Liquid AI ha publicado la familia d1, modelos de decisión abiertos pensados para correr en el edge. El d1-3B (3,1B de parámetros) devuelve decisiones calibradas en torno a 30 ms, y la variante d1-omni-600M añade audio y vídeo al mismo esquema. La idea es que el modelo emita una decisión estructurada, no texto libre: cero tokens de salida, latencia mínima y fácil de integrar en dispositivos locales. La compañía ya había colgado builds GGUF antes del anuncio oficial, y los pesos están en Hugging Face.
Google DeepMind ha liberado EmbeddingGemma 2, un modelo de embeddings abierto de 740M de parámetros construido sobre Gemma 4. Mapea texto, código, imágenes, vídeo y audio a un mismo espacio vectorial de 768 dimensiones, lo que permite búsqueda unificada entre modos sin un modelo por cada tipo de contenido. Al ser tan ligero, está pensado para correr en el dispositivo: smartphones, routers o cualquier CPU modesta. Es una pieza muy útil para RAG multimodal autoalojado.
Technology Innovation Institute (TII) ha presentado Falcon ASR, su nuevo modelo abierto de transcripción de audio. Está pensado para ser de lo más sólido en su categoría en multilenguaje, y se publica con pesos abiertos para quien quiera servirlo en su propia infraestructura. Es una alternativa más a las opciones cerradas para pipelines de voz locales: transcripción, dictado, subtitulado. La ficha del modelo está en Hugging Face.