Liminar es una familia de modelos de lenguaje abiertos del sistema universitario argentino. Están adaptados a su normativa, sus instituciones y su vida académica, y al español formal de la Argentina, y se publican con licencia abierta para que cualquier persona o institución pueda usarlos.
El nombre remite al Manifiesto Liminar de la Reforma Universitaria de 1918, publicado por la Federación Universitaria de Córdoba. La Reforma impulsó la autonomía universitaria y el cogobierno, y Liminar retoma la idea de autonomía con modelos abiertos que cada universidad puede ejecutar en su propia infraestructura y adaptar a sus necesidades.
Los modelos publicados. Cada uno parte de un modelo abierto y se ajusta con la normativa universitaria nacional curada y con textos públicos sobre la vida universitaria: noticias y páginas de argentina.gob.ar, el CONICET y el Consejo Interuniversitario Nacional.
Un adaptador LoRA que cada institución entrena con sus propios actos (su digesto: resoluciones, ordenanzas y reglamentos) sobre un modelo Liminar, siguiendo la metodología publicada. Así el modelo incorpora la normativa propia. Esa capa queda en la universidad y no se publica.
Los modelos publicados también se usan como modelos de propósito general, sin volver a entrenarlos: consultas con documentos (RAG), resúmenes, borradores o extracción de datos. Con documentos rindieron al nivel de sus modelos base.
v2026.11).| Modelo | Base | Ajuste |
|---|---|---|
| Liminar-Gemma-4-E4B | Gemma 4 E4B | completo |
| Liminar-Ministral-3-8B | Ministral 3 8B | completo |
| Liminar-Qwen3.5-9B | Qwen 3.5 9B | completo |
| Liminar-Gemma-4-12B | Gemma 4 12B | completo |
| Liminar-Mistral-Small-3.2-24B | Mistral Small 3.2 24B | LoRA |
| Liminar-Qwen3.5-27B | Qwen 3.5 27B | LoRA |
| Liminar-Gemma-4-31B | Gemma 4 31B | LoRA |
| Liminar-Qwen3.5-122B-A10B | Qwen 3.5 122B-A10B (MoE) | LoRA |
Cada modelo Liminar va debajo de su modelo base, y gpt-4.1-mini queda como referencia. La tabla suma cada modelo cuando tiene sus evaluaciones completas; el método está en la documentación.
| Modelo | Normativa sin documentos: correctas | Nota del juez (0 a 2) | RAG: promedio (1 a 5) | RAG: incorrectas (de 60) |
|---|---|---|---|---|
| Gemma 4 E4B (base) | 5,7 % | 0,37 | 4,89 | 0 |
| Liminar-Gemma-4-E4B | 31,7 % | 1,10 | 5,00 | 0 |
| Ministral 3 8B (base) | 7,7 % | 0,78 | 4,92 | 2 |
| Liminar-Ministral-3-8B | 48,7 % | 1,35 | 4,90 | 1 |
| Qwen 3.5 9B (base) | 6,0 % | 0,61 | 4,99 | 0 |
| Liminar-Qwen3.5-9B | 36,7 % | 1,08 | 4,97 | 0 |
| Gemma 4 12B (base) | 8,7 % | 0,53 | 4,95 | 0 |
| Liminar-Gemma-4-12B | 38,7 % | 1,21 | 4,97 | 0 |
| Mistral Small 3.2 24B (base) | 9,7 % | 0,76 | 4,94 | 1 |
| Liminar-Mistral-Small-3.2-24B | 46,3 % | 1,26 | 4,92 | 0 |
| Qwen 3.5 27B (base) | 10,0 % | 0,63 | 4,99 | 0 |
| Liminar-Qwen3.5-27B | 46,7 % | 1,30 | 4,99 | 0 |
| Gemma 4 31B (base) | 13,3 % | 0,73 | 4,94 | 0 |
| Liminar-Gemma-4-31B | 44,7 % | 1,29 | 4,99 | 0 |
| Qwen 3.5 122B-A10B (base) | 8,3 % | 0,67 | 5,00 | 0 |
| Liminar-Qwen3.5-122B-A10B | 31,7 % | 1,06 | 4,99 | 0 |
| gpt-4.1-mini (referencia) | 14,3 % | 0,77 | 4,98 | 0 |
from transformers import AutoModelForCausalLM, AutoTokenizer
repo = "LICDIA-UNLu/Liminar-Qwen3.5-9B"
tok = AutoTokenizer.from_pretrained(repo, revision="v2026.11")
modelo = AutoModelForCausalLM.from_pretrained(
repo, revision="v2026.11", dtype="auto", device_map="auto")
mensajes = [{"role": "user",
"content": "¿Qué órganos de gobierno prevé la Ley de Educación Superior?"}]
entrada = tok.apply_chat_template(
mensajes, add_generation_prompt=True, return_tensors="pt").to(modelo.device)
salida = modelo.generate(entrada, max_new_tokens=400)
print(tok.decode(salida[0, entrada.shape[1]:], skip_special_tokens=True))
El modelo no sabe qué normas siguen vigentes. Para consultas sobre normativa conviene usarlo con recuperación de documentos (RAG) sobre una fuente actualizada.
Normativa universitaria nacional de Infoleg, curada a mano, y textos públicos de argentina.gob.ar, el CONICET y el CIN, cada uno con su procedencia y su licencia.
Preguntas, respuestas y versiones reescritas generadas por un modelo maestro abierto, siempre con el documento a la vista.
Ajuste completo o LoRA con FSDP en la supercomputadora Clementina XXI, con GPU Intel Max 1550.
Cada modelo contra su base: conocimiento del dominio y funcionalidad, entre ellas la consulta con documentos.
Laboratorio de Investigación en Ciencia de Datos & Inteligencia Artificial, Departamento de Ciencias Básicas, Universidad Nacional de Luján.