In Kürze

  • Liquid AI, ein 2023 aus dem MIT ausgegründetes Start-up mit Sitz in Boston, hat am 7. Oktober 2026 die offenen Gewichte zweier neuer «Entscheidungsmodelle» veröffentlicht: d1-3B (basierend auf LFM2.5-VL-3B, verarbeitet Text und Bilder) und das experimentelle d1-omni-600M (basierend auf LFM2.5-Encoder-350M, zusätzlich mit Bild- und Audio-Encodern).
  • Anders als klassische generative Sprachmodelle erzeugen die d1-Modelle laut Liquid AI eine Antwort in einem einzigen Rechendurchgang statt Wort für Wort; das Unternehmen gibt dafür Antwortzeiten von rund 8 Millisekunden auf einer Nvidia-RTX-4090-Grafikkarte bis zu 50 Millisekunden auf einem kleinen Jetson-Orin-Nano-Modul an – allerdings auf Basis unternehmenseigener Benchmarks ohne unabhängige Bestätigung.
  • Die Modelle stehen unter der «LFM Open License v1.0» offen zur Verfügung, enthalten aber eine kommerzielle Einschränkung: Unternehmen mit einem Jahresumsatz ab 10 Millionen US-Dollar benötigen für die kommerzielle Nutzung eine separate Lizenzvereinbarung mit Liquid AI.

Was ist passiert?

Liquid AI, ein 2023 aus dem Computer Science and Artificial Intelligence Laboratory (CSAIL) des MIT ausgegründetes Start-up mit Sitz in Boston, hat am 7. Oktober 2026 auf Hugging Face die offenen Gewichte zweier neuer Modelle veröffentlicht. Zwei Tage zuvor, am 5. Oktober 2026, hatte das Unternehmen bereits ein grösseres «d1»-Modell über eine eigene API eingeführt. Die neu offengelegten Modelle d1-3B und d1-omni-600M sind kleiner dimensioniert: d1-3B basiert auf dem hauseigenen LFM2.5-VL-3B und verarbeitet Text sowie Bilder, während das experimentelle d1-omni-600M auf dem kleineren LFM2.5-Encoder-350M aufbaut und zusätzlich über Bild- und Audio-Encoder verfügt.

Das Besondere an der «d1»-Modellfamilie ist die Architektur: Statt wie generative Sprachmodelle Text Wort für Wort zu erzeugen, liefern die Modelle laut Liquid AI eine fertige Antwort in einem einzigen Rechendurchgang. Auf dieser Basis nennt das Unternehmen Reaktionszeiten von rund 8 Millisekunden pro Anfrage auf einer Nvidia-RTX-4090-Grafikkarte, 9 Millisekunden auf einer AMD-MI325X-Einheit, 16 Millisekunden auf einem Nvidia-Jetson-AGX-Thor-Modul und bis zu 50 Millisekunden auf einem kleinen Jetson-Orin-Nano-Gerät. Auf dem unternehmenseigenen Benchmark «Decision Index v0.2.1» erreicht d1-3B einen Wert von 48,57, das deutlich kleinere d1-omni-600M einen Wert von 15,95 – nach eigenen Angaben an der Spitze aller Modelle unter zehn Milliarden Parametern in dieser Grössenklasse. Beide Zahlen stammen von einem unternehmenseigenen Benchmark und sind bislang nicht unabhängig bestätigt.

Warum ist das wichtig?

Die meisten aktuellen KI-Fortschritte drehen sich um immer grössere, generative Modelle in der Cloud. Liquid AI setzt mit seinen «Decision»-Modellen einen Gegenpunkt: kleine, extrem schnelle Modelle, die direkt auf Geräten mit begrenzter Rechenleistung laufen und keine Anbindung an einen Cloud-Dienst benötigen. Für Anwendungsfälle, bei denen es auf Millisekunden ankommt – etwa automatisierte Entscheidungen in Produktionsanlagen, Fahrzeugen oder medizinischen Geräten – oder bei denen Daten das Gerät aus Sicherheits- oder Datenschutzgründen gar nicht verlassen dürfen, ist das ein relevanter Unterschied zu klassischen Chatbot-Architekturen.

Gleichzeitig zeigt die Lizenzstruktur, dass «offene Gewichte» nicht automatisch uneingeschränkte kommerzielle Nutzung bedeuten: Die LFM Open License v1.0 verlangt von Unternehmen mit einem Jahresumsatz ab 10 Millionen US-Dollar eine separate Vereinbarung mit Liquid AI. Das ist ein Muster, das bei offenen KI-Modellen zunehmend verbreitet ist, und macht eine sorgfältige Prüfung der Lizenzbedingungen vor einem produktiven Einsatz notwendig – unabhängig davon, wie leistungsfähig ein Modell im Benchmark erscheint.

Was bedeutet das für Schweizer KMU und Industriebetriebe?

Die Schweiz verfügt mit ihrer Präzisionsindustrie, Medizintechnik und Maschinenbaubranche über viele Betriebe, für die KI direkt auf der Maschine statt in der Cloud besonders attraktiv ist. Modelle wie d1-3B und d1-omni-600M könnten dort als Bausteine dienen, um einfache Klassifikations- oder Entscheidungsaufgaben – etwa Qualitätskontrolle an einer Fertigungslinie – lokal und ohne Datenübertragung ins Ausland zu lösen. Das kann die Einhaltung des revidierten Datenschutzgesetzes erleichtern, weil Personendaten das eigene Gerät gar nicht erst verlassen müssen, ersetzt aber keine eigene Prüfung, ob ein Anwendungsfall überhaupt Personendaten betrifft.

Wichtig ist dabei die Lizenzschwelle von 10 Millionen US-Dollar Jahresumsatz: Grössere Schweizer Industriebetriebe und Technologie-KMU, die diese Grenze überschreiten, benötigen für den kommerziellen Einsatz zwingend eine separate Vereinbarung mit Liquid AI und können sich nicht auf eine pauschale Open-Source-Freigabe verlassen. Wer die Modelle evaluieren will, sollte deshalb von Anfang an klären, ob der geplante Einsatz noch unter die freie Lizenz fällt oder bereits eine kommerzielle Vereinbarung erfordert.

Was bedeutet das für die Schweiz?

Redaktionelle Einordnung: Die folgenden Schlussfolgerungen beziehen sich auf die genannten Quellen. Sie sind keine zusätzlichen Meldungen der Originalquelle.

  • Für Schweizer Industrie- und Medizintechnikbetriebe, die KI direkt auf Maschinen, Sensoren oder Messgeräten statt in der Cloud betreiben wollen, sind kleine, extrem schnelle Entscheidungsmodelle wie d1-3B und d1-omni-600M ein konkreter Baustein: Daten müssen dafür das eigene Gerät gar nicht erst verlassen, was Fragen zum revidierten Datenschutzgesetz bei der Verarbeitung von Personendaten von vornherein entschärft.
  • Die Lizenzbedingungen mit der Umsatzschwelle von 10 Millionen US-Dollar betreffen gerade grössere Schweizer KMU und Industriebetriebe direkt: Wer die Modelle über diese Grenze hinaus kommerziell einsetzen will, muss vorab eine Lizenzvereinbarung mit Liquid AI abschliessen und kann sich nicht pauschal auf eine freie Open-Source-Nutzung verlassen.
  • Offene, auf Edge-Hardware lauffähige Modelle wie d1 erweitern das Spektrum an Alternativen zu grossen Cloud-Anbietern und ergänzen damit Bestrebungen wie das Schweizer Sprachmodell Apertus; für Schweizer Entwicklerinnen und Entwickler lohnt sich ein Vergleich, welcher Ansatz – offenes Schweizer Cloud-Modell oder offenes US-Edge-Modell – für den jeweiligen Anwendungsfall die passendere Datenschutz- und Kostenbilanz liefert.

Verwendete Quellen

Die Veröffentlichung der offenen Gewichte auf Hugging Face am 7. Oktober 2026 sowie begleitende Berichte von aiweekly.co und runtimewire.com lieferten die technischen Angaben zu Architektur, Geschwindigkeit und Lizenzierung der beiden Modelle.

Quellenstatus: 2 verlinkte Quellen · 0 von 2 Originaldaten verifiziert. Prüfregeln ansehen

Häufige Fragen

Was ist die Kernaussage zu Liquid AI veröffentlicht offene «Entscheidungsmodelle» d1-3B und d1-omni-600M für Edge-Geräte?

Liquid AI, ein 2023 aus dem MIT ausgegründetes Start-up mit Sitz in Boston, hat am 7. Oktober 2026 die offenen Gewichte zweier neuer «Entscheidungsmodelle» veröffentlicht: d1-3B (basierend auf LFM2.5-VL-3B, verarbeitet Text und Bilder) und das experimentelle d1-omni-600M (basierend auf LFM2.5-Encoder-350M, zusätzlich mit Bild- und Audio-Encodern).

Warum ist diese KI-Meldung für die Schweiz relevant?

Für Schweizer Industrie- und Medizintechnikbetriebe, die KI direkt auf Maschinen, Sensoren oder Messgeräten statt in der Cloud betreiben wollen, sind kleine, extrem schnelle Entscheidungsmodelle wie d1-3B und d1-omni-600M ein konkreter Baustein: Daten müssen dafür das eigene Gerät gar nicht erst verlassen, was Fragen zum revidierten Datenschutzgesetz bei der Verarbeitung von Personendaten von vornherein entschärft.

Welche Quelle nutzt KI News Schweiz für diese Einordnung?

Die Veröffentlichung der offenen Gewichte auf Hugging Face am 7. Oktober 2026 sowie begleitende Berichte von aiweekly.co und runtimewire.com lieferten die technischen Angaben zu Architektur, Geschwindigkeit und Lizenzierung der beiden Modelle.