Familia de modelos

DMind ha publicado siete modelos de código abierto en tres generaciones, además del conjunto de datos DMind Benchmark. Todos los pesos son públicos en Hugging Face bajo licencias permisivas.

DMind-3 (2026, generación actual)

Tres modelos que trabajan juntos como la pila Edge-Local-Cloud. Véase Arquitectura soberana para ver cómo encajan entre sí.

DMind-3-Nano (270M)

Un modelo de 270 millones de parámetros que funciona en extensiones del navegador, aplicaciones de monedero y en dispositivos móviles. Realiza comprobaciones deterministas de seguridad en el momento de la firma, analizando el calldata, identificando aprobaciones ilimitadas y marcando patrones sospechosos. Totalmente en el dispositivo, sin necesidad de red. Construido alrededor de un protocolo estandarizado de llamada a funciones.

DMind-3-Mini (4B)

Un modelo de 4 mil millones de parámetros que se ejecuta en la máquina local del usuario, incluidas las GPU de consumo y los chips Apple silicon recientes. Gestiona el razonamiento privado sobre estrategias y la investigación profunda usando la cartera del usuario como contexto. Entrenado con C³-SFT (véase Métodos de entrenamiento) para que produzca una respuesta, se critique a sí mismo y la revise antes de finalizar.

DMind-3 (21B)

El modelo en la nube de 21 mil millones de parámetros. Basado en la base gpt-oss-20b de OpenAI, con un Transformer personalizado y codificación posicional Multi-Scale RoPE para una ventana de contexto de 256k tokens. Precisión nativa BF16/FP16. Entrenado con más de 500.000 documentos curados y datos on-chain de varios terabytes. Se ejecuta en la nube o en una VPC privada, no en los dispositivos del usuario.

Serie DMind-2 (2025)

DMind-2 fue la generación de transición, centrada en la llamada a herramientas y el análisis de inversiones en criptomonedas. Ambos modelos siguen siendo utilizables, pero ya no son la recomendación principal, ya que DMind-3 los sustituye.

DMind-2-107B

Un modelo insignia de 107 mil millones de parámetros para el análisis de inversiones en criptomonedas con soporte para llamada a herramientas. El modelo puede llamar directamente a API de datos on-chain, API de exchanges y servicios de datos de mercado.

DMind-2-4B

Una versión ligera de 4 mil millones de parámetros de la misma familia. Diseñada para implementación local con la misma especialización en análisis de inversiones, pero con un tamaño menor.

Serie DMind-1 (2025)

La primera generación, y el primer LLM nativo de Web3 publicado con pesos abiertos. Construido sobre los modelos base Qwen3 de Alibaba, ajustado finamente con 13.276 elementos de conocimiento Web3 curados por expertos y destilados a partir de 32,7 GB de documentos fuente.

DMind-1 (32B)

El LLM nativo de Web3 original. Construido sobre Qwen3-32B. Entrenado en dos etapas: ajuste fino supervisado con LoRA sobre el conjunto de datos curado, y luego RLHF con PPO usando un modelo de recompensa específico para Web3. En tareas de Web3 iguala el rendimiento de modelos de propósito general mucho más grandes con un costo de tokens del 10–30%.

DMind-1-mini (14B)

Una versión destilada basada en Qwen3-14B, usando tanto DMind-1 como un modelo SOTA general como dos maestros. La destilación funciona en tres niveles. El estudiante aprende las salidas finales del maestro, la distribución completa de probabilidad del maestro sobre cada token y las representaciones de capas intermedias del maestro. Este es el modelo más descargado de la familia, porque la mayoría de las aplicaciones de agentes necesitan un modelo pequeño y rápido en lugar de un modelo insignia.

De un vistazo

Modelo	Tamaño	Dónde se ejecuta	Uso principal
DMind-3-Nano	270M	Navegador / monedero / móvil	Comprobaciones de seguridad de transacciones
DMind-3-Mini	4B	Dispositivo del usuario	Estrategia privada e investigación
DMind-3	21B	Nube / VPC privada	Investigación a nivel de mercado
DMind-2-107B	107B	Nube	Análisis de inversiones con llamadas a herramientas
DMind-2-4B	4B	Local	Análisis de inversiones ligero
DMind-1	32B	Nube	Primer LLM nativo de Web3
DMind-1-mini	14B	Nube / local	Modelo de agente Web3 destilado

Los siete modelos, además del conjunto de datos de referencia, están disponibles en huggingface.co/DMindAI.