Segun MarkTechPost (AI/ML News), Liquid AI ha lanzado una nueva versión de su modelo de inteligencia artificial denominada LFM2.5-8B-A1B, diseñada específicamente para operar en dispositivos personales. Este modelo, basado en una arquitectura de mezcla de expertos (MoE), cuenta con un total de 8.300 millones de parámetros, pero solo activa 1.500 millones por cada token generado. Esta característica de escasez computacional permite ejecutar el modelo en hardware común, sin requerir servidores de alto rendimiento. La versión anterior, LFM2-8B-A1B, fue presentada previamente por el equipo de Liquid AI, y esta actualización representa un avance significativo en la capacidad de razonamiento en entornos móviles.
El diseño de LFM2.5-8B-A1B integra bloques convolucionales doblemente regulados, dieciocho capas, y seis capas de GQA (Grouped Query Attention). La estructura combina múltiples técnicas de optimización para mejorar la eficiencia de cálculo. El contexto de entrada alcanza una longitud de 131,072 tokens, lo que equivale a más de 128,000 tokens, una mejora considerable respecto a los 32,768 tokens de la versión anterior. Además, el entrenamiento se amplió desde 12 trillones hasta 38 trillones de tokens, y el vocabulario pasó de 65,536 a 128,000 unidades. Esta ampliación permite una tokenización más precisa de escrituras no latinas, como el hindi, el tailandés o el vietnamita.
Los resultados de compresión se destacan especialmente en idiomas como el hindi, el tailandés, el vietnamita, el indonesio y el árabe, donde los beneficios son más evidentes. El modelo no solo responde a consultas, sino que genera una cadena clara de razonamiento antes de entregar su respuesta final, una característica clave para tareas que requieren lógica o estructura. Para obtener mejores resultados, el equipo recomienda un valor de temperatura en 0.2, top_k en 80 y repetición_penalty en 1.05.
Desde el punto de vista del usuario peruano, este avance representa una oportunidad real para aplicaciones cotidianas. A medida que las tecnologías de inteligencia artificial se vuelven más accesibles, podrían integrarse en dispositivos como teléfonos inteligentes, tabletas o incluso en aplicaciones de servicios financieros, como asistentes de inversión o herramientas de análisis de mercado. El hecho de que el modelo funcione en hardware doméstico y ofrezca soporte para idiomas como el español, el quechua o el quechua, también amplía su utilidad en contextos locales. Esto no solo democratiza el acceso a tecnologías avanzadas, sino que permite que los peruanos utilicen herramientas de inteligencia artificial sin depender de internet de alta velocidad o servidores remotos.