Nexa
Nexa AI (acquired by Qualcomm) · Programação · Marketing
Nexa é um SDK de IA no dispositivo, de código aberto, que roda LLM, VLM e modelos de voz na NPU, na GPU ou na CPU de um aparelho Qualcomm, sem nuvem e sem custo por token.
Sobre Nexa
What Is Nexa
Nexa é a linha de software de IA local da Nexa AI, uma startup fundada por dois ex-alunos de Stanford. A equipe criou primeiro a família de modelos pequenos Octopus e depois transformou todo aquele trabalho de implantação no Nexa SDK, um kit para levar modelos abertos a celulares, notebooks e placas de borda sem alugar GPU na nuvem.
A proposta é um kit de IA para edge com uma regra bem definida: usar a NPU primeiro, a GPU depois e a CPU por último. Essa ordem faz diferença no hardware real. Nos testes que a Qualcomm publicou em um Galaxy S25 Ultra, um modelo pequeno da linha Granite chegou a 92 tokens por segundo na NPU Hexagon contra 40 na CPU, com eficiência energética até 9 vezes melhor.
A Qualcomm comprou a Nexa AI em 2026. O antigo domínio nexa.ai agora redireciona para o Qualcomm AI Hub, e o repositório NexaAI/nexa-sdk redireciona para qualcomm/GenieX. Os projetos feitos com o Nexa SDK seguem no GenieX, a edição comunitária do Qualcomm GENIE, distribuída sob licença BSD-3-Clause e disponível como prévia para desenvolvedores desde julho de 2026.
O limite está no hardware. O GenieX roda apenas em silício Snapdragon, ou seja, notebooks Windows on ARM, celulares Android com Snapdragon e placas Linux ARM64. Um notebook Intel, um Mac ou um iPhone não conseguem executá-lo.
Como começar
- Instale a CLI no Windows ARM64 pela página de releases do GitHub, ou rode o script de instalação de uma linha no Linux ARM64.
- Baixe um modelo: um GGUF do Hugging Face, do ModelScope ou do Docker Hub, ou um pacote pré-compilado do Qualcomm AI Hub.
- Abra um chat com geniex infer e o nome do modelo, ou execute geniex serve para publicar um endpoint compatível com OpenAI na porta 18181.
- No Android, adicione com.qualcomm.qti:geniex-android ao seu build do Gradle e use o app de exemplo em qualcomm/ai-hub-apps como ponto de partida.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Nexa.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Desenvolvedores Android
- Donos de notebook Windows on ARM
- Engenheiros de edge e IoT
Tarefas
- Colocar um assistente de chat offline no ar
- Rodar modelos de visão no celular
- Trocar uma chamada de API na nuvem por um endpoint local
Cenários
- Trabalho de campo sem rede confiável
- Dados que não podem sair do aparelho
- Testar em hardware Qualcomm antes de fabricar o produto
Principais recursos
Inferência local com a NPU na frente
O GenieX manda o trabalho para a NPU Hexagon quando o modelo e o chip permitem, e cai para a GPU Adreno ou para a CPU quando necessário. A diferença não é teórica: os números publicados pela Qualcomm mostram mais que o dobro de tokens por segundo na NPU em relação à CPU com um modelo pequeno, além de consumo por token bem menor. A inferência no dispositivo é o produto inteiro aqui, e quem quer rodar LLM localmente sem servidor na sala encontra essa mesma divisão.
Dois motores atrás de um comando
O SDK traz o llama.cpp para arquivos GGUF e o Qualcomm AI Engine Direct para pacotes pré-compilados por chipset. O caminho do llama.cpp divide o trabalho entre NPU, GPU e CPU, o que dá espaço para experimentar. O do AI Engine Direct é mais rápido nos chips compatíveis, mas amarra o modelo a um pacote montado para aquele silício específico.
Modelos vindos de quatro fontes
A CLI aceita Hugging Face, ModelScope, Docker Hub e Qualcomm AI Hub, o que dispensa a rodada habitual de baixar, converter e quantizar. Em arquivos GGUF, escolha a precisão Q4_0 se quiser o caminho da NPU, porque outras precisões terminam em unidades de cálculo mais lentas.
Servidor compatível com OpenAI no localhost
Um runtime de IA local é adotado mais rápido quando fala um protocolo que você já usa. O geniex serve expõe um endpoint REST em 127.0.0.1:18181 com o mesmo formato de chat completions da OpenAI, e qualquer biblioteca cliente que aceite URL base própria continua funcionando.
API de Python no molde do transformers
O pacote Python reproduz as chamadas from_pretrained e generate que quem usa Hugging Face já conhece, incluindo saída em streaming. Quem já carregou um modelo em Python produz em minutos, e o mesmo script vale em um notebook ou em uma placa de borda.
Ligações Kotlin e Java para Android
O artefato Android envolve o núcleo em C para quem desenvolve apps, e a Qualcomm publica um app de chat de exemplo com seletor de modelos para GGUF e pacotes do AI Hub. Esse exemplo cobre as partes chatas: download do modelo, armazenamento e entrada de imagem para modelos de visão.
Imagem Docker para dispositivos Linux
No Linux ARM64 o contêiner inclui a CLI e as bibliotecas do motor, então o aparelho precisa apenas do Docker para rodar modelos. É o caminho mais curto em hardware industrial, onde instalar compiladores e drivers na própria máquina é dor de cabeça.
Prós e contras
Prós
- É gratuito e de código aberto sob BSD-3-Clause, então um produto comercial pode distribuí-lo sem pagar por assento nem por token.
- Instalação e download de modelos saem em minutos, bem longe do dia inteiro caçando driver em hardware embarcado.
- O mesmo motor cobre Windows, Android e Linux, o que permite levar um único código do notebook ao celular e à placa.
- O servidor compatível com OpenAI faz o código do app continuar valendo depois da troca da URL base.
Contras
- Só Snapdragon. Nada de Apple silicon, nem Intel ou AMD x86, nem iOS, o que deixa de fora a maioria dos notebooks de consumo e todos os iPhone.
- Pacotes pré-compilados ficam presos a um chipset, então mudar de linha Snapdragon exige achar ou recompilar o modelo.
- Ainda é uma prévia para desenvolvedores, com interfaces e empacotamento que podem mudar entre versões.
- A documentação se apoia em exemplos de CLI e Python, então quem usa Android ou Docker tem mais lacunas para preencher sozinho.
Perguntas frequentes
O Nexa serve para rodar modelos de IA direto no aparelho em vez da nuvem. Ele é usado em assistentes de chat offline, leitura de imagens no próprio dispositivo, transcrição de voz e qualquer recurso em que enviar dados a um servidor seja lento, caro ou simplesmente proibido.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a Nexa.
Alternativas a Nexa
Forefront
Forefront · ProgramaçãoO Forefront é uma plataforma web para construir com IA de código aberto. Você ajusta os principais modelos de linguagem de código aberto com seus próprios dados, avalia o desempenho deles e os roda por uma API ou os exporta para hospedar por conta própria. Desenvolvedores que querem a conveniência de uma plataforma fechada, mas fazem questão de ser donos dos modelos e dos dados, são o público-alvo aqui.
Startkit
StartKit.AI · ProgramaçãoStartkit é um boilerplate para criar produtos de SaaS com IA e wrappers de IA. Pense nele como um boilerplate para startups de IA com as partes chatas já conectadas: autenticação, pagamentos com Stripe e Lemon Squeezy, limites de uso, e-mail transacional e um kit inicial de API de IA que conversa com OpenAI, Anthropic, Groq ou Llama. Você clona o repositório, define seu preço e começa pela parte do produto que as pessoas realmente pagam. Ele é feito em Next.js sobre React e Tailwind, então boa parte do código boilerplate já parece familiar.
Testim
Tricentis · ProgramaçãoO Testim é uma plataforma de automação de testes com IA para criar e executar testes de ponta a ponta em aplicações web, mobile e Salesforce. Ele se apoia no aprendizado de máquina para manter os testes estáveis quando uma interface muda, então as equipes gastam menos tempo consertando seletores quebrados. Nada mal para uma ferramenta de testes automatizados que você pode começar a usar hoje. Você cria testes gravando ações no navegador e depois adiciona JavaScript quando precisa de mais controle. É uma escolha sólida para equipes de QA ocupadas.