Liquid AI lança família de modelos de IA que roda em celulares e computadores simples
A startup apresenta seis modelos de 2 bilhões de parâmetros cada, especializados em texto, imagem, áudio ou a combinação deles, todos treináveis em uma única GPU e leves o bastante para funcionar em dispositivos comuns sem depender da nuvem.
A Liquid AI lançou a família LFM3, seis modelos de inteligência artificial com cerca de 2 bilhões de parâmetros (o tamanho de um modelo) cada, especializados em texto, imagem, áudio ou a combinação deles. Todos podem ser treinados em uma única GPU (chip gráfico) e rodam em celulares, laptops e computadores simples sem precisar de conexão com a internet, ocupando apenas 1 GB de memória quando comprimidos.
A Liquid AI (uma startup americana especializada em modelos de inteligência artificial para uso local) acaba de lançar a família LFM3, uma nova geração de modelos feita para rodar direto em celulares, laptops e outros dispositivos sem precisar de conexão com a internet. São seis modelos diferentes — texto, visão, áudio, um modelo que combina tudo (chamado "omni") e dois voltados para agentes autônomos —, todos com cerca de 2 bilhões de parâmetros (o número de conexões internas que define o tamanho de um modelo de IA). O menor deles ocupa apenas 1 GB de memória quando comprimido, segundo informou a empresa em seu blog oficial.
A grande novidade técnica é a arquitetura "tri-híbrida" do LFM3-1.7B-Base, o modelo de base da família: ele mistura três tipos de camadas (convoluções curtas, atenção com janela deslizante e atenção global) em vez de usar só atenção, como faz o GPT (a arquitetura de modelo de linguagem criada pela OpenAI e hoje usada pela maioria dos LLMs, ou modelos de linguagem grandes). Essa mistura foi desenhada com uma busca automática de arquitetura que testou 14 tipos de dispositivos, de um Raspberry Pi 5 (um computador de placa única do tamanho de um cartão de crédito) até GPUs (chips gráficos usados para treinar e rodar IA) em nuvem. O resultado, diz a Liquid AI, é um modelo com 35% menos parâmetros que o antecessor LFM2.5-2.6B, mas que consegue ser mais rápido — até 25% quando há 8 mil tokens (pedaços de palavras) no contexto — e mais preciso.
Cada um dos seis modelos foi treinado a partir do mesmo modelo de base (o LFM3-1.7B-Base), mas com adaptações para cada modalidade. O modelo de visão (LFM3-VL-2B) aceita imagens e vídeo como entrada, usa um novo codificador visual que consome um terço da capacidade de processamento do anterior e alcança resultados equivalentes aos do Gemma 4 12B (um modelo do Google seis vezes maior) em 62 testes de referência. O modelo de áudio (LFM3-Audio-2B) reconhece e sintetiza fala em 18 idiomas, traduz idiomas falados e pode até transformar pedidos de voz em chamadas de ferramentas (comandos que um modelo de IA envia para outro programa executar uma tarefa específica); ele usa um novo tokenizador de áudio chamado LiquidCodec, que gera fala a 87 vezes a velocidade real em um único núcleo de processador Apple M4 Max.
Os dois últimos modelos, d1-2B e d1-omni-2B, foram feitos especialmente para agentes autônomos — programas de IA que executam tarefas sozinhos, como navegar na web ou usar aplicativos. Eles respondem de forma "calibrada" (a empresa não detalha o que isso significa, mas provavelmente se refere a respostas com grau de confiança explícito) e, segundo a Liquid AI, o d1-2B atinge 38,42 pontos no WebArena-Verified (um teste que mede a capacidade de um agente de IA realizar tarefas em sites reais), contra 3,02 do modelo anterior — e até supera o Qwen3.5-9B (um modelo chinês de código aberto) em tarefas longas em navegadores e aplicativos de negócios.
Todos os seis modelos podem ser ajustados (fine-tuned, ou treinados novamente com dados específicos) em uma única GPU e já rodam no framework Transformers (a biblioteca de código aberto da Hugging Face, onde desenvolvedores compartilham e baixam modelos de IA já treinados). A Liquid AI publicou guias de uso e exemplos de código para cada modelo, incluindo como configurá-los para agentes locais e para inferência em dispositivos com llama.cpp (um programa que permite rodar modelos em CPUs comuns sem precisar de GPU). A empresa não informou se os modelos são de pesos abertos (isto é, se os parâmetros treinados podem ser baixados e modificados livremente) nem detalhou a licença de uso.
