Segun MarkTechPost (AI/ML News), el equipo de vLLM Semantic Router ha presentado d3-ultra, un modelo de decisión multimodal de 27B parámetros bajo licencia Apache-2.0. Este sistema no genera texto, sino que analiza una entrada una sola vez y devuelve probabilidades para cada respuesta a cada pregunta. La innovación radica en que, mediante una sola llamada abierta, se pueden realizar tareas como clasificación, ruteo, reconocimiento visual y verificación de videos. Los datos técnicos indican que el modelo cuenta con 26.09B parámetros densos, incluyendo un codificador visual de 0.46B, y soporta hasta 131.072 tokens por pregunta. Fue probado en una GPU AMD Instinct MI325X con pesos en formato BF16, aunque aún no se ha anunciado una versión cuantizada oficial.
El rendimiento del modelo se destaca en pruebas internas del equipo, donde logra una puntuación máxima de 97,8 en el SR-Text (herramientas y automatización), corregida por azar, mientras que su desempeño más bajo en el SR-Box —un conjunto de 9 dominios— es del 54,6 por ciento, lo que representa una diferencia de 5,0 puntos respecto a su versión hermana d3-turbo. La arquitectura se basa en un núcleo Qwen3.5, compuesto por 64 capas: 48 de atención lineal y 16 de atención completa. Este diseño permite una eficiencia computacional notable sin sacrificar precisión en tareas de decisión.
El sistema opera bajo un principio clave: "estado una vez". Al recibir una entrada, el modelo la procesa solo una vez y utiliza esa misma lectura para responder todas las preguntas. Esta estructura permite integrar múltiples tipos de preguntas en un mismo flujo: desde opciones múltiples hasta respuestas de sí o no, escalas de calificación, localización visual en imágenes o seguimiento de objetos en videos. Además, imágenes y videos pueden integrarse directamente dentro de las preguntas o alternativas, lo que permite crear quizzes interactivos con contenido visual.
Para el lector peruano, esta evolución en inteligencia artificial tiene implicaciones directas en sectores clave como el servicio financiero, la educación y la gestión de operaciones. En el ámbito bancario, por ejemplo, d3-ultra podría ayudar a automatizar la verificación de documentos, reduciendo errores humanos y acelerando procesos de aprobación. En educación, podría ser útil para evaluar respuestas en exámenes con imágenes, como en pruebas de conocimientos visuales. Aunque aún no está disponible en entornos comerciales, su capacidad de integrar múltiples modos de entrada y salida en una sola llamada sugiere que será una pieza clave en la construcción de sistemas más inteligentes y eficientes en entornos locales que requieren precisión y rapidez.