Lumi Stellar
El modelo frontera de la generación «Stelle» (v3): sin techo de VRAM ni de cómputo por diseño, apostado a romper los benchmarks estándar de geolocalización en vez de encajar en una GPU de consumo.
Un solo modelo frontera, no una familia Mini/Pro/Vision — porque el presupuesto de hardware es justamente lo que este ejercicio ignora. Consulta el ensemble de recuperación entero, el mayor número de verificadores geométricos de cualquier nivel, y un panel de motores en vez de uno solo.
Todos los modelos que contiene
| Etapa | Modelos activos |
|---|---|
| Recuperación (9) | SALAD · AnyLoc · EigenPlaces · CosPlace · DINO-Mix · CliqueMining · Lumi Preview · Lumi 2 · Lumi Stellar (nuevo) |
| Verificación geométrica (6) | RoMa · RoMa v2 · tiny-RoMa · EfficientLoFTR · LightGlue + ALIKED · RoMa-omega (nuevo) |
| Motor (2, en panel) | Qwen3-VL-235B-A22B-Instruct, bf16 (nuevo) · un segundo VLM de otro linaje, sin cuantizar (nuevo) |
Todo lo que ya existe en recuperación y verificación se mantiene intacto — Stellar no sustituye nada del catálogo activo, vota junto a él.
Benchmarks estimados (objetivo de diseño, no medición real)
Ningún nivel de Lumi tiene todavía una cifra de precisión medida en un benchmark público — esta tabla son objetivos de diseño para donde debería quedar cada nivel en una prueba al estilo IM2GPS3k/YFCC4k (porcentaje de fotos localizadas dentro de cada radio), no un resultado real:
| Radio de acierto | Mini (objetivo) | Pro (objetivo) | Vision (objetivo) | Stellar (objetivo) |
|---|---|---|---|---|
| Calle (1 km) | ~8% | ~18% | ~28% | ~45% |
| Ciudad (25 km) | ~22% | ~40% | ~52% | ~70% |
| Región (200 km) | ~38% | ~58% | ~68% | ~85% |
| País (750 km) | ~55% | ~74% | ~82% | ~93% |
| Continente (2500 km) | ~74% | ~89% | ~94% | ~98% |
Porcentaje de fotos localizadas dentro de cada radio — objetivo de diseño, no una medición.
Requisitos mínimos estimados
| Mini | Pro | Vision | Stellar (estimado) | |
|---|---|---|---|---|
| VRAM mínima / recomendada | 8 GB / 16 GB | 8 GB / 20 GB | mayor que Pro (sin medir aún) | varias GPU de datacenter (ej. 8× H100 80GB) |
| RAM del sistema | 16 GB | 32 GB | 64 GB (estimado) | ~2 TB (memoria de nodo, no de GPU) |
| CPU | 4 núcleos | 8 núcleos | 16 núcleos (estimado) | 2× servidor, ~128 núcleos combinados |
| Disco (pesos) | ~6 GB | ~15 GB | ~35 GB (estimado) | ~1 TB (motor sin cuantizar + ensemble completo) |
| Red entre GPU | — (una sola tarjeta) | — (una sola tarjeta) | — (una sola tarjeta) | NVLink/InfiniBand — el panel de motores no cabe en una GPU |
*Estimado, no medido todavía. La desproporción de la barra es intencional: comprimirla con una escala logarítmica escondería justo lo que esta página quiere mostrar.
Recuperación: el ensemble entero, y uno más
Lumi Vision ya consulta los ocho modelos de recuperación existentes a la vez. Stellar parte de ese mismo ensemble y añade un noveno, propio de esta generación:
| Lumi 2 (v2, hoy) | Lumi Stellar (concepto) | |
|---|---|---|
| Dimensión del vector | 12 288 | 24 576 |
| Backbone | DINOv2 ViT-L/14, congelado | DINOv2 ViT-g/14, sin congelar |
| Entrenamiento | Solo la cabeza de agregación (BoQ) | Modelo completo, de punta a punta |
Congelar el backbone en Lumi 2 es la misma clase de concesión que cuantizar un motor: mucho más barato de entrenar, pero deja rendimiento sobre la mesa. Sin límite de cómputo de entrenamiento, ese backbone deja de estar congelado.
Verificación geométrica: RoMa-omega y tiny-RoMa se suman a los cuatro de Vision
tiny-RoMa, hoy reservado a Mini como su única opción barata, entra aquí por diversidad de método más que por necesidad: un quinto punto de vista geométrico, por barato que sea, puede detectar un acuerdo o desacuerdo que los otros cinco pasan por alto.
Motor: un panel, no un solo modelo
Qwen3-VL-8B-Instruct en 4-bit es el motor de todos los niveles activos hoy. Stellar lo sustituye por un panel de dos motores sin cuantizar, de linajes de entrenamiento distintos, que interpretan la misma foto por separado y contrastan sus respuestas — la misma lógica de "varios puntos de vista" que ya aplican la recuperación y la verificación geométrica de arriba.