El lanzamiento
El 7 de octubre de 2026, Liquid AI publicó en Hugging Face los pesos de dos modelos poco comunes: d1-3B y d1-omni-600M. Son "modelos de decisión": no generan texto. Usted les entrega un estado (un ticket de soporte, un JSON, una foto o todo junto) y preguntas con nombre, y el modelo devuelve respuestas leídas directamente de su distribución de probabilidades. El contador de uso registra 0 tokens de salida.
Tres tipos de pregunta
- Sí/no: devuelve la probabilidad de "sí", de 0 a 1.
- Elección: elige una etiqueta de una lista y devuelve la etiqueta, la confianza y la probabilidad de cada opción.
- Escala: sitúa el estado en una escala ordenada de 2 a 10 niveles.
Varias preguntas sobre el mismo estado se responden en una sola pasada: según Liquid, tres preguntas cuestan cerca de 1,3 veces el tiempo de una. Sin texto generado, no hay JSON roto, bucles ni formatos inventados.
Los dos modelos
- d1-3B (3.120 millones de parámetros): derivado de LFM2.5-VL-3B, lee texto e imágenes, contexto de 32.768 tokens y 16 idiomas.
- d1-omni-600M (587 millones): un encoder que lee texto, imágenes y hasta 30 segundos de audio con los mismos pesos. Está marcado como versión temprana de investigación.
Cifras (de la propia Liquid)
- Decision Index 0.2.1: d1-3B obtiene 48,57, el mejor por debajo de 10B en la tabla de la empresa y por encima de un modelo de decisión 12 veces mayor. La puntuación la calculó Liquid, no se envió al ranking público.
- Latencia: unos 8 ms por pregunta en una RTX 4090 y 50 ms en el Jetson Orin Nano más pequeño.
- En demostraciones, la empresa separó piezas buenas y defectuosas de líneas de producción con un 85% a 97% de acierto, sin entrenamiento específico, y afirma igualar o superar a modelos de frontera en 4 de 6 tareas con un coste de 19 a 200 veces menor. Son pruebas elegidas y ejecutadas por el proveedor; aún no hay reproducción independiente.
Dónde funciona
Hay soporte para llama.cpp, versiones GGUF y cuantizadas, y la pila de NVIDIA hasta Jetson. Liquid también ofrece una API alojada que cobra solo tokens de entrada. La licencia es propia de Liquid (no es Apache ni MIT): lea los términos antes del uso comercial.
Por qué importa
Muchas tareas de IA en empresas no necesitan texto: clasificar tickets, aprobar o rechazar, detectar defectos, decidir una ruta. Usar un LLM generativo para eso es caro y frágil (parseo de JSON, respuestas fuera de formato). Un modelo que solo decide, en milisegundos, puede servir de filtro barato antes de la llamada cara al LLM.
Cómo probarlo
- Elija una tarea de clasificación real con etiquetas claras.
- Compare acierto, latencia y coste con el LLM que usa hoy.
- Use la confianza devuelta para enviar solo los casos dudosos a una persona o a un modelo mayor.
Fuentes
- Hugging Face, LiquidAI/d1-3B: https://huggingface.co/LiquidAI/d1-3B
- Hugging Face, LiquidAI/d1-omni-600M: https://huggingface.co/LiquidAI/d1-omni-600M
- Análisis de OrcaRouter (8/10/2026): https://www.orcarouter.ai/blog/liquid-ai-d1-open-weights-release
¿Quiere automatizar decisiones y clasificaciones con IA de forma barata y fiable? KGA IT ofrece una consulta gratuita: kga-it.com.