A Liquid AI (abre em nova aba) foi fundada em 2023 e aposta em modelos de inteligência artificial pequenos e velozes. Nesta quinta-feira (22), anunciou o RIPL, sigla em inglês para pipeline de inferência em tempo real. A promessa cabe numa linha: respostas completas, geradas por IA, em menos de 50 milissegundos, um vigésimo de segundo, mesmo com o tráfego no pico. A tabela divulgada pela própria empresa mostra que isso acontece em um dos quatro cenários testados.
O RIPL não é um modelo novo. É o motor que põe os modelos da casa, os LFMs, para responder no instante em que um pedido chega. Segundo a Liquid, a infraestrutura dominante foi feita para outro serviço: modelos grandes e genéricos, pedidos processados em lotes e agentes que trabalham por longos períodos. Nesses usos, alguns segundos de espera são aceitáveis. Busca, recomendação de produtos, detecção de fraude e autorização de pagamento obedecem a outro relógio. Ali, ou a resposta sai em milissegundos, ou não serve.
O que dizem os números
Para medir, a Liquid usou uma única placa B200, da NVIDIA (abre em nova aba), e simulou pedidos chegando sem parar, em intervalos aleatórios, como num balcão movimentado. De um lado ficaram seus modelos no RIPL. Do outro, o Qwen3.5, da Alibaba, no vLLM (abre em nova aba), o motor usado como referência. A régua foi o p95, o tempo dentro do qual saem 95% das respostas. Ele mede os retardatários, justamente os que fazem o cliente desistir. O tamanho dos pedidos é contado em tokens, os pedacinhos de texto que o modelo lê e escreve.
| Cenário | Liquid no RIPL | Qwen3.5 no vLLM | Vantagem |
|---|---|---|---|
| Classe de 1 bilhão de parâmetros, pedido curto (32 tokens entram, 32 saem), 1.000 pedidos/s | 34,6 ms | 498 ms | 14,4 vezes |
| Classe de 1 bilhão, pedido longo (256 entram, 128 saem), 400 pedidos/s | 155,8 ms | 4.431 ms | 28,4 vezes |
| Classe de 2 bilhões, pedido curto, 1.000 pedidos/s | 76,4 ms | 586,8 ms | 7,7 vezes |
| Classe de 2 bilhões, pedido longo, 300 pedidos/s | 449,1 ms | 2.499 ms | 5,6 vezes |
A vantagem é grande em todas as linhas. O teto de 50 milissegundos, porém, só é respeitado na primeira, com o modelo de 1,2 bilhão de parâmetros e pedidos curtos. Com pedidos longos, o mesmo modelo leva 155,8 milissegundos, o triplo do prometido, enquanto o rival demora 4,4 segundos. O MarkTechPost (abre em nova aba), que reproduziu a tabela, fez a mesma conta: a marca de 50 ms não se sustenta nos pedidos mais longos.
Há duas ressalvas. A primeira: todos os números foram produzidos e divulgados pela Liquid, sem teste independente. A segunda: a comparação troca duas peças ao mesmo tempo. Os LFMs rodaram no RIPL. Os rivais, incluindo MiniCPM5 e Granite 4.2, rodaram no vLLM. Assim, não dá para saber quanto do ganho vem do motor e quanto vem do modelo. Há um ponto a favor da Liquid: na classe menor, seu modelo de 1,2 bilhão de parâmetros é maior que o Qwen de 0,8 bilhão e, mesmo assim, respondeu mais rápido.
O cliente que é sócio
A prova de uso real vem da Shopify (abre em nova aba). Segundo a Liquid, a plataforma de comércio já usa LFMs em produção para melhorar a busca, com respostas abaixo de 20 milissegundos. As duas empresas assinaram em novembro de 2025 um acordo plurianual multimilionário, de termos não divulgados. O acordo inclui um sistema de recomendação desenvolvido em conjunto que, em testes controlados, aumentou a conversão das recomendações, ainda segundo a Liquid. Mikhail Parakhin, diretor de tecnologia da Shopify, disse na ocasião: "Já vi muitos modelos. Ninguém mais está entregando inferência abaixo de 20 ms em cargas de trabalho reais como esta." O elogio vale o que vale. A Shopify participou da rodada de US$ 250 milhões levantada pela Liquid em dezembro de 2024. Quem aplaude é cliente e acionista.
Na conta oficial da empresa no X, o anúncio trouxe dois acréscimos que não aparecem nas tabelas: o suporte a modelos multimodais e aos d1, os modelos de decisão da casa. Trouxe também um terceiro número, "até 20 vezes", sem dizer em comparação com quê.
Hoje anunciamos o Liquid RIPL (pipeline de inferência em tempo real), nosso mecanismo de inferência de latência ultrabaixa, criado para colocar os LFMs diretamente no caminho das requisições de cargas de trabalho em tempo real, como busca, anúncios, fraude, recomendações e pagamentos. Respostas geradas completas, de ponta a ponta, em menos de 50 ms; mantém a baixa latência sob pico de carga contínuo; os LFMs ficam até 20 vezes mais rápidos no RIPL; o RIPL suporta LFMs multimodais; o RIPL também suporta o d1, nossos modelos de decisão! O RIPL otimiza todo o caminho, da chegada da requisição até uma resposta gerada completa. À medida que o tráfego aumenta, sua vantagem de desempenho é maior nas requisições mais lentas. Vejamos alguns casos de uso em produção.
Quem pode usar
O RIPL já está disponível, mas só para implantações corporativas de LFMs em placas da NVIDIA como H100, H200, B200 e RTX PRO 6000. É um produto fechado. Não há preço público nem informação sobre oferta no Brasil ou suporte ao português. A empresa oferece uma calculadora (abre em nova aba) que estima o tempo de resposta a partir de suas medições e pede ao interessado que descreva sua carga de trabalho e quanto tempo pode esperar. Para quem não é grande empresa, é notícia para acompanhar, não para comprar.
Boa parte da indústria mede a inteligência artificial pelo tamanho. A Liquid prefere o cronômetro, e a aposta faz sentido onde cada milissegundo vira venda perdida ou fraude aprovada. Os números são bons, mas são dela. Até que alguém de fora repita o teste, os 50 milissegundos continuam sendo uma promessa com asterisco, válida apenas para pedidos curtos.