Introducción: d3-ultra apuesta por modelos de IA especializados en decisiones
vLLM Semantic Router ha presentado d3-ultra, un modelo multimodal abierto diseñado para resolver tareas de decisión mediante respuestas probabilísticas. Con 26,09 mil millones de parámetros y licencia Apache-2.0, forma parte de la familia Decision 3.0.
A diferencia de los modelos que producen respuestas mediante generación de texto, d3-ultra analiza una entrada y calcula probabilidades para las posibles respuestas a cada pregunta.
Según la información publicada por MarkTechPost el 26 y 27 de octubre de 2026, el modelo combina capacidades de decisión sobre texto, imágenes y video con una arquitectura basada en Qwen3.5.
Qué es d3-ultra y qué tipos de decisiones puede resolver
d3-ultra es un modelo de decisión multimodal denso de 26,09 mil millones de parámetros, incluidos 0,46 mil millones correspondientes a su codificador de visión.
Está diseñado para evaluar información y producir resultados probabilísticos adaptados a distintos tipos de preguntas:
- Choice: selecciona una opción entre varias alternativas.
- Yes/No: calcula la probabilidad correspondiente a una respuesta afirmativa.
- Score: asigna una puntuación dentro de una escala.
- Box: identifica la ubicación de un elemento en una imagen o en un momento determinado de un video.
- Track: realiza el seguimiento de un objetivo a lo largo de un video completo.
d3-ultra pertenece a Decision 3.0, una familia de modelos cuyos tamaños van desde 0,6B hasta 27B parámetros.
Cómo funciona d3-ultra: análisis único y respuestas probabilísticas
Una característica central de d3-ultra es su mecanismo denominado state once. El modelo procesa la entrada una sola vez por petición y utiliza esa información para calcular las probabilidades correspondientes a las respuestas de cada pregunta. En lugar de construir una respuesta textual, devuelve valores probabilísticos que representan las alternativas evaluadas.
Arquitectura basada en Qwen3.5
d3-ultra utiliza una arquitectura Qwen3.5 organizada en 64 capas: 48 capas de atención lineal y 16 capas de atención completa.
Contexto de hasta 131.072 tokens por pregunta
Cada pregunta dispone de una capacidad de contexto de 131.072 tokens. Cuando una pregunta supera ese límite, el sistema devuelve el error max_length_exceeded. El modelo no recorta silenciosamente las entradas que exceden la longitud permitida.
Rendimiento: resultados autoinformados en pruebas privadas
El equipo de vLLM Semantic Router publicó resultados de rendimiento obtenidos en sus propias pruebas privadas. Todas las cifras de benchmark siguientes son autoinformadas por el equipo y corresponden a esas evaluaciones privadas, no a una verificación independiente.
SR-Text: d3-ultra alcanza 87,2 puntos
| Modelo | SR-Text |
|---|---|
| d3-ultra | 87,2 |
| GLiDE V1.2 | 85,1 |
| d1-ultra | 83,4 |
| d3-turbo | 83,1 |
| d3 | 81,4 |
| Jev 1.14 | 73,1 |
Según los mismos resultados privados autoinformados, el área en la que d3-ultra obtuvo su puntuación más elevada fue herramientas y automatización, con 97,8 puntos.
SR-Box: resultados en localización visual
| Evaluación | d3-ultra | d3-turbo |
|---|---|---|
| 10 dominios | 58,2 % | 60,0 % |
| 9 dominios | 54,6 % | 59,6 % |
En ambas evaluaciones, las cifras autoinformadas sitúan a d3-ultra por debajo de d3-turbo.
Latencia con una GPU AMD Instinct MI325X
El equipo informó de 304 milisegundos para una pregunta sobre una fotografía y 2,16 segundos para procesar 255 preguntas, en sus pruebas privadas con una única AMD Instinct MI325X.
Cómo usar y desplegar d3-ultra
Integración con Transformers
El modelo puede cargarse mediante Transformers utilizando el identificador vllm-sr/d3-ultra, con la versión indicada transformers==5.17.0:
AutoModel.from_pretrained("vllm-sr/d3-ultra", trust_remote_code=True)
Despliegue mediante vLLM Semantic Router
También es posible desplegar d3-ultra con el motor de vLLM Semantic Router:
vllm-sr serve -e vllm-sr/d3-ultra
API gratuita y demostración en Hugging Face
Además de las opciones de despliegue, el proyecto ofrece una API gratuita y una demostración disponible a través de Hugging Face Space.
vLLM Semantic Router en contexto
d3-ultra forma parte del proyecto vLLM Semantic Router y pertenece a la familia de modelos Decision 3.0, que incluye tamaños comprendidos entre 0,6B y 27B parámetros. Su propuesta se centra en procesar entradas multimodales y obtener decisiones probabilísticas mediante diferentes tipos de preguntas, incluidas las orientadas a texto, imágenes y video.
