LiquidAI の判断モデル d1-3B をローカルで動かす方法

モデル

LiquidAI の判断モデル d1-3B をローカルで動かす方法

スポンサーリンク

LiquidAIの判断モデル d1-3B が GGUF 形式で公開された。

この記事のポイント

  • Liquid AIの判断モデル
  • 状態に対して一発で回答する
  • 3BパラメータのGGUF形式

どこで使えるか

状態に対して即座に回答を得たい人向け。推論が速く、組み込みも容易。 Hugging Faceで公開済み ライセンスはother

スポンサーリンク

解説

かみくだいて説明します

LiquidAIが2026-10-06、Hugging Face上でd1-3B-GGUFを公開しました。テキストやJSON、画像といった状態に対して、名前付きで型が決まった質問を一発で返す判断モデルです。入力を一度通すだけで答えを出力し、生成トークンは使いません。
生成トークンを一切使わない、というのがまだ掴めません。
分かりやすく言うと、辞書を引きながら一文字ずつ文章を組み立てる作業を省略し、最初から答えのページを指差すイメージです。生成トークンを一切使わないので、応答が非常に速くなります。
辞書を引かずに即答する感じですね。入力はテキストやJSON、画像だけなんですか?
はい、それらが状態として渡されます。画像だけが状態全体を構成している場合は、テキストの状態を空にしても動作します。質問には名前と型が設定されているので、プログラム側でどのようなデータが返ってくるか事前に決めることができます。
型が決まっているから、組み込む側のコードが書きやすいわけですね。では、実際に動かすにはどうすればいいんですか?
llama.cppという推論ツールと連携できます。/v1/systemoneというエンドポイントに質問を送る形で使います。既存のAPI形式に慣れている技術者なら、比較的短いコードで組み込めます。
既存の形に合わせられているのは助かります。モデルの大きさはどれくらいなんですか?
パラメータ数は3Bです。GGUF形式で公開されているので、メモリが少ない環境でも動かしやすいように最適化されています。
最後に、3BでGGUF形式、小さめで実用重視のモデルですね。まだ解っていない部分はありますか?
画像を状態全体として扱う場合の精度や、JSON状態との組み合わせ事例については、現在公開されている情報だけでは確認が難しいところです。詳細はモデルカードに記載されています。
確かに。実機での検証結果が待ち遠しいですね。
d1-3Bは、テキストやJSON、画像といった状態に対して、名前付きで型付きの質問に1回のフォワードパスで回答する意思決定モデルです。

出典

この記事のもとになった情報

※ 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。

スポンサーリンク

-モデル