公開：2026年10月8日, 最終更新：2026年10月8日
30秒サマリー
- Liquid AIがエッジデバイス向けの軽量オープン決定モデル2種をHugging Faceで公開した
- d1-3BはNVIDIA Jetson AGX Thorで16ms応答、10B以下モデルの決定品質ベンチマークで首位と主張
- トークン生成ではなく単一フォワードパスで回答する「決定モデル」という新アーキテクチャが特徴
何が起きたか
Liquid AIは2026年10月7日、エッジデバイス向けの決定モデル「d1-3B」と「d1-omni-600M（実験的公開）」をHugging Face上でオープンウェイトとして公開した。両モデルは同社のLiquid Foundation Models（LFMs）をベースに構築されており、通常の生成モデルと異なり、トークンを順次出力せず単一のフォワードパスで回答を返す「決定モデル」として設計されている。
d1-3Bはテキストと画像を入力とし、Decision Index 0.2.1においてスコア48.57を記録。同社によれば4Bおよび9Bクラスの全モデルを上回るとしている。速度面では、NVIDIA Jetson AGX Thorで1問16ms、Jetson Orin Nanoでも50ms以内で応答するとNVIDIAとの共同評価で確認されている。一方、d1-omni-600Mはテキスト・画像・音声の3モダリティに対応する600Mパラメータの軽量モデルだが、現時点では早期研究リリースの位置づけで速度測定値は非公開とされている。
7つの公開データセットを用いたベンチマークでは、d1-3Bが平均スコア82.9を記録しDecider 4B（81.1）を上回った。d1-omni-600Mはパラメータ数がDecider 2Bの約4分の1でありながら、78.4対77.1と上回るスコアを示したとされている。モデルはHugging Faceからダウンロード可能で、transformers 5.14以上を必要とする。
原典ハイライト
「決定モデルはトークンを生成せず、単一フォワードパスで回答する」——この設計思想がエッジ上での低レイテンシを実現する核心であり、テキスト・画像・音声の3モダリティ対応と組み合わせることで、従来の生成型LLMとは異なる実装用途を想定している。
出典: Hugging Face Blog（公式ブログ）
So What?（なぜ重要か）
生成AIの主戦場がクラウドからエッジへ拡張される中、「決定」に特化した軽量モデルという新カテゴリが登場したことは注目に値する。トークン生成を省くことで応答速度を劇的に短縮し、Jetsonシリーズなどの組み込みデバイス上でも実用的な推論が可能になる。画像・音声入力への対応は、工場の異常検知や現場支援システムへの応用可能性を広げる。
日本企業への示唆
製造業・物流・小売などでエッジAIの導入を検討する日本企業にとって、クラウド依存なしにミリ秒単位の判断が必要なユースケース（設備の良否判定、音声コマンド応答、リアルタイム分類など）への適用を評価する価値がある。オープンウェイトかつHugging Faceで即入手可能なため、PoC開始のハードルは低い。一方でd1-omni-600Mは「早期研究リリース」段階であり、商用展開前に性能・安定性を十分検証することが求められる。
背景・経緯
Liquid AIはLiquid Foundation Models（LFMs）と呼ぶ独自アーキテクチャのモデル群を展開しており、同社ブログによれば2026年8月・9月にも高速推論関連の成果を公開している。d1ファミリーは同社が「決定モデル」と定義する新カテゴリで、今回の2モデルがその初のオープンウェイト版にあたる。
