Liquid AI lanza dos modelos de codificador eficiente que leen documentos largos rápidamente, incluso en una laptop
LFM2.5-Encoder-230M y LFM2.5-Encoder-350M pueden analizar un contrato completo en menos de 30 segundos en hardware informático ordinario, sin requerir chip especializado.
Puntos clave
- Liquid AI lanzó dos modelos de codificador, LFM2.5-Encoder-230M y LFM2.5-Encoder-350M, en Hugging Face en 2026.
- El modelo de 230M se ejecuta aproximadamente 3,7 veces más rápido que ModernBERT-base en una CPU de laptop estándar con entradas largas.
- Ambos modelos manejan hasta 8.192 tokens, aproximadamente seis a ocho páginas de texto denso, en una sola pasada.
- LFM2.5-Encoder-350M ocupó el cuarto lugar de 14 modelos probados, superado solo por modelos hasta diez veces su tamaño.
- Ambos modelos son de peso abierto y gratuitos para descargar desde Hugging Face.
Liquid AI, una empresa de IA con sede en Boston, ha lanzado dos nuevos modelos de codificador, un tipo de modelo de IA que lee y entiende texto en lugar de generarlo. Los modelos se llaman LFM2.5-Encoder-230M y LFM2.5-Encoder-350M, disponibles ahora en Hugging Face.
Si nunca ha encontrado un codificador, la distinción es simple. Un chatbot como ChatGPT escribe nuevas oraciones palabra por palabra. Un codificador hace lo opuesto: lee texto y decide qué significa, ya sea etiquetando un correo electrónico como spam, señalando datos personales en un documento o enrutando una consulta de cliente al departamento correcto. Las empresas ejecutan estas tareas constantemente, lo que hace que la velocidad y el costo sean factores decisivos.
¿Por qué importa ejecutarse en una CPU de laptop?
La mayoría de los modelos de IA capaces necesitan chips especializados costosos llamados GPU para ejecutarse a velocidades útiles. Estos codificadores no. En un procesador de laptop ordinario, el modelo de 230M procesa un documento completo de 8.192 tokens, aproximadamente seis a ocho páginas de texto, en alrededor de 28 segundos. ModernBERT-base tarda más de 90 segundos en el mismo hardware para la misma longitud.
Esa brecha de velocidad de 3,7 veces importa más para equipos más pequeños que no quieren pagar facturas de GPU en la nube por trabajo de clasificación rutinaria. Cubrimos un impulso similar hacia hardware accesible en 23 de julio de 2026, cuando Hugging Face llevó difusión de imagen de 4 bits a GPU de consumidor: el patrón de reducir el requisito de hardware sin sacrificar rendimiento es real y se está acelerando.
¿Qué tan buenos son los resultados?
La velocidad significa poco sin precisión. Liquid AI probó ambos modelos en 17 tareas de GLUE y SuperGLUE, dos conjuntos de puntos de referencia estándar que los investigadores utilizan para calificar la comprensión del lenguaje. De 14 modelos, LFM2.5-Encoder-350M ocupó el cuarto lugar. Cada modelo que lo precedía era más grande, incluido uno casi diez veces su tamaño con 3.500 millones de parámetros.
El modelo de 230M superó a ModernBERT-base y todas las variantes de EuroBERT, a pesar de ser más pequeño que la mayoría de ellos.
| Modelo | Parámetros | Clasificación GLUE/SuperGLUE |
|---|---|---|
| LFM2.5-Encoder-350M | 350M | 4.º de 14 |
| LFM2.5-Encoder-230M | 230M | supera a ModernBERT-base y todos los modelos EuroBERT |
| ModernBERT-base | no especificado | por debajo de ambos modelos LFM2.5 |
¿Qué puede construir realmente alguien con esto?
Las demostraciones de Liquid AI incluyen una herramienta que identifica y elimina 40 tipos de información personal en 16 idiomas, un verificador de políticas que analiza el texto contra reglas de la empresa escritas en inglés simple, y enrutamiento de avisos sin ejemplos que envía solicitudes de usuario al servicio correcto automáticamente. Cada demostración se ejecuta en un navegador sin configuración, solo en CPU.
Los desarrolladores pueden descargar cualquiera de los modelos y adaptarlo a una tarea específica, un proceso llamado ajuste fino, utilizando herramientas estándar de Hugging Face. Liquid AI publicó un tutorial que cubre documentos legales largos.
Preguntas frecuentes
¿Necesito una computadora potente para usar estos modelos?
No. Ambos modelos se ejecutan en una CPU de laptop o servidor estándar. No se requiere GPU, aunque usar una las acelerará más en documentos más cortos.
¿Estos modelos son gratuitos para usar?
Sí. Ambos son de peso abierto, lo que significa que cualquiera puede descargarlos sin costo, incluso para proyectos comerciales, sujeto a los términos de licencia en Hugging Face.
¿Qué tamaño debo elegir?
Elija el modelo de 350M cuando la precisión sea la prioridad. Elija el modelo de 230M cuando el rendimiento sea más importante o su hardware sea limitado.
El punto de atención honesto aquí son los puntos de referencia. GLUE y SuperGLUE se comprenden bien, pero no siempre predicen cómo se comporta un modelo en sus documentos específicos. Los números de velocidad son convincentes; los equipos deben ejecutar sus propios datos a través de ambos modelos antes de comprometerse.
