Jax-js roda redes neurais e simulações direto no navegador via JIT

O que é jax-js

jax-js é uma biblioteca de machine learning e compilador para a web, escrita em JavaScript puro e sem dependências externas. Ela permite executar redes neurais, algoritmos de imagem, simulações e código numérico diretamente no navegador, usando compilação JIT com kernels em WebGPU e WebAssembly.

Como funciona

Inspirada no JAX (do ecossistema Python), a biblioteca roda inteiramente no lado do cliente - Chrome, Firefox, iOS e Android. Possui API próxima à do NumPy/JAX e inclui um compilador leve que traduz operações de alto nível em kernels WebGPU e WebAssembly. A instalação é feita via npm install @jax-js/jax.

Exemplos disponíveis

A página demonstra uma série de casos de uso rodando localmente no navegador:

• LLM Chat – inferência de modelo de linguagem local (GPU e CPU)
• Whisper ASR – transcrição de áudio com OpenAI Whisper localmente
• Kyutai Pocket TTS – clonagem de voz no navegador
• Simulação de fluidos – Navier-Stokes interativo com WebGPU
• D-FINE Detection – detector de objetos ONNX local
• Treinamento de MNIST – treino de rede neural em dígitos manuscritos
• Autômatos celulares neurais, geodésicas em malhas, PCA em nuvens de pontos, entre outros

Proposta

O objetivo declarado é tornar código numérico acessível e deployável para qualquer pessoa, permitindo que aplicações intensivas em computação rodem rápido e localmente em hardware de consumo. A biblioteca se posiciona como o framework de ML com GPU mais portável disponível, por funcionar em qualquer ambiente com navegador.