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
精度
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
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
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 |
没有可用的 Liquid D1-Omni 600M 评估基准。
排名
-
编程排名
-
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.
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
The LFM2 model family developed by Liquid AI.