IAs Promissoras

Liquid AI: modelos para levar inteligência aos próprios dispositivos

A Liquid AI desenvolve modelos com foco em eficiência e execução em dispositivos, além de opções de uso na nuvem.

Celular com um processador em destaque e pequenos símbolos de documentos, imagens e áudio próximos ao aparelho.
Ilustração conceitual de modelos de IA executados nos próprios dispositivos. · Crédito: Imagem gerada com inteligência artificial.

Uma função de IA pode parecer simples na tela: você faz uma pergunta e recebe uma resposta. Nos bastidores, porém, existe uma escolha importante sobre onde esse processamento acontece. Em alguns projetos, faz sentido aproximá-lo do próprio aparelho.

A Liquid AI desenvolve modelos com foco em eficiência e execução em dispositivos. A proposta considera limitações reais, como memória disponível, tempo de resposta e capacidade de processamento.

O que a empresa oferece?

Um modelo é o componente de IA que recebe informações e produz resultados dentro de uma aplicação. É uma peça que desenvolvedores podem usar para construir produtos.

O catálogo da Liquid AI reúne famílias voltadas a texto, visão, áudio e tarefas específicas. Também apresenta caminhos para execução local e uso em serviços na nuvem. A escolha depende do modelo e do projeto.

Isso importa porque “IA no dispositivo” não significa que qualquer modelo cabe em qualquer celular. É preciso combinar o tamanho do modelo, o software de execução e os recursos do aparelho.

Como essa ideia pode aparecer no cotidiano?

Pense num cenário ilustrativo: uma equipe quer criar um assistente para consultar orientações técnicas armazenadas num aparelho usado em campo. O produto precisa funcionar em condições nas quais a conexão pode variar.

Um modelo executado localmente poderia ser parte dessa solução, desde que os documentos necessários e os demais componentes também estivessem disponíveis no aparelho. A equipe teria de testar qualidade das respostas, uso de memória e consumo de energia no equipamento real.

O exemplo mostra o interesse da proposta: escolher onde a inteligência será executada de acordo com a necessidade do produto.

Da promessa ao desenvolvimento

A documentação para aplicativos móveis mostra como integrar modelos LFM a aplicações para iOS e Android usando llama.cpp, uma biblioteca de execução de modelos. Ela também aborda ajustes e avaliação no hardware.

Para o leitor que não programa, o ponto central é que isso exige trabalho de integração. A experiência final depende tanto do modelo quanto do aplicativo construído ao redor dele.

Por que vale acompanhar

A Liquid AI chama atenção por explorar o que a IA pode fazer sob restrições concretas. Nem todo produto precisa usar a mesma arquitetura ou depender do mesmo tipo de infraestrutura.

O primeiro teste deveria partir de uma tarefa pequena e de aparelhos representativos dos usuários. A avaliação precisa equilibrar resposta útil, velocidade, memória e bateria, além das condições de licença do modelo.

Executar localmente pode ajudar a reduzir o envio de informações para processamento externo, mas o aplicativo inteiro precisa ser analisado para entender seu fluxo de dados. É nessa combinação entre modelo, dispositivo e produto que a proposta da Liquid AI se torna especialmente interessante.

Fontes oficiais consultadas em 21 de outubro de 2026.

EN

Ernani Nascimento

Desenvolvimento de sistemas, inteligência artificial, automações, dados e jogos. Um espaço para compartilhar experiências e aprendizados construindo projetos reais.

Conheça o autor ↗

Continue explorando.

DA IDEIA À PRÁTICA

Tem algo em mente?
Vamos construir.

Vamos conversar ↗