Liquid AI
Liquid AI · 코딩 · 기타
Liquid AI는 Liquid Foundation Models를 개발한다. 스마트폰, 노트북, 엣지 하드웨어에서 클라우드 연결 없이 도는 소형 오픈웨이트 AI 모델군이다.

Liquid AI 소개
What Is Liquid AI
Liquid AI는 멀리 있는 데이터센터가 아니라 눈앞의 기기에서 돌도록 기반 모델을 설계하는 회사다. 핵심은 Liquid Foundation Models(LFM) 계열로, 스마트폰, 노트북, 웨어러블, 임베디드 칩에 들어갈 만큼 작은 오픈웨이트 모델 묶음이다. 2023년 MIT CSAIL 연구실에서 분사해 설립됐고, 이후 여러 세대의 모델을 내놨다. 현재 주력은 LFM2와 LFM2.5다.
취지는 단순하다. 대형 클라우드 모델은 토큰 단위로 과금하고 요청마다 서버로 보낸다. LFM은 대신 로컬에서 돌기 때문에 지연이 밀리초 수준에 머물고, 오프라인에서도 작업이 이어지며, 민감한 데이터가 기기를 떠나지 않는다. 파라미터는 3억 5천만 개에서 83억 개까지 걸쳐 있어, 저가 스마트폰의 텍스트 비서부터 노트북의 추론 에이전트까지 아우른다.
어디까지 쓸 수 있는지는 두 가지가 정한다. 라이선스는 회사 연매출이 1000만 달러를 넘기 전까지만 무료이고, 넘기면 유료 상업 라이선스가 필요하다. 또 가장 작은 모델은 사실 기억을 속도와 크기로 바꾼 대가로, 350M 모델은 자유 형식 지식 질문에서 대형 클라우드 모델을 따라가지 못한다.
Getting Started
- Liquid AI 사이트나 Hugging Face 라이브러리에서 모델을 고르고, 목표 하드웨어에 맞춰 크기를 확인한다. 가장 작은 구성은 1GB 아래에서 돈다.
- 오픈웨이트를 내려받거나 llama.cpp, MLX, ONNX, vLLM, SGLang 같은 선호 실행 환경으로 가져온다.
- 기기에서 모델을 돌려 동작을 본다. 프롬프트만 확인하려면 브라우저 playground를 연다.
- 범용 모델로 정확도가 부족하면 내 데이터로 파인튜닝한다. LEAP 플랫폼이나 Unsloth, TRL 같은 오픈 도구를 쓴다.
- 사용자가 있는 위치에 따라 앱에 넣거나 클라우드에 올린다.
제품 정보
Liquid AI의 요금, 지원 플랫폼, 성능을 한눈에 확인해 보세요.
추천 대상
이 도구가 가장 잘 맞는 사용자, 작업, 상황입니다.
사용자
- 앱·모바일 개발자
- 프라이버시를 중시하는 팀
- 연구자와 학생
- 하드웨어 제조사
작업
- 오프라인 채팅 비서 만들기
- 이미지 이해 추가
- 음성 상호작용
- 라우팅과 분류
- 맞춤 파인튜닝
활용 상황
- 신호가 끊겨도 계속 동작하며 밀리초로 응답하는 차량 비서.
- 클라우드를 거치지 않고 문서를 요약하고 텍스트를 번역하는 스마트폰 현장 앱.
- 원본 데이터가 기기에 남아 건물 밖으로 나가지 않는 규제된 워크플로.
- 클라우드 추론에 돈을 쓰기 전에 첫날부터 도는 모델이 필요한 시제품.
주요 기능
오픈웨이트 모델군
Liquid AI는 모델을 오픈웨이트로 공개한다. 규모는 수억에서 수십억 파라미터다. 상업적 활용까지 포함해, 회사 연매출이 1000만 달러를 넘기 전까지 어떤 모델이든 내려받고 돌리고 파인튜닝할 수 있다. 가장 작은 구성은 1GB 아래에서 돌아 현대 스마트폰에 들어간다.
LFM2와 LFM2.5 세대
LFM2는 350M, 700M, 1.2B, 2.6B의 덴스 모델과 전문가 혼합 변형을 아우르며 모두 32K 컨텍스트를 가진다. LFM2.5는 Base, Instruct, 일본어, 비전 언어, 오디오 언어 모델을 더했고, 지시 따르기를 기기 내 에이전트에 맞춰 조정했다. 새 텍스트 모델은 어휘를 두 배로 늘리고 컨텍스트는 128K에 이른다.
멀티모달 지원
비전 모델은 가벼운 텍스트 백본에 SigLIP2 이미지 인코더를 붙여 기기에서 이미지를 이해한다. 오디오 모델은 음성 인식기와 언어 모델을 따로 짝지어 놓는 대신 입력과 출력 음성을 한 모델에서 처리한다. 그래서 스마트폰이 데이터를 밖으로 보내지 않고 사진을 읽거나 말로 대화를 주고받을 수 있다.
LEAP 플랫폼
LEAP는 LEAP SDK라고도 불리며, 모바일과 임베디드 기기에서 모델을 구축하고 배포하는 Liquid의 크로스 플랫폼 툴킷이다. iOS와 Android에 하나의 흐름을 주고, Liquid 자사 모델과 다른 소형 오픈 모델을 지원한다. 스마트폰 메모리에 들어가는 구성을 포함한 라이브러리도 갖췄다. LEAP Finetune은 데이터 준비와 모델 학습, 내보내기를 한곳에서 처리한다.
일상 하드웨어에서 실행
LFM은 CPU, GPU, NPU에서 돌며 스마트폰과 노트북부터 차량과 임베디드 기기까지 지원한다. 밀리초 지연과 프라이빗 추론을 목표로 삼아, 네트워크가 느리거나 끊겨도 모델은 응답을 이어간다. 가진 칩에 맞는 크기를 고르면 된다.
무료 파인튜닝
AI 모델 파인튜닝은 유료 플랜 뒤에 숨어 있지 않다. 라이선스는 내 데이터로 모델을 학습하고 결과를 비공개로 두는 것을 허용한다. 카피레프트 조항은 없다. Liquid 자체 도구는 Unsloth, TRL, Transformers 라이브러리 같은 오픈 옵션과 나란히 선다.
Model Playground와 Liquid Apollo
Model Playground에서는 내려받기 전에 브라우저에서 모델을 시험한다. Liquid Apollo는 로컬 모델을 주머니에 넣는 모바일 앱이다. 설정 없이 저지연, 클라우드 없는 방식으로 기기 내 AI를 써보는 수단이다.
장단점
장점
- 토큰 청구 없음: 로컬 실행은 반복되는 API 비용을 없앤다. 꾸준하거나 대량인 작업에서 특히 크다.
- 기본이 프라이버시: 민감한 텍스트와 이미지가 서버가 아니라 기기에 남는다.
- 출시할 만큼 작음: 1GB 아래 구성은 스마트폰, 웨어러블, 임베디드 칩에 들어간다.
- 무료로 시작: 각 모델은 1000만 달러 기준선 전까지 무료로 내려받고 조정한다.
- 진짜 멀티모달 범위: 텍스트, 비전, 오디오 모델이 하나의 계열과 하나의 라이선스에서 나온다.
단점
- 매출 기준선: 회사 연매출이 1000만 달러를 넘으면 무료 상업 라이선스가 끝나고 유료 계약이 필요하다.
- 소형 모델의 한계: 350M 모델은 자유 형식 지식이나 긴 추론 사슬에서 대형 클라우드 모델에 못 미친다.
- 하드웨어가 여전히 중요: 빠르고 큰 모델일수록 성능 좋은 CPU, GPU, NPU를 요구해, 오래된 기기에서는 얻는 게 줄어든다.
- 설정은 개발 작업: 모델을 앱에 넣으려면 실행 환경과 패키징을 다뤄야 한다. 계정 하나 만드는 일로 끝나지 않는다.
자주 묻는 질문
Liquid AI는 MIT CSAIL 연구실에서 분사한 회사로, Liquid Foundation Models를 개발한다. 데이터센터가 아니라 스마트폰, 노트북, 엣지 기기에서 돌도록 설계한 소형 오픈웨이트 AI 모델이며, 추론이 빠르고 프라이빗하게 유지된다.
관련 콘텐츠
Liquid AI와 관련된 도구, 스킬, 아티클을 살펴보세요.
Liquid AI 대안
Forefront
Forefront · 코딩Forefront는 오픈소스 AI로 무언가를 만드는 웹 플랫폼이다. 대표적인 오픈소스 언어 모델을 자신의 데이터로 미세 조정하고, 성능을 평가하고, API로 실행하거나 내보내 직접 호스팅할 수 있다. 폐쇄형 플랫폼의 편의를 원하면서도 모델과 데이터의 소유권은 놓지 않으려는 개발자가 대상이다.
Startkit
StartKit.AI · 코딩Startkit은 AI SaaS와 AI 래퍼 제품을 만들기 위한 보일러플레이트다. 지루한 부분을 미리 연결해 둔 AI 스타트업 보일러플레이트라고 생각하면 된다. 인증, Stripe와 Lemon Squeezy 결제, 사용량 제한, 트랜잭션 이메일, 그리고 OpenAI, Anthropic, Groq, Llama와 통신하는 AI API 스타터 키트가 포함된다. 저장소를 복제하고 가격을 정한 뒤 사용자가 실제로 돈을 내는 부분에 착수하면 된다. React와 Tailwind 위의 Next.js로 만들어졌기 때문에 보일러플레이트 코드의 상당 부분이 이미 익숙하게 느껴진다.
Testim
Tricentis · 코딩Testim은 웹, 모바일, Salesforce 애플리케이션 전반에 걸쳐 엔드투엔드 테스트를 만들고 실행하는 AI 기반 테스트 자동화 플랫폼이다. 머신러닝에 기대어 인터페이스가 바뀌어도 테스트를 안정적으로 유지하므로, 팀은 깨진 셀렉터를 고치는 데 쓰는 시간을 줄인다. 오늘부터 쓸 수 있는 자동화 테스트 도구치고 나쁘지 않다. 브라우저에서 동작을 녹화해 테스트를 만들고, 더 세밀한 제어가 필요하면 JavaScript를 더한다. 바쁜 QA 팀에게 탄탄한 선택이다.
