Enver KOÇAK
Liquid AI, Liquid AI d1 adını verdiği yeni açık ağırlıklı model ailesini 7 Ekim 2026’da duyurdu. d1 modelleri, klasik dil modellerinden farklı bir iş görüyor: metin üretmek yerine bir soruya tek bir ileri geçişte cevap veriyor. Şirket bu modelleri karar modelleri olarak tanımlıyor ve özellikle uç cihazlar için tasarladığını söylüyor.
Uç cihaz, verinin buluta gönderilmeden doğrudan işlendiği donanım anlamına geliyor. Kameralar, robotlar, endüstriyel denetim sistemleri ve dizüstü bilgisayarlar bu gruba giriyor. Bu cihazlarda hızlı ve düşük maliyetli karar vermek, uzun metinler üretmekten daha önemli.
Ne Değişti?
Ailede iki model var. d1-3B, Liquid AI’ın LFM2.5-VL-3B adlı görsel-dil modelinden türetildi ve metin ile görüntü alıyor. Deneysel olarak sunulan d1-omni-600M ise LFM2.5-Encoder-350M üzerine kuruldu. Bu model metnin yanında görüntü ya da ses de alabiliyor. Şirket, ikinci modelin hâlâ geliştirme aşamasında olan erken bir araştırma sürümü olduğunu vurguluyor.
Modellere evet-hayır, seçenekli ya da puanlama türünde sorular sorulabiliyor. Örneğin bir kamera görüntüsünde belirli bir nesnenin olup olmadığı ya da bir metnin hangi kategoriye girdiği tek adımda yanıtlanabiliyor. Kullanım için transformers kütüphanesinin 5.14 veya üzeri sürümü gerekiyor.
Performans ve Hız
Liquid AI’ın paylaştığı sonuçlara göre d1-3B, Decision Index 0.2.1 testinde 48,57 puan aldı. Şirket bunu 10 milyar parametrenin altındaki en iyi sonuç olarak sunuyor. Yedi açık veri setindeki ortalamada ise d1-3B 82,9 puanla tablonun başında yer alıyor. d1-omni-600M aynı ortalamada 78,4 puan aldı.
Hız tarafındaki rakamlar dikkat çekici. Tek bir soru için d1-3B, Apple M5 Pro üzerinde yaklaşık 30 milisaniye, NVIDIA Jetson AGX Thor’da 16 milisaniye, Jetson Orin Nano’da ise 50 milisaniye sürüyor. Masaüstü sınıfı bir RTX 4090 ekran kartında bu süre 8 milisaniyeye iniyor. Üç sorunun birlikte sorulması, uç cihazlarda tek sorunun yaklaşık 1,3 katı zaman alıyor.
Bu sonuçların şirketin kendi ölçümleri olduğunu not etmek gerekiyor. Görüntü ve ses testleri için ayrıca sayısal sonuç paylaşılmadı.
Kimi İlgilendiriyor?
Robotik, akıllı kamera, üretim hattı kalite kontrolü ve içerik denetimi gibi alanlarda çalışan geliştiriciler için d1 ilginç bir seçenek. Büyük bir dil modelini çalıştırmanın maliyetine girmeden hızlı sınıflandırma ve karar vermek isteyenler bu modelleri deneyebilir.
Modeller Hugging Face üzerinden erişilebilir durumda. Şirket ayrıca kamera, çizim ve metin tabanlı on bir deneme içeren bir demo alanı açtı. Duyuruda lisans türü açıkça belirtilmedi, yalnızca açık ağırlıklı oldukları söylendi. Ticari kullanımdan önce model sayfasındaki lisansı kontrol etmek gerekiyor.
Karar modeli yaklaşımının pratik bir avantajı da öngörülebilirlik. Model serbest metin üretmediği için cevabın biçimi baştan belli oluyor. Bir otomasyon sisteminin bu cevabı ayrıştırması ya da yanlış biçimli bir çıktıyla karşılaşması gibi sorunlar ortadan kalkıyor. Toplu sorgular için ayrı bir işlev de sunuluyor.
Karşılaştırmalarda d1-3B’nin, kendisinden çok daha büyük olan 35 milyar parametreli Decider 35B-A3B modelinin de önünde yer aldığı belirtiliyor. Bazı tekil veri setlerinde ise rakip Decider 4B modeli önde.
Türkiye’den Kullanıcılar İçin
Duyuruda Türkçe desteğine dair özel bir bilgi yok. Türkçe metinlerle kullanılacaksa önce küçük bir örnek veri üzerinde test etmek doğru olur. Görüntü tabanlı kararlar, örneğin depo ya da üretim alanındaki kamera denetimleri, dilden bağımsız olduğu için Türkiye’deki projelerde daha hızlı denenebilir.
Kaynaklar
Bu yazı, yukarıdaki kaynaklardan yapay zekâ yardımıyla Türkçe olarak derlenmiş bir özettir. Ayrıntılar ve resmi bilgi için kaynaklara başvurun.
