Liquid AI 發布 Open d1 開放權重多模態決策模型
Liquid AI 發布了 Open d1，在其 d1 決策模型系列中推出兩款開放權重多模態模型：d1-3B 與 d1-omni-600M。
d1-3B 模型支援文字與視覺，d1-omni-600M 則可同時處理文字以及圖像或音訊輸入。Liquid AI 表示，這些模型專為即時決策而設計，適用於從 Nvidia DGX 數據中心到 RTX 工作站及 Jetson 邊緣設備等多種環境。
相關AI快訊
Liquid AI 公布首個決策模型 d1
Liquid AI 表示，d1 是首個在 Hugging Face 的 Decision Index 上超越 Jev 的模型。它已可透過 Liquid API 使用，並將很快登陸 OpenRouter。
Perplexity Developers 發布 pplx-decider-v1.1-27b 多模態決策模型
Perplexity Developers 推出更新後的開放權重多模態決策模型 pplx-decider-v1.1-27b。該模型輸入定價為每百萬 token 0.02 美元，成本僅為 v1 的一半，團隊亦指出其在 Hugging Face 的 Decision Index 0.3 基準測試中排名最高。
Mistral AI 推出擁有 1 萬億參數的 Mistral Large 4 並即時開放 API
Mistral AI 發布原生多模態模型 Mistral Large 4，總參數達 1 萬億，激活參數為 490 億。該模型現已透過 API 及 Mistral Cloud 基礎設施提供，並計劃於 10 月底開放模型權重。
EmbeddingGemma 2 運行記憶體佔用介乎 191MB 至 567MB，配備 8K 上下文視窗
Google 公佈了 EmbeddingGemma 2 的運行規格。這款 740M 模型運行時的活動記憶體佔用介乎約 191MB 至 567MB，上下文視窗擴展至 8K，單次最多可處理 5.5 分鐘音訊、29 張圖像或 58 幀影片。
Google for Developers 詳述 EmbeddingGemma 2 離線運行與模組化部署
EmbeddingGemma 2 可完全離線處理多模態工作負載，毋須調用伺服器。該模型採用模組化設計，開發者可移除未使用的視覺或音訊組件以節省記憶體；同時提供靈活的維度大小，最多可減少 6 倍本地數據庫儲存空間，並能與 Gemma 4 搭配建立高效的裝置端 RAG 流程。