Introdução
Em um movimento que desafia a lógica predominante no mercado de inteligência artificial, a Liquid AI acaba de lançar o LFM2.5-230M, um modelo de linguagem com apenas 230 milhões de parâmetros que consegue superar modelos quatro vezes maiores em tarefas específicas de extração de dados. Enquanto gigantes como OpenAI, Google e Meta competem para criar modelos cada vez maiores, com centenas de bilhões de parâmetros, a startup fundada por ex-cientistas do MIT aposta em uma abordagem radicalmente diferente: eficiência extrema para aplicações práticas em dispositivos locais.
O novo modelo representa uma mudança de paradigma importante para empresas brasileiras que buscam implementar IA em suas operações. Com capacidade de rodar em smartphones, laptops e até mesmo em um Raspberry Pi, o LFM2.5-230M oferece uma alternativa viável e econômica aos custosos modelos em nuvem, especialmente para tarefas rotineiras de processamento e extração de dados.
Arquitetura revolucionária para eficiência máxima
O segredo do LFM2.5-230M está em sua arquitetura inovadora, que abandona a estrutura tradicional de transformers pura em favor do framework LFM2. Este sistema híbrido combina convoluções de curto alcance com atenção de consulta agrupada, permitindo processar informações de forma muito mais eficiente em termos de memória e computação.
Para colocar em perspectiva, o modelo ocupa menos de 400MB de memória – aproximadamente o tamanho de um episódio de série em alta definição. Apesar desse tamanho diminuto, consegue processar contextos de até 32 mil tokens, o equivalente a documentos de dezenas de páginas ou fluxos contínuos de dados de sensores e dispositivos IoT.
Os números de desempenho impressionam: em um Samsung Galaxy S25 Ultra com processador Qualcomm Snapdragon Gen4, o modelo atinge velocidades de 213 tokens por segundo. Mesmo em um modesto Raspberry Pi 5, mantém respeitáveis 42 tokens por segundo – velocidade suficiente para aplicações práticas em tempo real.
Desempenho que desafia a lógica do ‘maior é melhor’
Os benchmarks divulgados pela Liquid AI revelam resultados surpreendentes. No teste BFCLv3 para uso de ferramentas, o LFM2.5-230M alcançou pontuação de 43.26, superando não apenas o Granite 4.0-350M da IBM (39.58), mas também deixando para trás o Gemma 3 1B IT do Google (16.61), que possui mais de quatro vezes seu tamanho.
Na extração de dados médicos do benchmark CaseReportBench, o modelo obteve 22.51 pontos, performance significativamente superior ao Qwen3.5-0.8B da Alibaba, que tem 800 milhões de parâmetros. Esses resultados demonstram que, para tarefas específicas e bem definidas, a especialização e otimização arquitetural podem ser mais importantes que o tamanho bruto do modelo.
É importante contextualizar: o LFM2.5-230M não compete com modelos como o recente VibeThinker-3B da Weibo ou os grandes modelos de raciocínio em matemática avançada ou programação complexa. Sua força está justamente na especialização: extração de dados, formatação de informações e execução de comandos estruturados com eficiência máxima.
Aplicações práticas para o mercado brasileiro
Para empresas brasileiras, o LFM2.5-230M abre possibilidades concretas e imediatas. Considere o cenário típico de uma empresa de médio porte que precisa processar milhares de notas fiscais, extrair dados de contratos ou estruturar informações de formulários diversos. Tradicionalmente, isso exigiria scripts ETL (Extract, Transform, Load) rígidos e frágeis, que quebram ao menor mudança no formato dos documentos.
Com o novo modelo da Liquid AI, essas empresas podem implementar pipelines de ‘IA ETL’ que se adaptam automaticamente a mudanças, inferem mapeamentos e detectam alterações de esquema sem intervenção manual. E o mais importante: tudo isso rodando localmente, sem depender de conexões de internet ou pagar por tokens em APIs de nuvem.
Um exemplo prático: enquanto usar o Claude Opus 4.6 para processar faturas rotineiras custaria cerca de 5 dólares por milhão de tokens de entrada, o LFM2.5-230M pode fazer o mesmo trabalho rodando em um servidor local ou até mesmo em dispositivos edge, com custo marginal próximo a zero após a implementação inicial.
Robótica e automação industrial
A Liquid AI demonstrou as capacidades do modelo em um cenário impressionante: controlando um robô humanoide Unitree G1. Rodando inteiramente no módulo NVIDIA Jetson Orin embarcado no robô, o modelo consegue interpretar comandos complexos em linguagem natural e traduzi-los em sequências precisas de ações.
Por exemplo, uma instrução como ‘fique parado por 2 segundos, depois ande para frente a 1 metro por segundo por 3 metros, mantenha uma posição ajoelhada por 5 segundos e volte andando a 0,5 metros por segundo por 3 metros’ é automaticamente convertida em um plano estruturado de execução, utilizando as habilidades de baixo nível fornecidas pelo framework SONIC da NVIDIA.
Para a indústria brasileira, especialmente nos setores de manufatura e logística que estão investindo em automação, isso representa uma oportunidade significativa. Robôs e sistemas automatizados podem ser controlados com comandos em linguagem natural, sem necessidade de programação complexa ou interfaces especializadas.
Modelo de licenciamento estratégico
A Liquid AI adotou uma estratégia de licenciamento inteligente com a LFM Open License v1.0. Para desenvolvedores independentes, pesquisadores e startups com faturamento anual inferior a 10 milhões de dólares, o modelo é essencialmente gratuito, com liberdade para modificar, distribuir e usar comercialmente.
Empresas maiores, com receita superior a esse limite, precisam negociar um acordo comercial separado com a Liquid AI. Essa abordagem protege a propriedade intelectual da empresa contra apropriação por grandes corporações, enquanto fomenta a adoção e inovação na base da pirâmide empresarial.
Para o ecossistema brasileiro de startups e empresas de tecnologia, isso significa acesso imediato a tecnologia de ponta sem barreiras financeiras iniciais, permitindo experimentação e desenvolvimento de soluções inovadoras.
O que isso significa para o futuro da IA
O lançamento do LFM2.5-230M sinaliza uma tendência importante: a bifurcação do mercado de IA entre modelos gigantescos de propósito geral e modelos especializados ultraeficientes. Enquanto os primeiros continuarão importantes para tarefas complexas de raciocínio e criatividade, os segundos serão fundamentais para a implementação prática de IA no dia a dia das empresas.
Essa especialização é particularmente relevante para mercados emergentes como o Brasil, onde a infraestrutura de conectividade pode ser limitada e os custos de computação em nuvem representam barreiras significativas. Modelos que rodam localmente, com eficiência energética e computacional, democratizam o acesso à IA avançada.
Além disso, a capacidade de processar dados sensíveis localmente, sem enviá-los para servidores externos, atende a preocupações crescentes com privacidade e conformidade regulatória, especialmente considerando legislações como a LGPD brasileira.
Conclusão
O LFM2.5-230M da Liquid AI representa mais do que apenas outro modelo de linguagem – é uma demonstração prática de que o futuro da IA não está apenas em modelos cada vez maiores, mas também em soluções especializadas e eficientes que resolvem problemas reais de negócios. Para empresas brasileiras buscando implementar IA em suas operações, especialmente em cenários de extração de dados, automação e processamento local, este modelo oferece uma alternativa viável e economicamente atrativa aos gigantes da nuvem.
A disponibilidade imediata do modelo em plataformas populares como Hugging Face, com suporte nativo para frameworks como llama.cpp, MLX e ONNX, facilita a adoção por desenvolvedores e engenheiros. À medida que mais empresas descobrem que nem toda tarefa de IA precisa de um modelo de trilhões de parâmetros, podemos esperar uma proliferação de soluções especializadas que tornam a inteligência artificial verdadeiramente ubíqua e acessível.
Fonte original: Este artigo foi adaptado e traduzido a partir da matéria publicada em VentureBeat, disponível em https://venturebeat.com/technology/liquid-ais-smallest-model-yet-lfm2-5-230m-beats-models-4x-its-size-at-data-extraction-can-run-anywhere.
