Liquid AI, el creador de los modelos LFM para la IA en el dispositivo

Una empresa nacida en el MIT

Liquid AI fue fundada en 2023 por Ramin Hasani, Mathias Lechner, Alexander Amini y Daniela Rus, procedentes del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL). La empresa, Liquid AI, Inc., no indica en sus páginas oficiales la ciudad de su sede. Su misión declarada es construir una IA generalista eficiente «a todas las escalas», lista para funcionar en cualquier dispositivo.

El nombre remite a las «redes neuronales líquidas», una familia de redes neuronales que está en el centro de la investigación de la empresa.

Los Liquid Foundation Models

Los modelos de Liquid AI se llaman LFM (Liquid Foundation Models), con generaciones sucesivas como LFM2 y LFM2.5. Son híbridos: en lugar de basarse solo en la arquitectura Transformer, combinan bloques de convolución y bloques de atención. El objetivo es consumir poca memoria y poco cálculo para funcionar en un teléfono, un portátil, un automóvil o un objeto conectado.

La documentación agrupa los modelos en seis categorías:

• modelos de texto (conversación, llamada a herramientas, salidas estructuradas);
• modelos de visión y de audio;
• modelos de decisión, para clasificar o enrutar solicitudes;
• Liquid Nanos, modelos muy pequeños especializados en una tarea (extracción, resumen, traducción);
• modelos codificadores, para la búsqueda y los embeddings.

Abiertos, con condiciones

Los pesos de los LFM se publican en Hugging Face, en formatos adaptados a la inferencia local (GGUF, MLX, ONNX). Son, por tanto, modelos de pesos abiertos, pero no de código abierto en sentido estricto: la LFM Open License v1.0 limita el uso comercial gratuito a las organizaciones por debajo de un umbral de ingresos. En la práctica, una startup o un desarrollador independiente puede integrarlos libremente, mientras que una gran empresa debe negociar una licencia.

Cómo acceder a ellos

• Hugging Face, para descargar los pesos, compatibles con llama.cpp, Ollama, MLX, vLLM o SGLang.
• El Playground de Liquid y OpenRouter, para probarlos por API.
• La aplicación Apollo en iOS y Android, para una IA en el propio teléfono.
• La documentación oficial, que también describe un servicio de ajuste fino gestionado.

Lo que distingue a Liquid AI es su apuesta por lo «pequeño y local»: menos potencia bruta, pero una IA que mantiene sus datos en el dispositivo. Para comparar los LFM con otros modelos abiertos, consulte nuestra página de modelos open source.