Liquid AI lanzó un sistema para ejecutar agentes de AI totalmente en el dispositivo

La idea de ejecutar modelos de lenguaje potentes directamente en tu ordenador, sin la nube y sin que un solo byte de datos viaje a servidores ajenos, ha sido durante mucho tiempo una meta hermosa pero difícil de alcanzar. Liquid AI parece haber dado un paso serio hacia convertirla en una herramienta funcional. La empresa ha presentado el modelo LFM2-24B-A2B y la aplicación de escritorio acompañante LocalCowork — un sistema completamente local para ejecutar flujos de trabajo de agentes a nivel empresarial.

Para entender la importancia de este lanzamiento, conviene recordar el contexto. Liquid AI es una startup fundada por antiguos alumnos del MIT que desde el principio siguió un camino no convencional. En lugar de escalar arquitecturas de transformador siguiendo a OpenAI y Google, el equipo se enfocó en los llamados Liquid Foundation Models — arquitecturas inspiradas en sistemas dinámicos y neurociencia.

Sus modelos se distinguen por su compacidad y eficiencia mientras mantienen alta calidad de generación. La notación "24B-A2B" en el nombre del nuevo modelo indica 24 mil millones de parámetros con un mecanismo que activa solo parte de ellos — un enfoque reminiscente de Mixture of Experts, que permite lograr el desempeño de un modelo grande con costos computacionales significativamente menores.

La idea principal de ingeniería detrás de LocalCowork es que toda la cadena de interacción del agente — desde recibir una tarea hasta llamar herramientas y devolver resultados — ocurre en el dispositivo del usuario. El Model Context Protocol, un estándar abierto originalmente propuesto por Anthropic para la interacción estructurada entre modelos de lenguaje y entornos de software, se utiliza para coordinar entre el modelo y herramientas externas. MCP permite que el modelo "entienda" qué herramientas tiene disponibles, forme llamadas correctas y procese resultados — todo sin recurrir a APIs en la nube. Esencialmente, este es un orquestrador local que transforma un modelo de lenguaje de un generador de texto en un agente digital completo.

Técnicamente, la arquitectura está optimizada para latencia mínima en la distribución de herramientas. Esto es crítico para el uso práctico: si un agente gasta segundos en cada llamada de función, los procesos complejos de múltiples pasos se vuelven insoportablemente lentos. Liquid AI afirma que LFM2-24B-A2B está especialmente ajustada para la toma rápida de decisiones sobre qué herramienta llamar y con qué parámetros — una tarea que requiere no tanto riqueza de conocimiento sino precisión y velocidad de inferencia lógica. La aplicación LocalCowork está disponible como código abierto a través del repositorio Liquid4All en GitHub, permitiendo a los desarrolladores estudiar la arquitectura, adaptarla a sus necesidades e integrarla en sistemas empresariales existentes.

¿Para quién es esto realmente importante? En primer lugar, para organizaciones que trabajan con datos sensibles — instituciones financieras, instalaciones médicas, despachos legales, estructuras gubernamentales. Hasta ahora enfrentaban una elección desagradable: o utilizar potentes modelos en la nube y aceptar que datos confidenciales salgan del perímetro de la organización, o conformarse con soluciones locales primitivas. LocalCowork ofrece una tercera vía — funcionalidad de agente completa sin compromissos en privacidad. La ausencia de llamadas API significa no solo protección de datos, sino también independencia de servicios externos: el sistema funciona incluso sin conexión a internet.

Este lanzamiento se ajusta a una tendencia más amplia que gana impulso en la industria. Tras varios años de dominio indiscutible del enfoque en la nube, el péndulo comienza a oscilar hacia atrás. Apple Intelligence funciona principalmente en el dispositivo. Qualcomm e Intel están invirtiendo miles de millones en NPUs para inferencia local. Microsoft está promoviendo el concepto de Copilot Plus PC. Pero la mayoría de estas soluciones se limitan a tareas simples — resumen, autocompletado, clasificación básica. Liquid AI apunta más alto: flujos de trabajo de agentes completos con llamadas de herramientas, planificación multipasos y gestión contextual — todo localmente.

Por supuesto, quedan preguntas. ¿Cuán cómodamente funcionará un modelo con 24 mil millones de parámetros, incluso con activación dispersa, en un portátil corporativo típico? ¿Cuáles son exactamente los flujos de trabajo que se pueden automatizar con calidad aceptable? ¿Cómo maneja el sistema cadenas complejas de docenas de llamadas de herramientas? Las respuestas a estas preguntas vendrán de la práctica, pero el simple hecho de que tal solución aparezca en el dominio abierto cambia el panorama de la discusión. La pregunta ya no es si la IA privada de nivel empresarial en el dispositivo es posible, sino qué tan rápido se convertirá en el estándar.