Ukraiński deweloper MacPaw ogłosił w 2025 roku partnerstwo z Liquid AI — firmą założoną przez badaczy z MIT — w celu zbudowania systemu wnioskowania AI działającego bezpośrednio na urządzeniu użytkownika, bez konieczności łączenia się z chmurą. To zaskakujący ruch: o ile Apple od lat promuje lokalne modele jako wyróżnik ekosystemu, MacPaw zdecydował się sięgnąć po zewnętrzną architekturę, która — według jej twórców — jest dostosowywana do konkretnego sprzętu jeszcze przed etapem trenowania. Pytanie, które natychmiast się nasuwa, brzmi: czy to oznacza, że lokalna AI przestaje być domeną wielkich platform i staje się infrastrukturą dostępną dla niezależnych deweloperów?
Co to jest system Elix i jak wpisuje się w wizję MacPaw?
MacPaw, znany przede wszystkim z narzędzia CleanMyMac, buduje asystenta AI o nazwie Eney, zaprezentowanego publicznie w 2024 roku. Nowym elementem tej układanki jest Elix — system wnioskowania lokalnego (ang. on-device inference), tworzony wspólnie z Liquid AI, uzupełniony o lokalny moduł pamięci.
Elix ma pozwolić Eney działać w trybie offline, co oznacza, że dane użytkownika nigdy nie opuszczają urządzenia. MacPaw planuje z czasem udostępnić tę infrastrukturę zewnętrznym deweloperom tworzącym aplikacje na platformę SetApp — subskrypcyjny sklep z aplikacjami dla systemu macOS, który w 2025 roku przekroczył próg 150 000 płacących użytkowników.
Jak działa architektura Liquid AI i czym różni się od rozwiązań Apple?
Liquid AI stosuje podejście, które odróżnia ją od większości dostawców modeli językowych: architektura sieci neuronowej jest dobierana przed rozpoczęciem treningu, z uwzględnieniem parametrów sprzętowych docelowego urządzenia. Ramin Hasani, współzałożyciel i dyrektor generalny Liquid AI, stwierdził w 2025 roku: „Przed trenowaniem modeli dobieramy architekturę inną niż standardowa, dostosowaną do sprzętu. Dzięki temu uzyskujemy najbardziej efektywną wersję inteligencji działającą bezpośrednio na urządzeniu, z korzyściami takimi jak prywatność i bezpieczeństwo”.
Apple dostarcza własne lokalne modele deweloperom w ramach Apple Intelligence — rozwiązania wprowadzonego z iOS 18 i macOS Sequoia w 2024 roku. Hasani jednak zaznacza, że Liquid AI koncentruje się na wydajności dla różnych, zróżnicowanych możliwości, a nie na jednorodnym modelu ogólnego zastosowania. Kluczową różnicą jest też stos personalizacji: modele Liquid AI mają uczyć się na podstawie danych generowanych przez konkretnego użytkownika i stawać się coraz bardziej inteligentne z czasem, bez wysyłania tych danych na zewnętrzne serwery.
Hasani dodał w 2025 roku: „Budujemy stos personalizacji wokół modeli. Oznacza to, że modele mogą korzystać z danych użytkownika i doskonalić się. Chcemy, żeby nasze modele były adaptowalne i stawały się coraz inteligentniejsze”.
Redakcja IWD Partner: Logika Liquid AI przypomina coś, co w świecie procesorów znamy od dekad — projektowanie układu pod konkretne zastosowanie zamiast skalowania architektury ogólnej. Przenosząc tę filozofię na modele językowe, MacPaw i Liquid AI zakładają się o to, że wydajność lokalna może być ważniejsza niż branding platformy. Jeśli ta strategia się sprawdzi, nie wykluczone, że za kilka lat to deweloperzy — a nie wielkie systemy operacyjne — będą decydować, który silnik AI trafia na urządzenia użytkowników końcowych.
Co SetApp zyskuje dzięki integracji z lokalną AI?
SetApp to subskrypcyjny sklep z aplikacjami na macOS i iOS, działający od 2017 roku, który wyróżnia się modelem flat-fee: użytkownik płaci stałą miesięczną kwotę i uzyskuje dostęp do katalogu aplikacji. MacPaw planuje teraz rozszerzyć tę formułę o system kredytowy dla operacji AI.
Model kredytowy ma działać następująco: użytkownik dysponuje pulą punktów, a każda operacja AI — im bardziej złożona, tym droższa — pochłania określoną liczbę kredytów. MacPaw testuje już tę logikę rozliczeń na platformie. Takie podejście pozwala uniknąć sytuacji, w której intensywni użytkownicy generatywnej AI subsydiują koszty przez wszystkich subskrybentów równo.
Oleksandr Kosovan, dyrektor generalny MacPaw, podkreśla, że lokalne modele umożliwią uruchamianie asystentów i agenycznych przepływów pracy (ang. agentic workflows) w trybie offline. To istotne dla użytkowników, którzy pracują w środowiskach z ograniczonym dostępem do internetu lub po prostu nie chcą przesyłać wrażliwych dokumentów do chmury.
SetApp jako hub AI dla deweloperów
MacPaw nie zamierza ograniczać platformy wyłącznie do infrastruktury Liquid AI. Kosovan zapowiedział, że SetApp ma stać się punktem dostępu do wielu modeli chmurowych — w tym dostarczanych przez Google — tworząc rodzaj agregatu AI dla twórców aplikacji. Deweloper budujący aplikację na SetApp będzie mógł wybrać: lokalne wnioskowanie przez Elix, model chmurowy Googlea lub inny zewnętrzny dostawca, wszystko przez jedną warstwę integracji.
Dlaczego lokalna AI bez połączenia z chmurą ma znaczenie?
Dynamika rynku modeli AI przez ostatnie trzy lata była zdominowana przez API chmurowe: OpenAI, Anthropic, Google DeepMind i Mistral AI dostarczają inteligencję przez serwery, pobierając opłaty za każdy token. Taki model generuje stałe koszty zmienne dla deweloperów i zmusza użytkowników do akceptowania polityk prywatności obcych serwerów.
Lokalne wnioskowanie radykalnie zmienia tę równanie. Według danych rynkowych przytaczanych przez Liquid AI w 2025 roku, modele działające na urządzeniu eliminują opóźnienia związane z transferem danych do chmury i mogą działać nawet przy prędkości połączenia internetowego zero megabitów na sekundę. Dla aplikacji wymagających szybkiej odpowiedzi — edytorów kodu, narzędzi do analizy dokumentów czy asystentów głosowych — to różnica odczuwalna przez użytkownika końcowego.
Prywatność to drugi filar argumentacji. Rosnące regulacje w Unii Europejskiej — w tym AI Act, który wchodzi w życie etapami od 2024 do 2026 roku — nakładają na dostawców AI obowiązki informacyjne i ograniczenia dotyczące przetwarzania danych osobowych. Model działający wyłącznie lokalnie z definicji jest mniej narażony na część tych wymogów, co może być przewagą konkurencyjną dla MacPaw na rynku europejskim.
Dlaczego partnerstwo MacPaw z Liquid AI ma znaczenie?
MacPaw to firma z Kijowa, która pomimo trwającego od 2022 roku konfliktu zbrojnego rozwinęła globalny produkt z ponad 150 000 płacących subskrybentów SetApp. Fakt, że ukraiński deweloper nawiązuje strategiczne partnerstwo z Liquid AI — spinoffem badań MIT nad płynnymi sieciami neuronowymi (ang. liquid neural networks) — pokazuje, że infrastruktura AI przestaje być domeną wyłącznie Doliny Krzemowej.
Liquid AI, założona w 2023 roku przez Ramina Hasaniego i Matthiasa Lechtnera, wyrosła z badań nad biologicznie inspirowanymi architekturami sieci neuronowych. Modele LFM (ang. Liquid Foundation Models) debiutowały publicznie w październiku 2024 roku i wyróżniają się niższym zapotrzebowaniem na pamięć przy zachowaniu konkurencyjnej jakości wnioskowania. To czyni je naturalnymi kandydatami do zastosowań lokalnych, gdzie zasoby RAM i mocy obliczeniowej są ograniczone.
Jeśli MacPaw skutecznie wdroży Elix i udostępni go deweloperom SetApp, powstanie pierwsza niezależna platforma dystrybucji aplikacji macOS z wbudowaną lokalną infrastrukturą AI — alternatywna wobec ekosystemu Apple Intelligence. Przy 150 000 użytkownikach to rynek wystarczająco duży, by przyciągnąć deweloperów szukających alternatywy dla App Store.
Powiązane pojęcia z AI i uczenia maszynowego
- Wnioskowanie lokalne (on-device inference) — proces uruchamiania modelu AI bezpośrednio na urządzeniu użytkownika, bez przesyłania danych do zewnętrznych serwerów.
- Płynne sieci neuronowe (liquid neural networks) — architektura inspirowana biologicznymi układami nerwowymi, opracowana na MIT, charakteryzująca się adaptacyjnymi wagami zmieniającymi się w czasie rzeczywistym.
- Ageniczny przepływ pracy (agentic workflow) — sekwencja zadań wykonywanych autonomicznie przez model AI, który planuje kolejne kroki i podejmuje decyzje bez ciągłej interwencji użytkownika.
- Stos personalizacji (customization stack) — zestaw narzędzi pozwalający modelowi AI dostosowywać swoje zachowanie na podstawie danych i preferencji konkretnego użytkownika.
- Model kredytowy AI — system rozliczeń, w którym użytkownik dysponuje pulą punktów wydawanych proporcjonalnie do złożoności wykonywanych operacji AI.
Na podstawie materiałów źródłowych.
