Liquid AI Apresenta Encoders de Contexto Longo Otimizados para CPUs

A Liquid AI, um player crescente no cenário de IA, acaba de lançar seus encoders LFM2.5-Encoder-230M e LFM2.5-Encoder-350M, otimizados para inferência de contexto longo diretamente em CPUs. Estes modelos se destacam pela capacidade de processar até 8.192 tokens, um contexto considerável, mantendo alta performance e latência reduzida mesmo em hardware padrão.

A inovação vem da arquitetura LFM2.5, que já era conhecida por não usar a estrutura tradicional de transformer. Agora, essa base foi adaptada para criar encoders bidirecionais, com atenção bidirecional e convoluções não-causais, treinados com modelagem de linguagem mascarada. Essa abordagem resulta em modelos que, apesar de menores, competem com ou superam encoders maiores em benchmarks como GLUE e SuperGLUE, entregando uma performance até 3,7 vezes mais rápida que o ModernBERT-base em CPUs para contextos longos. Isso abre portas para aplicações como roteamento de intenção, detecção de PII e classificação de texto, tudo rodando de forma econômica em CPUs.

A evolução da Liquid AI é clara. No dia 26 de junho de 2026, o CEVIU News noticiou o lançamento do Liquid Foundation Model 2.5 (LFM 2.5) como modelos base com 230 milhões de parâmetros e uma arquitetura inovadora, focada em ser um decoder. Agora, a empresa expande essa linha, transformando esses backbones de decoders causais em encoders bidirecionais especializados.

A mudança técnica envolveu a implementação de máscara de atenção bidirecional, convoluções curtas não-causais e um treinamento com objetivo de modelagem de linguagem mascarada, diferente do propósito original de geração. Essa adaptação permite que os modelos, antes focados em geração ou tarefas causais, atuem como encoders de uso geral, ideais para tarefas de compreensão em larga escala e que precisam rodar constantemente em CPUs, aproveitando o design eficiente dos LFM2.5 originais.

Esta inovação da Liquid AI é um marco para a acessibilidade da IA em larga escala. Ao otimizar encoders para CPUs, a empresa permite que mais organizações e desenvolvedores implementem soluções de IA avançadas sem a necessidade de hardware especializado e caro, como GPUs de ponta. Isso democratiza o uso de modelos de contexto longo para tarefas como análise de documentos extensos, processamento de e-mails ou detecção de informações sensíveis, reduzindo drasticamente os custos operacionais.

A eficiência em CPUs também significa menor latência para muitas aplicações, tornando a IA prática para processos que exigem respostas rápidas. A capacidade de rodar modelos competitivos em hardware existente acelera a adoção de soluções de IA em diversos setores, desde a governança corporativa até o atendimento ao cliente, provando que a performance de ponta não precisa estar atrelada a custos proibitivos.