LiquidAI/d1-3B が公開。マルチモーダルな判断モデルで回答を生成しない。
この記事のポイント
- テキストや画像から判断するモデル
- ゼロ出力トークンで1回の推論で回答
- 3Bパラメータ、transformers5.14以上
数字で見る
この記事に出てくる数字
| パラメータ数 | 3B |
|---|---|
| 出力トークン | 0 |
どこで使えるか
判断タスクをパイプラインに組み込みたい人向け。ゼロ出力トークンで1回の推論 Hugging Faceで公開済み transformers>=5.14が必要
スポンサーリンク
解説
かみくだいて説明します
LiquidAIが2026年10月5日、ベースモデルにLFM2.5-VL-3Bを使ったパラメータ数3Bの判断モデル「d1-3B」を公開しました。入力はテキストやJSON、画像の組み合わせで、質問に対して一度の計算で判定結果を返す仕組みです。
3Bで判断だけをするモデルなんですね。一度の計算で判定結果が返る仕組みは、処理の効率化に直結しそうです。
従来のモデルは文章を一つずつ生成しますが、d1-3Bは入力を一度通すだけで答えを返します。まるでスイッチを入れるだけで結果が出る自動販売機のように、計算を一回通すだけで判定が完了し、出力のトークン数はゼロになります。
文章を書かずに即座に判定結果が出るんですね。作る側として導入する際、動かすのに特別な準備は要りますか。
専用コードを内蔵しているため、読み込み設定にtrust_remote_codeを有効にするオプションを一つ足すだけで動きます。依存ライブラリはtransformersのバージョン5.14以上のものが必要で、それ以外は特に複雑な環境構築は不要です。
設定がシンプルで済みそうです。依存ライブラリのバージョン指定だけで済むのは、開発環境の統一が楽になりそうですよね。
入力にはテキストやJSON、画像の混合が使えるため、複数のデータ形式を一度に処理できます。返ってくるのは確率補正済みの判定結果で、JSON形式で構造化されており、入力に使ったトークン数も一緒に報告されます。
画像もテキストも混ぜて、構造化された判定結果が返ってくるんですね。実務で使う場合、どの作業に一番向いているんですか。
ルーティングやモデレーション、意図分類、エージェントの安全装置、画像の目視検査など、選択肢から一つ選ぶ作業やyesとnoを判定する場面が対象です。文章を生成するチャット機能は備えていません。
選択肢を選ぶ作業全般に使えるんですね。ただし、通常のチャット機能は搭載していないと聞きましたが、そこはどういう意味ですか。
チャットで文章を生成する機能は備えていません。あくまで指定された質問に対して、定められた形式で答えを返すことに特化しており、自由な文章を書く用途では使えません。
文章を書くのではなく、決められた質問に決められた形で答える専用機というわけですね。
返答は「answers」と「usage」の二つの項目に分かれていて、入力に使ったトークン数も一緒に報告されるため、コスト管理もしやすい設計になっています。
最後に、今後どのような発展が期待されるんですか。
現時点で次の大型アップデートの日程や、より大規模なバージョンの計画については、そこはまだ分かっていません。
出典
この記事のもとになった情報
- Hugging Face:LiquidAI/d1-3B
- 公開日:2026-10-05
※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。