Compania fondată de cercetători de la MIT CSAIL nu este la prima ispravă de acest gen. Liquid AI și-a construit reputația pe așa-numitele rețele neuronale lichide (Liquid Neural Networks), o arhitectură inspirată din modul în care funcționează creierul unor organisme simple, capabile să se adapteze în timp real la schimbări. Au venit apoi cu LFM-urile (Liquid Foundation Models), iar acum fac un salt lateral care merită analizat cu atenție: modele care nu produc tokeni de ieșire, ci acțiuni, clasificări, decizii binare sau selecții dintr-un set predefinit de opțiuni.
Să ne oprim puțin asupra numelui. „Zero output tokens” nu este un slogan de marketing. Este o schimbare fundamentală de paradigmă. Când vorbești cu un LLM clasic, fiecare răspuns este o secvență de tokeni — bucăți de cuvinte — generate unul câte unul, cu costuri de calcul proporționale cu lungimea răspunsului. La un model de decizie, ieșirea este, de regulă, un singur vector, o etichetă, o probabilitate sau o acțiune. Nu există „text de ieșire”. Nu există latență de generare. Nu există halucinații lingvistice pentru că nu există limbaj de ieșire.
De ce contează asta? Pentru că o bună parte din aplicațiile reale ale AI-ului nu au nevoie de text. Au nevoie de decizii. Un robot care trebuie să apuce un obiect nu are nevoie să scrie un eseu despre obiect. Un sistem de trading nu are nevoie să compună o analiză literară a pieței. Un agent care navighează un site nu are nevoie să descrie frumusețea butoanelor. Are nevoie să decidă: click aici, nu acolo; mergi înainte, nu înapoi; acceptă, respinge, amână.
Aici intervine și partea multimodală. d1-omni-600M, după cum sugerează numele, este un model „omni” — capabil să proceseze mai multe tipuri de input: text, imagini, audio, poate chiar semnale de senzori. Cu doar 600 de milioane de parametri, este minuscul în comparație cu monștrii de sute de miliarde de parametri care domină știrile. Dar tocmai aici este frumusețea: pentru sarcini de decizie, nu ai nevoie de un creier gigantic. Ai nevoie de un creier eficient, rapid, care rulează local, pe un telefon, pe un robot ieftin, pe un dispozitiv embedded.
Iar d1-3B, cu cei 3 miliarde de parametri ai săi, este fratele mai mare, mai capabil, dar tot suficient de mic pentru a fi implementat pe hardware modest. Ambele sunt open-weight, ceea ce înseamnă că oricine le poate descărca, studia, modifica și rula. Nu este open-source în sensul strict al licenței, dar este suficient de deschis încât să schimbe ecuația pentru startup-uri, cercetători și pasionați.
Este greu să nu observi contrastul cu direcția în care merge restul industriei. OpenAI, Anthropic, Google — toți se întrec în a produce modele care vorbesc mai frumos, scriu mai convingător, rezolvă probleme din ce în ce mai complexe prin text. Liquid AI pare să spună: „Bine, dar poate că nu toată lumea are nevoie de un poet. Unii au nevoie de un pilot.”
Și nu este o poziție naivă. Este o poziție strategică. Pentru că, în timp ce toată lumea se uită la benchmark-uri de conversație, piața reală a AI-ului — roboți, drone, mașini autonome, sisteme industriale, agenți software — are nevoie de modele care să ia decizii rapide, fiabile, ieftine. Aici, un model de 600 de milioane de parametri care rulează în 10 milisecunde bate orice GPT de ultimă generație care are nevoie de secunde și de un data center întreg.
Desigur, rămân întrebări. Cât de bine generalizează aceste modele? Cât de ușor este să le antrenezi pentru domenii noi? Ce se întâmplă când decizia greșită nu este doar o propoziție ciudată, ci un robot care scapă un obiect sau un sistem care blochează un cont? Liquid AI nu a oferit încă toate răspunsurile, iar comunitatea va avea nevoie de timp să testeze, să compare, să critice.
Dar direcția este clară. AI-ul nu mai este doar despre a vorbi. Este despre a face. Iar Liquid AI tocmai a pus pe masă două unelte mici, deschise, care ar putea schimba modul în care gândim despre inteligența artificială în contexte practice. Nu prin cuvinte, ci prin decizii.
De ce este important:
Lansarea modelelor d1-3B și d1-omni-600M de către Liquid AI marchează o schimbare de paradigmă care ar putea trece neobservată în vacarmul general al cursei pentru modele generative tot mai mari. În timp ce industria se concentrează pe a produce text din ce în ce mai convingător, Liquid AI atacă o nișă fundamentală: AI-ul care nu are nevoie să vorbească pentru a fi util. Această abordare are implicații uriașe pentru robotică, sisteme autonome, agenți software și aplicații embedded, unde eficiența, latența scăzută și costul redus contează mai mult decât fluența lingvistică. Faptul că modelele sunt open-weight și suficient de mici pentru a rula local deschide ușa inovației pentru startup-uri și cercetători care nu își permit infrastructura marilor jucători. În plus, conceptul de „zero output tokens” elimină o serie întreagă de probleme asociate cu modelele generative — halucinațiile lingvistice, costurile de inferență, latența — și propune o alternativă pragmatică: AI-ul ca unealtă de decizie, nu ca partener de conversație. Dacă această direcție prinde, s-ar putea să asistăm la o bifurcare a pieței AI-ului: pe de o parte, modele mari, scumpe, care vorbesc; pe de altă parte, modele mici, ieftine, care acționează. Iar Liquid AI tocmai a ocupat o poziție interesantă în această a doua tabără.
