3B)を並べています。

→ 横にスクロールできます

Benchmark d1 2B d1-omni 600M d1-Omni 2B d1 3B
Decisions
Decision Index public suite (v0.3) 51.1 18.3 49.0 49.0
DecisionBench (Hanno Labs) v1 77.1 58.7 76.4 73.1
Decision Bench (decisionbench.ai) v4 85.2 57.9 84.7 83.6
Fast Decisions 58.8 – 56.8 59.3
JevBench v1.4.1 77.9 58.0 75.3 76.2
ImajevBench v2.0-lite 75.5 21.7 72.3 64.0
WorkflowEvals 81.6 48.8 77.1 74.4
Typed Decisions 61.3 57.5 63.1 65.0
Our board (over a hundred public and private benchmarks) 63.2 – 61.8 58.8
Vision
AI2D 76.7 37.1 71.5 79.9
BLINK 66.2 37.7 63.5 59.2
CountQA 51.4 26.8 45.4 42.6
CV-Bench 86.1 40.8 84.0 82.1
ERQA 45.8 27.3 42.5 39.8
HallusionBench 72.1 52.6 67.5 65.3
MMBench 87.9 54.2 85.2 84.9
MME 85.4 61.0 83.9 82.1
MMMU-Pro 26.4 11.9 24.1 18.5
MMRB2 54.2 48.3 52.6 49.5
MMStar 67.5 31.9 61.3 59.9
MMVP 82.7 54.0 81.3 77.0
NaturalBench 81.5 58.8 80.0 79.8
POPE 88.7 82.7 89.9 88.6
V* 76.4 35.6 76.4 73.8
VisualPuzzles 29.9 26.2 26.9 29.5
VisualWebBench 96.2 14.9 88.6 71.4
VL-RewardBench 69.3 48.1 68.8 65.0
Average 70.2 42.8 67.7 65.4

公開元の測定によれば、d1-2Bはオープンなd1モデルの中で平均的に最も高い性能を示しています。特に「Decisions」分野の多くの指標において、d1-3Bよりも高いスコアを記録しており、より小さなパラメータ数で優れた意思決定能力を持っていることが示されています。また「Vision」分野の「VisualWebBench」では96.2という非常に高いスコアを記録しています。一方で、「AI2D」や「Typed Decisions」などの項目では、d1-3Bの方が高い数値を示しています。

得意なこと・想定用途

このモデルは、テキスト、画像、および動画に対する意思決定を目的として設計されています。一般的なチャットモデルとは異なり、特定のタスクに対して較正された回答を高速に返すことに特化しています。具体的には、以下のような用途が想定されています。

  • ルーティングやトリアージ、モデレーション、ガードレールとしての利用
  • 意図やトピックの分類
  • 文書やフォームからの情報抽出
  • 判断やリランキング、視覚的な検査

「classification(分類)」や「extraction(抽出)」、「decision-model(意思決定モデル)」といったタグが示す通り、情報の分類や特定のデータの抜き出しに強みを持っています。また、マルチモーダル対応しており、画像内のオブジェクトの場所を特定する「box」形式の回答や、数量を推定するタスクも可能です。対応言語は、日本語を含む多言語に対応しています。

動作環境

動作環境の目安(Local Model Watch 算出) — パラメータ数 1.9B(元モデル LiquidAI/d1-2B の値)

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) BF16 3.2GB 3.9GB

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。 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 でそのまま動かせます。

GGUF形式で配布されているため、変換を待たずに手元で読み込めます。

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。

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)
LiquidAI/d1-3B 3.1B 4GB lfm1.0 「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(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)

入手方法

本モデルはGGUF形式で配布されており、以下の方法で入手可能です。

  • 配布形式: GGUF
  • 対応エンジン: llama.cpp

なお、llama.cppでのd1-2Bのサポートは、プルリクエスト(ggml-org/llama.cpp#31275)のマージ待ちの状態です。利用する際は、当該プルリクエストをマージした状態のllama.cppをビルドして使用することが推奨されています。

llama-server -hf LiquidAI/d1-2B-GGUF:Q8_0 -b 8192 -ub 8192

関連記事

次に読むなら

出典