A Liquid AI lançou o LFM2.5-VL-3B, um modelo de visão e linguagem com 3 bilhões de parâmetros construído especificamente para implantação em dispositivos de borda — rodando em equipamentos locais e servidores on-premise, em vez de exigir chamadas a uma API de nuvem hospedada.
Segundo a Liquid AI, o modelo melhora tanto a velocidade quanto a precisão em benchmarks de visão e linguagem em comparação com seu antecessor, mantendo uma contagem de parâmetros pequena o suficiente para rodar em hardware de consumo e de borda. A proposta é direta: capacidade de visão e linguagem — ler imagens, extrair texto e estrutura de fotos, responder perguntas sobre conteúdo visual — sem a latência ou o custo por chamada de uma API de visão na nuvem, e sem enviar imagens a terceiros.
Isso importa operacionalmente onde quer que uma empresa B2B já tenha trabalho recorrente de processamento de imagens parado em uma fila manual: tickets de suporte com fotos anexadas (produtos danificados, capturas de tela de erros), notas fiscais e recibos digitalizados encaminhados para o financeiro, fotos de entrega ou inspeção em operações de campo, ou verificações de identidade e documentos durante o onboarding de clientes. Cada uma dessas tarefas hoje geralmente passa por uma pessoa ou por uma API de visão na nuvem cobrada por requisição. Um modelo menor e autohospedável muda a estrutura de custo de automatizar essa fila — ela passa a ser um custo fixo de infraestrutura, em vez de uma taxa variável por transação, e os dados nunca saem dos sistemas próprios da empresa.
A contrapartida é o teto de capacidade: um modelo de borda de 3B não vai igualar grandes modelos multimodais de ponta em raciocínio visual complexo, compreensão de documentos em múltiplas etapas ou perguntas e respostas visuais abertas. Ele é adequado a tarefas visuais mais restritas, de alto volume e repetitivas — exatamente o tipo que compõe a maior parte das cargas de trabalho de imagem em suporte e back-office, mas não o tipo que exige julgamento.
Para um líder de operações ou suporte avaliando se vale automatizar um processo intensivo em imagens, as perguntas práticas que isso levanta são: quantas chamadas de processamento de imagem a equipe faz por mês, quanto custaria uma API de nuvem nesse volume, e se a complexidade da tarefa se encaixa no que um modelo compacto de borda realmente consegue lidar. Onde a resposta for alto volume e baixa complexidade — OCR de recibos, classificação fotográfica padrão, extração simples de campos em documentos — essa classe de modelo vale a pena pilotar antes de recorrer por padrão a um serviço de visão na nuvem maior e mais caro.
Os termos de disponibilidade e licenciamento para autohospedagem comercial não foram detalhados no material-fonte e devem ser confirmados com a Liquid AI antes do planejamento de implantação.