Las redes neuronales convolucionales binarias (BCNN) han demostrado una buena precisión para modelos de redes neuronales pequeños a medianos. Su cuantización extrema de pesos y activaciones reduce la transferencia de datos fuera del chip y disminuye considerablemente la complejidad computacional de las convoluciones. Una reducción adicional en la complejidad de un modelo BCNN para una ejecución rápida puede lograrse con la reducción del tamaño del modelo a costa de la precisión de la red. En este artículo, se propone una técnica de inferencia multi-modelo para reducir el tiempo de ejecución del proceso de inferencia binarizada sin reducción de precisión.