ZETIC.ai
ZETIC.ai (Zetic Inc.) · Otro
ZETIC.ai hace que el modelo de IA corra en el hardware del propio usuario. Su SDK Melange lo compila para la NPU del móvil o de una placa edge y elige el chip más rápido en cada momento, sin conexión.
Acerca de ZETIC.ai
About
Qué es ZETIC.ai
ZETIC.ai es una empresa coreana de computación en el borde que vende una sola cosa: que un modelo ya entrenado funcione rápido en hardware que el cliente ya tiene. Su producto principal es Melange, una plataforma de IA en el dispositivo. Subes el modelo, el servicio lo cuantiza y lo compila, y el SDK descarga ese binario a la máquina del usuario.
El argumento va dirigido a equipos que nunca quisieron escribir C++, OpenCL ni shaders de Metal. El SDK expone un envoltorio sencillo y la parte difícil, que es colocar tu grafo sobre silicio de Qualcomm, MediaTek, Samsung o Apple, ocurre del lado de ZETIC. Ahí está el valor de la aceleración por NPU: puedes desplegar modelos de IA sin aprender cuatro cadenas de herramientas distintas.
Hay dos límites que conviene conocer antes de firmar. No existe un endpoint de inferencia alojado, así que el modelo viaja dentro de tu app y no detrás de una URL. Y la vía gratuita cubre Qualcomm, Google Tensor y el Neural Engine de Apple, mientras que la APU de MediaTek y el DSP de Exynos quedan detrás de un acuerdo enterprise.
Cómo empezar
- Crea una cuenta en melange.zetic.ai con Google o GitHub. No pide tarjeta y hay una clave de modelo de demostración si solo quieres probar el runtime.
- Sube el modelo entrenado en formato .pt2 o .onnx, junto con entradas de muestra guardadas como archivos NumPy .npy.
- Espera a que termine el proceso en segundo plano. Melange analiza el grafo, cuantiza los pesos y lo compila para cada familia de NPU objetivo.
- Copia la Model Key y tu Personal Key desde el panel y pega el fragmento ya preparado en un proyecto Android, iOS o Flutter.
- Ejecuta en un teléfono físico. Los emuladores y simuladores no tienen la NPU, así que la latencia que midas ahí no dice nada.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de ZETIC.ai.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Desarrolladores móviles que añaden IA a una app ya publicada
- Equipos de robótica y hardware
- Investigadores que necesitan números reales
Tareas
- Reconocimiento de imágenes dentro de la app de cámara
- Ejecutar un modelo de lenguaje sin servidor
- Comprobar si un modelo cabe en un móvil
- Comparar modelos candidatos en el mismo hardware
Casos de uso
- Apps de foto y vídeo donde subir el material del usuario a la nube es un problema de cumplimiento
- Productos con mucho volumen de inferencia y margen ajustado
- Compra de hardware
Funciones clave
Un modelo subido, un binario compilado
Melange acepta archivos PyTorch Exported Program (.pt2) y ONNX. El servicio analiza el grafo, lo cuantiza y lo compila para los aceleradores objetivo en segundo plano, y devuelve una Model Key que apunta a ese binario. Tú no compilas el kernel.
Acceso a la NPU sin tocar controladores
La abstracción de hardware cubre Qualcomm HTP y DSP, Google Tensor, el Neural Engine de Apple desde el A11, y la APU de MediaTek y el DSP de Exynos con contrato enterprise. Escribes Kotlin, Swift o Dart y la plataforma se ocupa de la fontanería de cada fabricante, esa que suele comerse un trimestre del proyecto.
Elección de backend en ejecución
Cada modelo se perfila en CPU, GPU y NPU para cada dispositivo, y el runtime manda la inferencia de IA en el móvil al backend más rápido. Eso importa donde el controlador de la NPU va por detrás: en un Galaxy A34 con chip MediaTek, las cifras de ZETIC dan 249 ms en NPU frente a 96 ms en GPU, y Melange usa la GPU.
Un mismo código para Android, iOS y Flutter
Android usa Kotlin o Java vía Maven, iOS usa Swift con Swift Package Manager y Flutter tiene su propio paquete. La API del envoltorio tiene la misma forma en los tres, así que el código de carga del modelo cambia en unas líneas y no en una reescritura.
Mediciones en teléfonos reales
ZETIC mide en una granja de más de 200 terminales físicos, no en emuladores, y así aparecen la fragmentación de controladores, el throttling térmico y los límites de memoria. Las cifras publicadas incluyen 3,72 ms en la NPU de un Galaxy S25 y 2,05 ms en la de un iPhone 15 Pro Max con YOLOv11.
Entrega para stacks de robótica
Para trabajo de IA física, ZETIC empaqueta el mismo trabajo de ejecución como librería C/C++ o paquete ROS 2 y da soporte a Jetson Thor, Orin y Nano, además de las placas QCS e iQ de Qualcomm. En su demo de π0.5 sobre Jetson AGX Thor, la inferencia de política bajó de 253,7 ms a 31,5 ms, unas 8,1 veces, contra una base PyTorch eager.
Ventajas y desventajas
Ventajas
- Cero trabajo de shaders, kernels o controladores por tu parte, que es la razón habitual por la que un proyecto de IA en el dispositivo se atasca.
- Cuenta gratuita sin tarjeta y una clave de modelo de demostración para la primera prueba.
- Una clave de modelo sirve para una lista amplia de dispositivos, con el runtime escogiendo CPU, GPU o NPU en cada terminal.
- Las mediciones salen de hardware real, así que las estimaciones de latencia aguantan el choque con producción.
- La entrega para robots y placas edge se cotiza en dos días para modelos soportados, con librería C/C++ o paquete ROS 2.
Desventajas
- La APU de MediaTek y el DSP de Exynos exigen contrato enterprise, así que los equipos de apps de consumo en esos chips solo tienen la vía GPU.
- No hay API alojada. Si buscabas un endpoint REST en lugar de un SDK, este producto no encaja.
- Los mínimos son Android 7.0 e iOS 16.6, y el hardware físico es obligatorio para medir de verdad.
- El precio no se publica, y las arquitecturas o placas nuevas tardan alrededor de una semana en entregarse.
Preguntas frecuentes
Sirve para mover la inferencia de IA al dispositivo. Tú aportas un modelo entrenado y un teléfono o placa objetivo, y ZETIC compila ese modelo para que corra en la NPU, la GPU o la CPU local.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con ZETIC.ai.
Alternativas a ZETIC.ai
Odyssey 3
Odyssey · OtroOdyssey-3 es el modelo del mundo fundacional de Odyssey. Simula física en tiempo real, convierte una descripción en un entorno interactivo y se adapta a robots, coches y videojuegos.
JarvisCore
Prescott Data · Programación · Productividad · OtroJarvisCore es un runtime de código abierto en Python donde los agentes de IA actúan como pares en una malla, reclaman tareas de un libro mayor compartido y llegan a servicios externos por un bróker sin confianza.
Clef
Cloudflare · Negocios · OtroClef es el modelo de decisión de código abierto de Cloudflare para Workers AI. Devuelve probabilidades calibradas para preguntas tipadas en lugar de texto, así que un agente clasifica, enruta y actúa rápido.