Liquid D1-Omni 600M

参数

600M

上下文长度

16K

模态

Text

架构

Dense

KV 缓存速率

32 KB/tok

许可证

other

发布日期

5 Oct 2026

训练数据截止日期

-

API 价格 (每 1M)

仅支持自建托管

硬件与系统要求

精度

Native

上下文

工作负载显存: 3.03 GB

INT4 · 8K context

基础权重: 0.28 GB

KV 缓存: 0.25 GB

运行时与计算图: 2.50 GB

最小所需硬件

1x NVIDIA L4 24GB

3.0 / 21.6 GB usable

1x RTX 3060 12GB

3.0 / 10.8 GB usable

Apple M4 24GB

3.0 / 18.0 GB usable

确定特定工作负载的硬件需求:

在显存计算器中打开

运行时要求

权重格式

FP16

CUDA

>= 11.8

PyTorch

>= 2.1

Transformers

>= 4.40.1

微架构精度注意力算子

Blackwell, Hopper

原生 FP16

FlashAttention-3

Ada Lovelace, Ampere

原生 FP16

FlashAttention-2

架构图

Input TokensToken EmbeddingPosition: RoPEHidden: 1k · Context: 16K · Vocab: 65.5kx 16 layersRMSNormPre-AttentionGrouped-Query Attention16Q / 8KV headsHead dim: 64+RMSNormPre-FFNFeed-Forward NetworkSwiGLUIntermediate: 6.7k+Final RMSNormOutput Logits

评估基准

没有可用的 Liquid D1-Omni 600M 评估基准。

排名

排名

-

编程排名

-

关于 Liquid D1-Omni 600M

Liquid D1-Omni 600M is a compact multimodal omni model developed by Liquid AI designed for efficient edge deployment across audio, text, and visual inputs. It leverages liquid neural network architectures for real-time streaming and on-device processing.

Specifications

注意力

注意力结构

Grouped-Query Attention

注意力头

16

键值头

8

注意力头维度

64

位置嵌入

ROPE

RoPE Theta

1,000,000

线性注意力

Yes

线性注意力比例

62.5%

归一化

RMS Normalization

激活函数

SwigLU

维度

基准精度

FP16

隐藏维度大小

1,024

层数

16

FFN 中间层大小(稠密层)

6,656

分词器

词汇量大小

65,536

关于 LFM2

The LFM2 model family developed by Liquid AI.


其他 LFM2 模型