Saltar al contenido
ReviewRamble

El boletín semanal

La IA, analizada, en tu bandeja de entrada.

  • Nuevas reseñas de herramientas, modelos, servidores MCP y repos, con el veredicto por delante
  • Precios y valoraciones revisados cuando algo cambia
  • Nuevos análisis en cuanto se publican

Modelos, agentes, servidores MCP y las herramientas que de verdad merecen tu tiempo.

Un correo a la semana. Date de baja con el enlace de cualquier boletín. Cómo usamos tu correo

Minico M1

Un ajuste de 350M del LFM2.5 de Liquid con un selector de razonamiento de cinco niveles; pulcro y diminuto, pero pensar apenas le ayuda.

Reseña de ReviewRamble editors · Actualizado

Visitar Minico M1 Código abierto

Comparte esta página:XLinkedInFacebookRedditWhatsAppCorreo

Nuestra nota

3.3/5

Minico M1 es un ajuste aficionado y cuidadoso que hace que un modelo de 350M se porte bien, pero su función estrella, el selector de razonamiento, no lo hace más preciso.

¿Qué es Minico M1?

Minico M1 1105 es un modelo de razonamiento de 350 millones de parámetros de Mincofficial, un desarrollador independiente, ajustado a partir de LFM2.5-350M de Liquid AI y publicado en Hugging Face el 5 de noviembre de 2026. Su rasgo distintivo es un ajuste de esfuerzo de razonamiento con cinco niveles (off, low, medium, high y max) que cambia cuánto piensa el modelo antes de responder, desde ningún razonamiento hasta una mediana de 78 tokens de razonamiento. También hace llamadas a herramientas en el formato de LFM.

Sustituye a Minico M1 Preview, que según el autor entraba en bucles, repetía su razonamiento en la respuesta e ignoraba el ajuste de esfuerzo. El entrenamiento tuvo cuatro fases (dos rondas de ajuste supervisado, DPO y GRPO con recompensas verificables) más una fusión de pesos, todo en un MacBook Air de 32GB con MLX. Hay versiones en safetensors, GGUF, MLX y ONNX, y una demo en el navegador lo ejecuta en tu propia GPU mediante WebGPU.

¿Merece la pena Minico M1?

Minico M1 es el modelo de chat de 350M con mejor comportamiento en las pruebas de su autor, y la ventaja sobre su propio modelo base es escasa. En el banco de cinco benchmarks de la ficha promedia 49,8, frente a 47,0 del LFM2.5-350M sin tocar, 43,6 del Granite 4.0 350M de IBM y 24,2 del Gemma 3 270M de Google. El autor señala que las diferencias de menos de unos 3 puntos están dentro del ruido entre ejecuciones, lo que cubre casi toda la distancia con el modelo base.

Las mejoras reales están en el comportamiento más que en el conocimiento. Frente al modelo base, sube las respuestas de varios turnos que atienden al último mensaje de 91 a 99 sobre 100, y las llamadas a herramientas correctas en la prueba del autor del 54,8% al 100%. La tasa de bucles, la proporción de 80 prompts en los que la salida se repite hasta el límite de tokens, es del 0%, frente al 18,8% del Preview y de Gemma 3 270M. Con unos 229MB como GGUF Q4_K_M, la ficha indica 371 tokens por segundo en un MacBook Air sin ventilador.

El selector de esfuerzo es honesto, pero de momento casi cosmético. En las matemáticas escolares de GSM8K el modelo saca 39,8 sin razonamiento y 37 en su mejor nivel con razonamiento, y la ficha lo dice abiertamente. Pensar sí corrige algunas trampas: preguntado 20 veces "What is 5 + 5 x 5?", acertó 7 veces sin razonamiento y 20 veces en cada uno de los demás niveles.

La pega: es un modelo de 350M, así que falla en datos y en matemáticas más difíciles, y solo se probó en inglés. Todas las cifras salen del banco de pruebas de una sola persona con muestreo casi voraz, no de una evaluación independiente. Con herramientas disponibles, evitó una llamada innecesaria solo el 75% de las veces, y la LFM Open License retira los derechos comerciales a cualquier empresa con $10 millones o más de ingresos anuales.

Nuestra opinión: como intérprete de órdenes para un asistente de voz o una extensión de navegador que debe funcionar sin conexión, Minico M1 es un punto de partida más limpio que el LFM2.5-350M de serie; como pequeño modelo de razonamiento, demuestra que un selector en un modelo de 350M cambia cuánto dice, no cuánto sabe.

Dónde se gana su sitio

  • Un desarrollador que crea un asistente de voz sin conexión para un hub de domótica

    Convertir órdenes habladas en llamadas a funciones como set_volume(level=30)

    Pasa las funciones del dispositivo con `tools` en la plantilla de chat y ejecuta el GGUF Q4_K_M de 229MB con llama.cpp. Deja el esfuerzo en off por velocidad y comprueba que no llama a una herramienta cuando el usuario solo charla, algo que falló el 25% de las veces en las pruebas.

  • Un ingeniero front-end que añade ayuda de texto privada a una extensión de navegador

    Reescribir o acortar texto de la página sin enviarlo a un servidor

    La versión ONNX funciona con WebGPU en el navegador, como la demo del autor, así que nada sale del equipo del usuario. No hay factura de alojamiento; el coste es la descarga y la GPU del usuario.

  • Un investigador que estudia modelos de razonamiento pequeños

    Comparar cómo afecta la longitud del razonamiento al acierto con 350M de parámetros

    Ajusta reasoning_effort de off a max y registra la mediana de tokens de razonamiento (40 en low y 78 en max según la ficha). La receta de entrenamiento publicada, SFT, DPO, GRPO y fusión ExPO, se puede reproducir en un Mac de 32GB con MLX.

Antes de decidirte

Puesta en marcha
Carga Mincofficial/Minico-M1-1105 con Transformers, o ejecuta `llama-server -hf Mincofficial/Minico-M1-1105-GGUF:Q8_0 --jinja` y pasa reasoning_effort por los kwargs de la plantilla de chat; una versión MLX cubre Apple silicon.
Integraciones
Transformers, llama.cpp, MLX y ONNX Runtime (WebGPU en el navegador); las llamadas a herramientas usan etiquetas <|tool_call_start|> al estilo LFM en lugar del JSON de OpenAI.
Datos y privacidad
Los pesos se ejecutan en local; la demo del navegador funciona en tu GPU y el autor dice que nada sale de tu ordenador. Los datos de entrenamiento se destilaron de LFM2.5-1.2B-Thinking y LFM2.5-1.2B-Instruct de Liquid.
Coste a escala
Sin tarifa de uso. El uso comercial solo está permitido por debajo de $10 millones de ingresos anuales; por encima, la licencia no concede derechos comerciales y no hay condiciones aparte publicadas.
Límites
Contexto de 32K tokens heredado del modelo base; límites de salida recomendados desde 640 tokens (low) hasta 4.608 (max). El autor aconseja un solo nivel de esfuerzo por conversación, solo inglés, y nada de uso médico, legal o financiero.

Lo bueno

  • Cinco niveles de esfuerzo de razonamiento, desde ninguno hasta una mediana de 78 tokens de razonamiento
  • 100% de llamadas a herramientas correctas en la prueba del autor, frente al 54,8% del modelo base
  • Tasa de bucles del 0% en 80 prompts
  • Unos 229MB como Q4_K_M; 371 tokens por segundo en un MacBook Air sin ventilador
  • Versiones GGUF, MLX y ONNX, y una demo WebGPU en el navegador

Lo malo

  • Razonar no mejora el acierto en GSM8K: 37 como máximo frente a 39,8 sin razonamiento
  • La ventaja media sobre su modelo base (49,8 frente a 47,0) está cerca del ruido declarado
  • Todos los benchmarks son del banco de pruebas del autor; solo inglés
  • Uso comercial vetado a empresas con $10 millones o más de ingresos

Ideal para

Desarrolladores que crean asistentes sin conexión, extensiones de navegador o intérpretes de órdenes en el dispositivo y necesitan un modelo de menos de 400M que siga instrucciones y llame a herramientas de forma fiable.

Alternativas a Minico M1

Minico M1: preguntas frecuentes

¿Merece la pena Minico M1?
Minico M1 es un ajuste aficionado y cuidadoso que hace que un modelo de 350M se porte bien, pero su función estrella, el selector de razonamiento, no lo hace más preciso. Le damos un 3.3 sobre 5.
¿Cuánto cuesta Minico M1?
Pesos gratuitos bajo la LFM Open License v1.0. El uso comercial solo está permitido a organizaciones con ingresos anuales inferiores a $10 millones; la investigación sin ánimo de lucro queda exenta.
¿Qué inconvenientes tiene Minico M1?
Razonar no mejora el acierto en GSM8K: 37 como máximo frente a 39,8 sin razonamiento; la ventaja media sobre su modelo base (49,8 frente a 47,0) está cerca del ruido declarado; todos los benchmarks son del banco de pruebas del autor; solo inglés; uso comercial vetado a empresas con $10 millones o más de ingresos.
¿Para quién es Minico M1?
Desarrolladores que crean asistentes sin conexión, extensiones de navegador o intérpretes de órdenes en el dispositivo y necesitan un modelo de menos de 400M que siga instrucciones y llame a herramientas de forma fiable.
¿Cuánto cuesta Minico M1 para un equipo o en producción?
Sin tarifa de uso. El uso comercial solo está permitido por debajo de $10 millones de ingresos anuales; por encima, la licencia no concede derechos comerciales y no hay condiciones aparte publicadas.
¿Es Minico M1 seguro para los datos de la empresa?
Los pesos se ejecutan en local; la demo del navegador funciona en tu GPU y el autor dice que nada sale de tu ordenador. Los datos de entrenamiento se destilaron de LFM2.5-1.2B-Thinking y LFM2.5-1.2B-Instruct de Liquid.
¿Cuáles son las mejores alternativas a Minico M1?
Las alternativas más cercanas que hemos analizado son LFM3, Granite 4.2, SmolLM3-3B y Gemma 4.

Respuestas comprobadas el 21 nov 2026.