Выбери компаньона и узнай его мнение об этой истории
Похожие статьи
Liquid AI опубликовала открытые весовые модели d1 для принятия решений, предназначенные для выполнения мультимодального инференса непосредственно на периферийном оборудовании — смартфонах, ноутбуках и встроенных чипах — без отправки данных на облачный сервер. Для авторов, которым нужен более быстрый, приватный и локальный инференс в рабочих процессах, это значимый архитектурный сдвиг.
Ключевые выводы
Открытые модели d1 от Liquid AI — это открытые весовые мультимодальные модели принятия решений, созданные специально для периферийного развёртывания, а не для облачной инфраструктуры.
Модели обрабатывают несколько типов входных данных — текст, изображения и структурированные данные — в рамках одного прохода инференса на ограниченном оборудовании.
«Открытые веса» означают, что веса можно свободно скачать и запускать локально, модифицировать или дообучать без подписки на API.
Периферийное развёртывание обеспечивает меньшую задержку, отсутствие платы за каждый вызов API и исключает передачу данных за пределы устройства — что актуально для пакетной обработки больших наборов изображений локально.
Модели размещены на Hugging Face, что делает их немедленно доступными для авторов, уже использующих Hub для управления моделями.
Чем архитектура d1 принципиально отличается
Большинство мультимодальных моделей разработаны для GPU в дата-центрах и доступны через API. Модели d1 от Liquid AI построены вокруг иного приоритета: выполнение полного цикла принятия решений — восприятие входных данных, рассуждение, формирование вывода — на оборудовании с жёсткими ограничениями по памяти и вычислительным ресурсам. Согласно публикации в блоге Hugging Face, семейство d1 использует проприетарную архитектуру Liquid AI (производную от Liquid Neural Networks), а не стандартный трансформерный бэкбон — именно это позволяет достичь меньшего объёма используемой памяти.
Практический итог: автор, работающий с локальной установкой ComfyUI или Automatic1111, мог бы в принципе встроить модель d1 в узел рабочего процесса, принимающий решения о маршрутизации или подписи изображений, — без обращения к внешнему API и без облачных задержек.
Открытые модели d1 от Liquid AI обрабатывают текст, изображения и структурированные данные за один проход инференса на периферийном оборудовании.
Деталь об открытых весах, меняющая экономику затрат
Открытые веса — ключевое понятие здесь. Вы скачиваете веса один раз, запускаете их на собственном оборудовании и не платите ничего за каждый инференс. Для автора, который пакетно обрабатывает сотни изображений — генерирует подписи, маршрутизирует результаты по типу контента или выполняет автоматические проверки качества, — устранение платы за каждый вызов API быстро даёт ощутимую экономию. Сравните это с доступом к моделям по подписке, ставшим обычной практикой в других местах: Google недавно ограничила бесплатных пользователей Gemini до самого лёгкого уровня Flash Lite, как описано в нашем материале об изменениях бесплатного плана Google.
Дообучение также доступно. Поскольку веса открыты, автор, работающий в конкретной нише — архитектурная визуализация, создание листов персонажей, предметная фотография, — может дообучить модель d1 на специализированных данных, чтобы её решения по маршрутизации или подписи стали точнее для конкретного сценария использования.
Место в реальном локальном пайплайне
Представьте автора, создающего персонажный арт: он генерирует 200 изображений в пакете и должен автоматически сортировать результаты по уровню качества перед апскейлингом. Сегодня это обычно означает либо ручной просмотр, либо вызов API к модели компьютерного зрения для каждого изображения. Локально запущенная модель d1 могла бы выполнять этот шаг классификации на той же машине, что занимается генерацией, — без сетевых переходов, без платы за изображение, без передачи данных за пределы студии.
Настройка пока не является plug-and-play. Вам потребуется загрузить веса с Hugging Face, убедиться, что ваше оборудование соответствует требованиям к памяти, указанным Liquid AI, и вручную подключить модель к своему пайплайну. Если вы уже умеете загружать модели с Hub и запускать скрипты инференса, порог входа невысок. Если вы новичок в локальном развёртывании моделей, руководства Charmloop охватывают основы запуска открытых весовых моделей локально.
Где пробелы
Релиз d1 находится на ранней стадии. Сравнительные бенчмарки с аналогичными периферийными моделями — встроенными моделями Apple, стеком Qualcomm Edge AI или серией Microsoft Phi — пока широко недоступны для прямого сравнения. Архитектура Liquid AI также менее проверена в творческих пайплайнах, чем трансформерные модели, вокруг которых годами формировался инструментарий сообщества. Стоит ожидать определённых сложностей с интеграцией, прежде чем более широкие сообщества ComfyUI и Automatic1111 создадут для неё стандартизированные узлы.
Тем не менее открытые весовые мультимодальные модели, оптимизированные для периферийного оборудования, всё ещё достаточно редки, чтобы семейство d1 заполняло реальный пробел — особенно для авторов, которые ждали локально запускаемого варианта, способного работать не только с текстом. Исследуйте доступные возможности для своих рабочих процессов генерации изображений, пока инструментарий сообщества догоняет.
