Liquid AI publica dos modelos de decisión de pesos abiertos que no escriben ni una palabra: leen la entrada y devuelven una respuesta en un solo paso. La compañía dice que uno de ellos responde en 8 milisegundos, una cifra que ella misma reporta y que nadie externo ha verificado.
Liquid AI presentó el 7 de octubre d1-3B y d1-omni-600M, dos modelos de pesos abiertos pensados para tomar decisiones en lugar de conversar. La diferencia con un modelo generativo habitual es de fondo: en vez de producir texto token a token, estos leen la entrada y, en una sola pasada, devuelven la respuesta. La compañía los sitúa en el terreno de la decisión rápida en el borde, es decir, en dispositivos y equipos que trabajan sin depender de la nube.
Ambos modelos ya están disponibles en Hugging Face, con documentación en docs.liquid.ai, y llegan en un momento en que el interés por los modelos de decisión, espoleado por Jev, empuja a varias empresas a lanzar sus propias propuestas.
¿Qué gana quien elige esta vía?
Qué son los modelos de decisión d1 de Liquid AI
Un modelo de decisión no redacta. Recibe un estado y un conjunto de preguntas con respuestas permitidas, lee todo una vez y devuelve una probabilidad para cada opción. No hay tokens de salida.
Eso cambia para qué sirve. Liquid AI apunta a usos como el enrutamiento de peticiones, la moderación de contenido, la clasificación de intenciones, el reordenamiento de resultados, la puntuación al estilo de un juez automático y los filtros de seguridad de los agentes. En todos esos casos se busca un veredicto consistente y rápido, no una explicación. En cuanto a las variantes, d1-3B lee texto e imágenes, y d1-omni-600M acepta texto junto con imagen, o texto junto con audio. Esta segunda es más pequeña y la compañía la describe como un primer punto de control experimental.
Un solo paso de avance y sin tokens de salida
La clave técnica está en eso de resolverlo en una sola pasada. Un modelo que genera texto necesita ir construyendo la respuesta pieza a pieza, y ese proceso se lleva buena parte del tiempo. Uno que decide no recorre ese camino: calcula y entrega.
Liquid AI construye el d1-3B a partir de LFM2.5-VL-3B, un modelo de visión y lenguaje, y el d1-omni-600M sobre un codificador bidireccional. La diferencia entre un modelo generativo y uno de decisión no es solo de velocidad: es de forma de trabajar. Uno conversa; el otro elige.
Esa elección tiene coste. Sin texto de salida, no hay explicación de por qué el modelo decidió lo que decidió. Para tareas de alto riesgo, esa falta de justificación es un límite que las empresas tendrán que sopesar. No es menor.
Los números que reporta Liquid AI
Las cifras de rendimiento son de la propia compañía y no han pasado por una verificación independiente, así que hay que leerlas como tales. Según Liquid AI, el d1-3B obtiene 48,57 puntos en el índice Decision Index v0.2.1 en su partición pública, por encima de todos los modelos de menos de 10.000 millones de parámetros, y a la altura del Decider 35B-A3B, doce veces más grande. El d1-omni-600M, por su parte, marca 15,95 en el mismo índice, un resultado que la compañía atribuye a ser su primer punto de control experimental.
En latencia, los datos son también de Liquid AI. El d1-3B responde a una pregunta en 8 milisegundos sobre una RTX 4090. En dispositivos de borde, la cifra sube: 16 milisegundos en una Jetson AGX Thor, 26 en una Jetson AGX Orin y 50 en una Jetson Orin Nano.
Cómo probar los modelos d1 en tu equipo
Los dos modelos están publicados con pesos abiertos en Hugging Face, bajo la etiqueta d1-3b y d1-omni-600M, y se pueden cargar con las herramientas habituales de ese ecosistema. No son modelos para chatear, así que quien los pruebe debe esperar una interfaz distinta: se les da una situación y un abanico de respuestas posibles, y devuelven la elección.
Por el tamaño, encajan en equipos modestos. La compañía apunta a ejecutarlos en el catálogo de NVIDIA, desde servidores hasta placas de borde, lo que los coloca lejos de los modelos que exigen centros de datos completos.
La barrera de entrada, en fin, es baja.
Qué se juega Liquid AI con d1
El lanzamiento coloca a Liquid AI en una categoría que se está poblando rápido. La pregunta abierta es si los modelos de decisión se consolidan como familia propia o quedan como una función dentro de herramientas mayores.
Para los desarrolladores, la propuesta tiene un atractivo claro: una forma de tomar decisiones rápidas y baratas sin montar un modelo generativo entero. El riesgo es la falta de transparencia cuando la decisión importa. Y para Liquid AI, el reto es convencer de que sus cifras se sostienen fuera de su propio laboratorio, algo que solo se verá cuando terceros empiecen a probar los modelos y a contar lo que encuentran.
