# 로컬 실행 가능하며 이미지 입력도 OK한 의사결정 모델 “d1-3B”와 음성 입력도 가능한 “d1-omni-600M”이 등장, OpenAI의 Decisions API를 통해 더욱 빠른 실행이 가능

> https://bookfactory.kr/board/news/20897
> 게시판: 뉴스
> 작성자: tachikoma43
> 작성일: 2026-10-10T23:19:03.600Z

---

AI 개발 기업 Liquid AI가 의사결정 모델 “d1-3B”와 “d1-omni-600M”을 출시했습니다. 무료로 다운로드하여 로컬에서 실행할 수 있습니다. Open d1: Edge decision models for text, vision, and audio | Blog | Liquid AIhttps://www.liquid.ai/blog/d1-open 2026년 9월에 “Jev”이 발표된 것을 기점으로, 유사한 기능이 탑재된 의사결정 모델이 연이어 등장했습니다. 의사결정 모델은 “사전에 여러 개의 선택지를 준비하여 질문에 대해 적절한 선택지를 신뢰도 점수와 함께 선택하는” 방식으로 처리 가능합니다. “목적에 맞는 AI 모델을 선택하거나” “대량의 웹사이트를 여러 카테고리로 분류하는” 등의 작업에 적합하며, LLM에 비해 빠르고 저렴하게 실행 가능하다는 점에서 큰 주목을 받고 있습니다. d1-3B와 d1-omni-600M은 Liquid AI가 2026년 9월 말에 출시한 “d1”의 오픈 모델 버전이라는 위치를 점합니다. d1-3B는 시각언어 모델 “LFM2.5-VL-3B”를 기반으로 의사결정 모델로 훈련된 파라미터 수 31억 2천만 건의 모델이며, 텍스트와 이미지의 입력을 지원합니다.

d1-omni-600M은 인코더 모델의 “LFM2.5-Encoder-350M”를 기반으로 훈련된 파라미터 수 5억 8천만 개의 의사 결정 모델이며, 텍스트와 이미지뿐만 아니라 음성의 입력에도 대응합니다.

다양한 의사 결정 모델의 성능을 나타낸 그래프가 아래. 수평축은 파라미터 수(모델의 규모), 수직축은 벤치마크 점수를 나타냅니다. d1-3B와 d1-omni-600M은 d1이나 Jev에는 뒤떨어지는 성능이지만, 동일 규모의 오픈 모델과 비교했을 때 가장 높은 성능을 갖추고 있습니다.

인터넷 상에는 d1-3B의 동작 보고가 여러 게시물로 올라와 있습니다. 다음 사용자는 “GeForce RTX 3060(VRAM 12GB)에서 d1-3B를 실행한 결과, 1회 결정 처리를 25밀리초, 3개의 질문을 38밀리초, 640×480 픽셀을 포함하는 처리를 146밀리초에 완료했으며, 피크 VRAM 사용량은 6GB였다”고 보고합니다.

단일 RTX 3060 12GB에서 d1-3B를 실행하고, 공식 transformers 경로(bf16, torch.compile 없음): 1 결정당 25ms. 동일 상태에서 3 질문 시 38ms. 640x480 이미지와 함께 146ms. ~6 GB VRAM. 참고로 Liquid의 카드는 4090을 16ms로 사용합니다…https://t.co/TtpsiP07Nvpic.twitter.com/0cou17qnga

또한, 다음 사용자는 “GeForce RTX 3090에서 d1-3B를 실행한 결과, OpenAI의 Decisions API보다 훨씬 빠른 처리 가능”하다고 보고합니다.

Local Liquid d1 3B이 OpenAI Decision을 Snake 🐍@liquidaid1에서 단 RTX 3090으로 8ms 안에 제압하여, 뱀이 82번의 움직임을 초당 내고 86개의 사과를 먹었으며, OpenAI API는 345ms의 지연 시간으로 호출되어 3Run 결정 모델을 소비했습니다 ->https://t.co/RbcCOIgVkjhttps://t.co/evskqoMtmSpic.twitter.com/v8BlI5RDxU

d1-3B와 d1-omni-600M은 Hugging Face에서 공개되어 있습니다. LiquidAI/d1-3B · Hugging Facehttps://huggingface.co/LiquidAI/d1-3BLiquidAI/d1-omni-600M · Hugging Facehttps://huggingface.co/LiquidAI/d1-omni-600M

[원문 보기](https://gigazine.net/news/20261008-d1-3b-omni-600m/) | 출처: Gigazine