Liquid AI ha publicado en Hugging Face dos modelos de decisión abiertos, d1-3B y d1-omni-600M, diseñados para funcionar en dispositivos de borde (edge) con capacidades multimodales. Estos modelos, basados en sus Liquid Foundation Models (LFMs), no generan tokens sino que responden en una sola pasada hacia adelante, lo que permite inferencias extremadamente rápidas. El modelo d1-3B, entrenado con un VLM de 3B parámetros, alcanza una puntuación media de 82.9 en siete conjuntos de datos públicos, superando a otros modelos de 4B y 9B parámetros en el Decision Index 0.2.1. Por su parte, d1-omni-600M, basado en un encoder bidireccional, soporta texto, imagen y audio, logrando una puntuación de 78.4 con solo un cuarto de los parámetros de d1-3B.
En cuanto a rendimiento, d1-3B responde a una pregunta en menos de 50 milisegundos en dispositivos como el NVIDIA Jetson Orin Nano y el Apple M5 Pro. En GPUs, la latencia es inferior a 10 milisegundos por pregunta. La empresa destaca la eficiencia de estos modelos para tareas estructuradas de decisión, como la clasificación de intención o la detección de toxicidad, ofreciendo una alternativa ligera a los modelos generativos tradicionales. Los modelos están disponibles para su descarga inmediata y su integración en aplicaciones mediante la librería transformers.