Liquid AI

Liquid AI es un laboratorio de IA que desarrolla los Liquid Foundation Models (LFM), modelos pequeños hechos para ejecutarse en dispositivos como teléfonos y laptops, y la plataforma LEAP para llevarlos hasta allí.

Los modelos LFM2 se publicaron con pesos abiertos en Hugging Face, con guías de despliegue para ExecuTorch, llama.cpp y vLLM, según el blog de la empresa. La familia LFM2.5 es la línea actual: la documentación cita variantes de texto, de razonamiento, en japonés, de visión y de audio.

LEAP, la plataforma de IA en dispositivos de Liquid AI, incluye el Leap SDK, una biblioteca Kotlin Multiplatform que la documentación dice funcionar en iOS, macOS, Android, JVM de escritorio, Linux y Windows, con un destino wasmJs en versión preliminar.

Lo que ofrece Liquid AI, entonces, es un modelo abierto pequeño más las herramientas de despliegue para quien quiere inferencia en el propio dispositivo, en lugar de llamar a una API remota. Para quien prefiere llamar por API, la empresa también menciona Liquid Console y un Playground para probar modelos.

Liquid AI está indicada para desarrolladores y equipos de producto que necesitan ejecutar IA en el propio dispositivo, en teléfonos, laptops o el borde, y para quien quiere ajustar un modelo pequeño con datos propios.

Los perfiles de uso respaldados por las fuentes oficiales:

• Quien construye apps móviles o de escritorio con IA local: el Leap SDK cubre iOS, macOS, Android, JVM de escritorio, Linux y Windows, según la documentación.
• Quien ejecuta modelos en laptops: la empresa anunció aceleración nativa para procesadores AMD Ryzen y Ryzen AI en LEAP.
• Quien necesita audio de extremo a extremo: el modelo LFM2-Audio, según su página en Hugging Face, no requiere componentes separados de reconocimiento y síntesis de voz. La versión original indica inglés como idioma y existe una variante en japonés.
• Quien ajusta modelos: Liquid AI recomienda LFM2.5-1.2B-Base para tareas que exigen ajuste intenso y cita TRL y Unsloth para ajustar.

Requisitos previos: conocimientos para integrar un SDK nativo o un runtime como llama.cpp, MLX o vLLM, y claridad sobre la licencia. Las fichas de los modelos en Hugging Face citan la LFM Open License v1.0, y es la que define el uso comercial.

Las principales funciones de Liquid AI son la familia de modelos LFM de pesos abiertos, el Leap SDK para despliegue en dispositivos y las opciones de ajuste y de acceso por API.

• Familia LFM: el blog de la empresa describe modelos de texto con pesos abiertos en Hugging Face y la línea LFM2.5 como la actual, con variantes de texto, de razonamiento, en japonés, de visión y de audio.
• Tamaños pequeños: según el blog, los primeros LFM2 tenían 350 millones, 700 millones y 1,2 mil millones de parámetros, y el de visión LFM2-VL tenía variantes de 450 millones y 1,6 mil millones, luego una de 3 mil millones.
• Audio: LFM2-Audio-1.5B es un modelo de voz de extremo a extremo, y la versión LFM2.5-Audio trae GGUF compatible con llama.cpp para inferencia en CPU.
• Leap SDK: biblioteca Kotlin Multiplatform para iOS, macOS, Android, JVM de escritorio, Linux y Windows.
• Runtimes: la empresa publica guías para ExecuTorch, llama.cpp, MLX y vLLM.
• Ajuste fino: TRL y Unsloth, además de la herramienta abierta liquid-finetune, que ejecuta el entrenamiento en Modal.
• Acceso por API: Liquid Console y un Playground para probar.

La lista vigente de modelos está en Hugging Face y en la documentación de Liquid AI.

Liquid AI vale la pena para quien quiere ejecutar IA en el propio dispositivo con modelos pequeños de pesos abiertos. Los límites están en la licencia, en el cambio rápido de versiones y en el alcance de los modelos pequeños.

Ventajas:

• Pesos abiertos en Hugging Face para los modelos LFM2, con guías de despliegue para ExecuTorch, llama.cpp y vLLM.
• Leap SDK en Kotlin Multiplatform, que cubre iOS, macOS, Android, JVM de escritorio, Linux y Windows.
• Modelos de visión y de audio además de texto, incluido un modelo de voz de extremo a extremo que prescinde de reconocimiento y síntesis separados.
• Aceleración nativa para procesadores AMD Ryzen y Ryzen AI, anunciada para LEAP.
• Ajuste fino documentado, con TRL, Unsloth y la herramienta liquid-finetune.

Desventajas:

• La licencia exige lectura: las fichas en Hugging Face citan la LFM Open License v1.0, y publicaciones más antiguas describían términos distintos.
• Las versiones cambian: varias fichas de modelos LFM2 apuntan a reemplazos de la línea LFM2.5.
• La versión original de LFM2-Audio lista solo inglés, y el japonés está en una variante separada.
• El camino de ajuste documentado en liquid-finetune corre en Modal, un servicio de GPU de terceros.
• El destino wasmJs del Leap SDK, para navegador, está en versión preliminar, según la documentación.

Las principales alternativas a Liquid AI son otros laboratorios que publican modelos pequeños o abiertos para ejecutar localmente.

• Google, con la familia Gemma: modelos de pesos abiertos de Google, con variantes de tamaño reducido.
• Microsoft, con la familia Phi: modelos pequeños publicados por Microsoft.
• Meta, con la familia Llama: modelos de pesos abiertos en varios tamaños.
• Alibaba, con la familia Qwen: modelos abiertos en varios tamaños y modalidades.
• Nous Research: modelos Hermes de pesos abiertos, más Hermes Agent, que corre en tu servidor.

Lo que distingue a Liquid AI es su enfoque declarado en el despliegue en dispositivos, con el Leap SDK y modelos LFM que incluyen visión y audio de extremo a extremo. Quien necesita modelos grandes para ejecutar en servidor tiende a mirar las familias de arriba o a Nous Research, que publica variantes de cientos de miles de millones de parámetros.