MacPaw, la desarrolladora ucraniana detrás de CleanMyMac y Setapp, ha cerrado un acuerdo con Liquid AI para ofrecer inferencia local a los desarrolladores que publican en su tienda. Liquid AI construirá un sistema llamado Elix más un sistema de memoria local, según TechCrunch.
Setapp supera los 150.000 usuarios de pago.
Puntos clave
- Liquid AI desarrollará para MacPaw un sistema de inferencia en dispositivo llamado Elix y un sistema de memoria local que corre en la máquina del usuario.
- Setapp, la tienda de aplicaciones por suscripción de MacPaw, tiene más de 150.000 suscriptores de pago.
- La tienda prepara planes basados en créditos para las aplicaciones que consuman IA.
- MacPaw dará a los desarrolladores acceso tanto a inferencia local como a modelos en la nube de proveedores como Google, en lo que describen como "una solución integral para desarrolladores".
- Ramin Hasani, cofundador de Liquid AI: "seleccionamos una arquitectura diferente y adaptada al hardware para tener la versión más eficiente de inteligencia".
Por qué esto es más que un acuerdo de dos empresas medianas
Setapp funciona como Netflix para software de Mac: pagas una cuota y usas 250 aplicaciones. El problema que tiene ahora es el mismo que tiene cualquier plataforma de suscripción plana cuando llega la IA: el coste marginal deja de ser cero.
Una aplicación tradicional te cuesta ancho de banda y poco más. Una aplicación que llama a un modelo cada vez que el usuario pulsa un botón te cuesta dinero real por uso. La suscripción plana revienta.
Hay dos salidas. Una es cobrar por créditos, que es lo que Setapp prepara. La otra es que el cómputo lo ponga el usuario, que es lo que resuelve Elix. Si el modelo corre en el Mac de quien lo usa, el coste marginal vuelve a ser cero y la suscripción plana sigue funcionando.
Que MacPaw haga las dos cosas a la vez indica que ha entendido el problema mejor que la mayoría.
Liquid AI y su apuesta arquitectónica
Liquid AI viene del MIT y no construye transformers estándar. Su tesis es que hay arquitecturas más eficientes cuando el objetivo es correr en un portátil y no en un centro de datos, y por eso hablan de arquitectura "adaptada al hardware".
Hace unos días publicamos su lanzamiento de LFM2.5-2.6B, agentes locales con 128K de contexto en menos de 2,5 GB. Elix es la aplicación comercial de esa misma línea: no un modelo suelto, sino la capa de inferencia y memoria que un desarrollador puede meter en su app sin montar infraestructura.
Hasani menciona además que construyen "una pila de personalización alrededor de modelos", de forma que con la entrada del usuario los modelos puedan usar esos datos y mejorar. Personalización local, sin que los datos salgan de la máquina.
Por qué importa
Aquí hay un patrón que se está consolidando y que conviene tener en el radar aunque no uses ni Setapp ni Liquid AI.
La IA local ha dejado de ser un experimento de aficionados. Un modelo de 2.600 millones de parámetros en 2,5 GB no compite con Opus 5, pero resuelve de sobra clasificar, extraer datos de un documento, resumir o etiquetar. Y esas tareas son la mayor parte del volumen real en una empresa.
Si tienes procesos que llaman a una API por cada registro (clasificar tickets, extraer campos de facturas, etiquetar leads), haz el cálculo: cuántas llamadas al mes, a cuánto sale, y qué pasaría si esa tarea corriera en una máquina tuya. Muchas veces el modelo pequeño local acierta lo mismo por cero euros de coste variable.
Y en el terreno del dato, la ventaja es todavía más clara. Un modelo que corre en la máquina del usuario no manda nada a ningún proveedor. Si tu asesoría legal te ha frenado un proyecto de IA por dónde acaban los datos, esta es la conversación que hay que retomar.
Relacionado
