Segun MarkTechPost (AI/ML News), Liquid AI ha presentado d1, un modelo de decisión diseñado para tareas estructuradas, en lugar de generar texto. Este sistema permite a los usuarios introducir contexto y preguntas predefinidas, obteniendo respuestas calibradas en forma de probabilidades sobre opciones fijas, sin generar tokens de salida. La innovación radica en que cada llamada devuelve resultados en un solo paso, con un consumo de recursos nulo en tokens de salida. El modelo está disponible como API pública, bajo el nombre d1:free, y se ejecuta dentro del entorno de Liquid API. No cuenta con versiones para autogestión local como GGUF, MLX o ONNX, lo que limita su uso en entornos descentralizados.
El concepto de modelo de decisión se centra en evaluar situaciones y devolver una respuesta tipo, definida previamente por el usuario. No se trata de redactar texto, sino de seleccionar entre opciones preestablecidas. Esta funcionalidad es especialmente útil para procesos como clasificación de datos, asignación de tickets, evaluación de riesgos, moderación de contenido o verificación de decisiones mediante LLMs. La guía técnica de Liquid recomienda aplicar este modelo cuando la respuesta debe ser una de N opciones conocidas. En caso de que se necesite crear un texto nuevo, el uso de un modelo de lenguaje general sigue siendo la mejor opción.
El funcionamiento se basa en tres componentes fundamentales: Noul, Choice y Score. Noul permite responder a preguntas binarias, como "¿Este mensaje es una queja?", devolviendo una probabilidad entre 0 y 1, como el 0.999 en un ejemplo. Choice selecciona una opción de un conjunto nombrado, entregando además la distribución completa y un valor de confianza, como el 0.9997 para un ticket de doble carga en categoría de facturación. Score evalúa una entrada según una escala ordenada, asignando una posición ponderada por probabilidades. En un escenario de incidencia crítica, un evento puede obtener una puntuación de 2.9995 en una escala de cuatro niveles, que va desde 0 hasta 3. Los tres elementos pueden combinarse en una sola solicitud, con todas las preguntas evaluadas bajo el mismo estado en una sola interacción.
Para el usuario, esta herramienta ofrece una alternativa eficiente en entornos donde la precisión y el rendimiento son clave. En el contexto peruano, donde los sectores como servicios públicos, atención al cliente y gestión de riesgos operativos requieren decisiones rápidas y objetivas, d1 puede optimizar procesos que actualmente dependen de modelos generativos de texto. Su bajo consumo de recursos y su capacidad para entregar respuestas precisas sin generación de contenido hacen que sea ideal para aplicaciones en operaciones diarias, como la clasificación de llamadas o el análisis de incidencias técnicas. Sin embargo, su dependencia de una API pública limita su uso en entornos con alta necesidad de autonomía tecnológica.