Liquid AI em análise: o futuro da IA nativa na periferia para além dos Transformers
#Quasa #QUA #liquidai
A Liquid AI (em destaque em Quasa.io/projects/liquid-ai) é uma spin-off do MIT que está a desenvolver uma nova geração de Liquid Foundation Models (LFMs) eficientes — arquiteturas sem transformers concebidas de raiz para utilização no mundo real.
Em vez de procurar modelos na nuvem cada vez maiores, a Liquid concentra-se em IA de alto desempenho e baixa latência que funciona nativamente em dispositivos: telemóveis, computadores portáteis, automóveis, dispositivos vestíveis, robôs e hardware de periferia.
Na sua essência, a Liquid AI oferece o máximo de inteligência com o mínimo de recursos computacionais através da conceção de modelos que tem em conta o hardware.
Entre os principais destaques encontram-se:
- Liquid Foundation Models (série LFM2) — Desempenho de ponta com um consumo de memória e energia drasticamente inferior. Os modelos vão de 350M a 24B+ parâmetros, incluindo variantes Mixture-of-Experts que ativam apenas uma fração dos parâmetros por token.
- Execução no dispositivo e nativa na periferia — Latência inferior a 20ms, agentes com capacidade de invocar ferramentas, modelos de visão e linguagem (LFM2-VL), modelos de áudio e modelos de raciocínio que funcionam inteiramente sem ligação à Internet, com total privacidade.
- LEAP Platform & Liquid Apollo — Ferramentas simples para programadores especializarem, afinarem e implementarem LFMs em CPUs, GPUs e NPUs.
- Soluções empresariais e setoriais — Modelos personalizados para o setor automóvel (Mercedes-Benz), comércio eletrónico, finanças, indústria farmacêutica (com a Insilico Medicine) e robótica.
- Implementação híbrida e privada — Execute IA potente na nuvem, em instalações próprias ou inteiramente no dispositivo — ideal para setores regulamentados e aplicações em que a latência é crítica.
É ideal para engenheiros de IA, equipas de produto, fabricantes de automóveis, empresas de robótica, marcas de eletrónica de consumo, startups que desenvolvem IA diferenciada e qualquer organização que precise de inteligência rápida, privada e com uma boa relação custo-eficiência na periferia. Em 2026, a Liquid AI está a liderar a transição de uma IA exclusivamente na nuvem para uma inteligência verdadeiramente ubíqua e nativa dos dispositivos.
A comunidade de programadores e empresas está a adorar:
“Finalmente, modelos fundacionais que realmente funcionam no meu computador portátil a uma velocidade utilizável e sem custos de nuvem.”
“Os LFMs da Liquid superaram largamente os nossos requisitos de latência para IA a bordo dos automóveis, mantendo os dados totalmente privados.”
“Estes modelos parecem o futuro — eficientes, multimodais e verdadeiramente capazes de ser implementados em qualquer lugar.”
Destaca-se especialmente na inferência de IA no dispositivo, em aplicações que dão prioridade à privacidade, em casos de utilização na robótica de baixo consumo e no setor automóvel, na especialização rápida de modelos e na capacidade de oferecer alto desempenho sem enormes parques de GPUs.
Desvantagens: A arquitetura ainda é recente em comparação com os transformers dominantes (o ecossistema e as ferramentas estão a crescer rapidamente, mas ainda não atingiram o mesmo grau de maturidade); os melhores resultados dependem frequentemente de otimizações específicas para o hardware; o desenvolvimento personalizado para empresas é a via mais sólida para casos de utilização complexos.
No geral, para as equipas que, em 2026, procuram IA capaz de respeitar as limitações reais de latência, consumo energético, privacidade e hardware, a Liquid AI é uma das empresas de modelos fundacionais mais entusiasmantes e práticas. Não é apenas mais um fornecedor de LLMs — está a redefinir como e onde a IA realmente existe e funciona.
Ganhe também uma recompensa em QUA através da Quasa!
4.9/5 estrelas (excelente em eficiência, desempenho em dispositivos reais e arquitetura orientada para o futuro; ecossistema em crescimento).
Comece aqui: https://quasa.io/projects/liquid-ai























