Liquid AI

A Liquid AI é um laboratório de IA que desenvolve os Liquid Foundation Models (LFM), modelos pequenos feitos para rodar em dispositivos como celulares e laptops, e a plataforma LEAP para levá-los até lá.

Os modelos LFM2 foram publicados com pesos abertos no Hugging Face, com guias de implantação para ExecuTorch, llama.cpp e vLLM, segundo o blog da empresa. A família LFM2.5 é a linha atual: a documentação cita variantes de texto, de raciocínio, em japonês, de visão e de áudio.

A LEAP, a plataforma de IA para dispositivos da Liquid AI, inclui o Leap SDK, uma biblioteca Kotlin Multiplatform que a documentação diz rodar em iOS, macOS, Android, desktop JVM, Linux e Windows, com um alvo wasmJs em prévia.

O que a Liquid AI oferece, portanto, é modelo aberto de tamanho reduzido mais as ferramentas de implantação para quem quer inferência no próprio aparelho, em vez de chamar uma API remota. Para quem prefere chamar por API, a empresa também menciona o Liquid Console e um Playground para testar modelos.

A Liquid AI é indicada para desenvolvedores e equipes de produto que precisam rodar IA no próprio dispositivo, em celulares, laptops ou borda, e para quem quer ajustar um modelo pequeno com dados próprios.

Os perfis de uso sustentados pelas fontes oficiais:

• Quem constrói apps móveis ou de desktop com IA local: o Leap SDK cobre iOS, macOS, Android, desktop JVM, Linux e Windows, segundo a documentação.
• Quem roda modelos em laptops: a empresa anunciou aceleração nativa para processadores AMD Ryzen e Ryzen AI na LEAP.
• Quem precisa de áudio ponta a ponta: o modelo LFM2-Audio, segundo a página no Hugging Face, não exige componentes separados de reconhecimento e síntese de voz. A versão original tem inglês como idioma e existe uma variante em japonês.
• Quem ajusta modelos: a Liquid AI indica o LFM2.5-1.2B-Base para tarefas que exigem ajuste pesado e cita TRL e Unsloth para ajustar.

Pré-requisitos: conhecimento para integrar um SDK nativo ou um runtime como llama.cpp, MLX ou vLLM, e clareza sobre a licença. As fichas dos modelos no Hugging Face citam a LFM Open License v1.0, e é ela que define o uso comercial.

Os principais recursos da Liquid AI são a família de modelos LFM de pesos abertos, o Leap SDK para implantação em dispositivos e as opções de ajuste e de acesso por API.

• Família LFM: o blog da empresa descreve modelos de texto com pesos abertos no Hugging Face e a linha LFM2.5 como a atual, com variantes de texto, de raciocínio, em japonês, de visão e de áudio.
• Tamanhos pequenos: segundo o blog, os primeiros LFM2 tinham 350 milhões, 700 milhões e 1,2 bilhão de parâmetros, e o de visão LFM2-VL tinha variantes de 450 milhões e 1,6 bilhão, depois uma de 3 bilhões.
• Áudio: o LFM2-Audio-1.5B é um modelo de fala ponta a ponta, e a versão LFM2.5-Audio traz GGUF compatível com llama.cpp para inferência em CPU.
• Leap SDK: biblioteca Kotlin Multiplatform para iOS, macOS, Android, desktop JVM, Linux e Windows.
• Runtimes: a empresa publica guias para ExecuTorch, llama.cpp, MLX e vLLM.
• Ajuste fino: TRL e Unsloth, além da ferramenta aberta liquid-finetune, que roda o treino na Modal.
• Acesso por API: o Liquid Console e um Playground para testar.

A lista vigente de modelos está no Hugging Face e na documentação da Liquid AI.

A Liquid AI vale a pena para quem quer rodar IA no próprio dispositivo com modelos pequenos de pesos abertos. Os limites estão na licença, na mudança rápida de versões e no escopo dos modelos pequenos.

Prós:

• Pesos abertos no Hugging Face para os modelos LFM2, com guias de implantação para ExecuTorch, llama.cpp e vLLM.
• Leap SDK em Kotlin Multiplatform, que cobre iOS, macOS, Android, desktop JVM, Linux e Windows.
• Modelos de visão e de áudio além de texto, incluindo um modelo de fala ponta a ponta que dispensa reconhecimento e síntese separados.
• Aceleração nativa para processadores AMD Ryzen e Ryzen AI, anunciada para a LEAP.
• Ajuste fino documentado, com TRL, Unsloth e a ferramenta liquid-finetune.

Contras:

• A licença exige leitura: as fichas no Hugging Face citam a LFM Open License v1.0, e posts mais antigos descreviam termos diferentes.
• As versões mudam: várias fichas de modelos LFM2 apontam para substitutos da linha LFM2.5.
• A versão original do LFM2-Audio lista só inglês, e o japonês está em uma variante separada.
• O caminho de ajuste documentado em liquid-finetune roda na Modal, um serviço de GPU de terceiros.
• O alvo wasmJs do Leap SDK, para navegador, está em prévia, segundo a documentação.

As principais alternativas à Liquid AI são outros laboratórios que publicam modelos pequenos ou abertos para rodar localmente.

• Google, com a família Gemma: modelos de pesos abertos do Google, com variantes de tamanho reduzido.
• Microsoft, com a família Phi: modelos pequenos publicados pela Microsoft.
• Meta, com a família Llama: modelos de pesos abertos em vários tamanhos.
• Alibaba, com a família Qwen: modelos abertos em vários tamanhos e modalidades.
• Nous Research: modelos Hermes de pesos abertos, mais o Hermes Agent, que roda no seu servidor.

A diferença da Liquid AI é o foco declarado em implantação no dispositivo, com o Leap SDK e modelos LFM que incluem visão e áudio ponta a ponta. Quem precisa de modelos grandes para rodar em servidor tende a olhar as famílias acima ou a Nous Research, que publica variantes de centenas de bilhões de parâmetros.