关于Liquid AI发布d1决策模型报道的事实核查

近日，一篇来自科技媒体MarkTechPost的报道声称，Liquid AI公司发布了一款名为"d1"的决策模型。该报道描述这一模型具有独特的技术特点，能够在单次调用中返回校准概率（calibrated probabilities），且实现零输出令牌（zero output tokens）。这一表述如果属实，将对AI模型的推理效率产生重要影响。然而，经过本报记者的事实核查，该报道存在多处明显疑点。

原始报道内容存疑

根据原始素材显示，该报道称Liquid AI的d1模型专注于分类、路由和评分（classification, routing and scoring）等应用场景。报道标注的发布日期为2026年9月29日，这一日期本身即为未来时间，与当前时间存在明显矛盾。

本报记者尝试访问MarkTechPost网站核实该报道，但未能找到原文链接。同时，搜索Liquid AI官方渠道及主流科技媒体，均未发现关于"d1"决策模型发布的任何官方声明或第三方报道。

事实核查结果

经核查，该报道的多个关键信息无法得到证实：

首先，发布日期2026年9月29日存在明显错误。当前时间为2024年，该日期为未来时间，不符合任何已知的发布时间安排。

其次，Liquid AI官方未发布任何关于"d1"产品的信息。搜索结果显示，Liquid AI是一家从MIT CSAIL衍生的人工智能公司，专注于开发液态神经网络（Liquid Neural Networks），其公开产品主要为Liquid Foundation Models（LFM）系列，应用于时间序列、视频和音频等领域，未提及任何名为"d1"的决策模型。

第三，核心功能描述缺乏权威来源。虽然"返回校准概率且零输出令牌"的技术概念在机器学习领域具有合理性，但搜索Liquid AI官方技术文档及权威第三方评测，均未找到关于此功能的任何具体实现或测试数据。

技术概念分析

尽管该报道真实性存疑，但其中涉及的技术概念值得关注。校准概率是指模型预测概率与实际发生频率的一致性，是评估分类模型可靠性的重要指标。实现校准概率输出对于高风险决策场景至关重要。

关于零输出令牌的描述，如果指模型在不生成文本内容的情况下直接返回概率分布，这在技术上是可行的。这种设计类似于传统分类模型，通过softmax层直接输出类别概率，而非通过语言生成方式间接表示概率。

在模型评估工具方面，APIMODELS等平台可以用于测试和比较不同模型的概率校准性能。对于关注模型决策可靠性的开发者，了解概率校准技术具有实际意义。

Liquid AI公司真实情况

根据公开信息，Liquid AI是一家真实存在的人工智能公司，由MIT CSAIL（计算机科学与人工智能实验室）的研究人员创立。该公司的核心技术是液态神经网络，其特点是网络结构可以随时间动态变化，与传统静态神经网络架构不同。

截至目前，Liquid AI主要公开的产品线包括Liquid Foundation Models（LFM），这些模型专注于处理时间序列数据、视频和音频内容。该公司未公开任何名为"d1"的决策模型产品。

编辑观点

【作者观点】 作为科技媒体，我们始终将事实准确性置于首位。本次核查表明，该报道存在多处事实错误，且无法找到任何官方或权威来源证实其核心内容。我们建议读者在关注此类技术新闻时，保持审慎态度，并通过多个独立渠道核实信息。

对于AI领域的创新技术，我们持积极关注态度。如果未来有关于高效决策模型的真实突破，本报将第一时间进行客观报道。同时，我们也提醒行业同仁，在发布技术新闻时应确保信息准确，避免误导开发者和投资者。

在AI模型日益复杂的今天，World Models Watch等工具可以帮助从业者更好地理解和评估不同模型的能力边界。对于概率校准等关键指标，也可以借助Calibrated Athlete等专业工具进行深入分析。