Liquid AI lança sistema para rodar agentes de IA inteiramente no dispositivo

A ideia de rodar modelos de linguagem poderosos no próprio computador, sem nuvem e sem que um único byte de dados vá parar em servidores alheios, foi por muito tempo um objetivo atraente, mas difícil de alcançar. A Liquid AI parece ter dado um passo sério para transformá-la em ferramenta de trabalho. A empresa apresentou o modelo LFM2-24B-A2B e o aplicativo de desktop LocalCowork, um sistema totalmente local para executar fluxos de trabalho agênticos de nível corporativo.

Para entender a importância do lançamento, vale lembrar o contexto. A Liquid AI é uma startup fundada por ex-alunos do MIT que, desde o início, seguiu um caminho pouco convencional. Em vez de escalar arquiteturas Transformer na esteira de OpenAI e Google, a equipe se concentrou nos chamados Liquid Foundation Models, arquiteturas inspiradas em sistemas dinâmicos e neurociência. Seus modelos são compactos e eficientes, sem abrir mão da qualidade de geração. A sigla «24B-A2B» no nome do novo modelo indica 24 bilhões de parâmetros, com ativação de apenas parte deles. A abordagem lembra a Mixture of Experts e permite obter o desempenho de um modelo grande com custo computacional bem menor.

A principal ideia de engenharia do LocalCowork é que toda a cadeia de interação agêntica, do recebimento da tarefa à chamada de ferramentas e ao retorno do resultado, acontece no dispositivo do usuário. A coordenação entre o modelo e as ferramentas externas usa o Model Context Protocol, um padrão aberto proposto originalmente pela Anthropic para a interação estruturada entre modelos de linguagem e ambientes de software. O MCP permite que o modelo «entenda» quais ferramentas tem à disposição, monte chamadas corretas e processe os resultados, tudo sem recorrer a APIs na nuvem. Na prática, é um orquestrador local que transforma o modelo de linguagem de gerador de texto em um agente digital completo.

Tecnicamente, a arquitetura é otimizada para latência mínima no despacho de ferramentas. Isso é crucial no uso prático: se o agente gasta segundos a cada chamada de função, processos complexos de várias etapas ficam insuportavelmente lentos. A Liquid AI afirma que o LFM2-24B-A2B foi ajustado especificamente para decidir rápido qual ferramenta chamar e com quais parâmetros, tarefa que exige menos volume de conhecimento do que precisão e velocidade de raciocínio. O LocalCowork está disponível abertamente no repositório Liquid4All, no GitHub, o que permite aos desenvolvedores estudar a arquitetura, adaptá-la às suas necessidades e integrá-la a sistemas corporativos existentes.

Para quem isso realmente importa? Principalmente para organizações que lidam com dados sensíveis: instituições financeiras, unidades de saúde, escritórios de advocacia, órgãos governamentais. Até agora, elas enfrentavam uma escolha desagradável: usar modelos poderosos na nuvem e aceitar que dados confidenciais saiam do perímetro da organização, ou se contentar com soluções locais primitivas. O LocalCowork oferece um terceiro caminho: funcionalidade agêntica completa sem concessões de privacidade. A ausência de chamadas de API significa não só proteção de dados, mas também independência de serviços externos: o sistema funciona até sem conexão com a internet.

Esse lançamento se encaixa em uma tendência mais ampla que ganha força no setor. Depois de vários anos de domínio incontestável da nuvem, o pêndulo começa a voltar. O Apple Intelligence roda principalmente no dispositivo. Qualcomm e Intel investem bilhões em NPUs para inferência local. A Microsoft promove o conceito de Copilot Plus PC. Mas a maioria dessas soluções se limita a tarefas simples, como resumo, autocompletar e classificação básica. A Liquid AI mira mais alto: fluxos de trabalho agênticos completos, com chamada de ferramentas, planejamento em várias etapas e gerenciamento de contexto, tudo localmente.

Claro, ainda restam perguntas. Com que conforto um modelo de 24 bilhões de parâmetros, mesmo com ativação esparsa, vai rodar em um notebook corporativo típico? Quais fluxos de trabalho conseguem ser automatizados com qualidade aceitável? Como o sistema lida com cadeias complexas de dezenas de chamadas de ferramentas? A prática responderá a essas perguntas, mas o simples fato de uma solução assim estar disponível abertamente muda os termos do debate. A questão já não é se a IA privada de nível corporativo no dispositivo é possível, e sim com que rapidez ela vai virar padrão.