Source: https://ailoot.ai/models/ar/liquid-lfm-2-5-2-6b/ Canonical: https://ailoot.ai/models/ar/liquid-lfm-2-5-2-6b/ Language: ar # LiquidAI: LFM2.5-2.6B [Markdown](https://ailoot.ai/models/ar/liquid-lfm-2-5-2-6b/index.md) · [JSON](https://ailoot.ai/models/ar/liquid-lfm-2-5-2-6b/facts.json) ## [LiquidAI: LFM2.5-2.6B](https://ailoot.ai/models/ar/liquid-lfm-2-5-2-6b/) `liquid/lfm-2.5-2.6b` Liquidالنصالإدخال ⁦‏0.0007 US$⁩ / 1Kالإخراج ⁦‏0.001 US$⁩ / 1K نموذج Liquid AI نصي مدمج لاستخراج البيانات والإجابة عن المستندات والمهام المتتابعة ذات السياق الكبير. ### نموذج مدمج بتدريب للسيناريوهات الوكيلة LFM2.5-2.6B نموذج نصي من Liquid AI للمهام التي تتطلب اتباع التعليمات ومعالجة المستندات وتنفيذ عدة خطوات بالتتابع. تلقت هذه النسخة ضمن عائلة LFM2.5 تدريباً مستقلاً للسيناريوهات الوكيلة: درّبها المطور على التفاعل مع الأدوات وبيئات عمل الوكلاء المعتادة. يتعلق هذا التدريب بسلوك النموذج؛ أما الإجراءات الفعلية داخل التطبيق فتحددها عملية الدمج. يعتمد LFM2.5-2.6B على بنية LFM2 هجينة تضم 2,69 مليار معلمة. وهي تجمع كتل الالتفاف القصير والانتباه المجمّع. تطور Liquid AI هذه العائلة مع مراعاة التشغيل على الأجهزة، لكن النموذج في Ailoot يُستخدم عبر واجهة نصية: يرسل المستخدم رسائل ويحصل على إجابة نصية. ### أين يفيد يلائم النموذج استخراج المعلومات من النص وطرح الأسئلة حول المواد المقدمة ومعالجة التعليمات الطويلة. فمثلاً يمكن تقديم مراسلات مع عميل وطلب جمع المتطلبات في قائمة واحدة، ثم تحديد التناقضات وإعداد رسالة استيضاح. وللإجابة من قاعدة معرفة، يفيد إرفاق المقاطع المستخرجة ووضع قاعدة: الاستناد إليها، والحفاظ على الأسماء، والتنبيه إلى غياب المعلومة المطلوبة. تذكر وثائق Liquid AI استخراج البيانات وRAG وسيناريوهات السياق الطويل ضمن مجالات العمل. ويحدد المطور نطاق الاستخدام بشكل مستقل: البرمجة الوكيلة والمهام التي تتطلب قدراً كبيراً من المعرفة الواقعية دون مصادر مقدمة ليست من المهام الموصى بها لهذه النسخة. وعند التعامل مع مصطلحات قطاعية، يُفضّل تضمين التعريفات والمستندات الأصلية في الطلب. ### السياق واللغات السياق المعلن لهذا النموذج في Ailoot هو ⁦128 000⁩ توكن. ويشمل مواد المهمة وسجل الحوار؛ وينبغي التخطيط لحجم الإجابة معهما. تسرد بطاقة المطور 16 لغة، منها الروسية والإنجليزية والصينية والألمانية والإسبانية. يتيح ذلك استخدام النموذج لمعالجة المستندات والمراسلات متعددة اللغات، مع تحديد اللغة المرغوبة وصيغة النتيجة في التعليمات. ### متاح عبر Ailoot API الإدخال `text` الإخراج `text` السياق غير محدد في الكتالوج الحد الأقصى للإجابة غير محدد في الكتالوج الإدخال ⁦‏0.0007 US$⁩ */ 1K* الإخراج ⁦‏0.001 US$⁩ */ 1K* قراءة ذاكرة التخزين المؤقت ⁦‏0.00008 US$⁩ */ 1K* الإدخال `text` الإخراج `text` السياق غير محدد في الكتالوج الحد الأقصى للإجابة غير محدد في الكتالوج الإدخال ⁦‏0.0007 US$⁩ */ 1K* الإخراج ⁦‏0.001 US$⁩ */ 1K* قراءة ذاكرة التخزين المؤقت ⁦‏0.00008 US$⁩ */ 1K* الإدخال `text` الإخراج `text` السياق غير محدد في الكتالوج الحد الأقصى للإجابة غير محدد في الكتالوج الإدخال ⁦‏0.0007 US$⁩ */ 1K* الإخراج ⁦‏0.001 US$⁩ */ 1K* قراءة ذاكرة التخزين المؤقت ⁦‏0.00008 US$⁩ */ 1K* الإدخال `text` الإخراج `text` السياق غير محدد في الكتالوج الحد الأقصى للإجابة غير محدد في الكتالوج الإدخال ⁦‏0.0007 US$⁩ */ 1K* الإخراج ⁦‏0.001 US$⁩ */ 1K* قراءة ذاكرة التخزين المؤقت ⁦‏0.00008 US$⁩ */ 1K* `liquid/lfm-2.5-2.6b` · JSON ``` {"about":"### نموذج مدمج بتدريب للسيناريوهات الوكيلة\n\nLFM2.5-2.6B نموذج نصي من Liquid AI للمهام التي تتطلب اتباع التعليمات ومعالجة المستندات وتنفيذ عدة خطوات بالتتابع. تلقت هذه النسخة ضمن عائلة LFM2.5 تدريباً مستقلاً للسيناريوهات الوكيلة: درّبها المطور على التفاعل مع الأدوات وبيئات عمل الوكلاء المعتادة. يتعلق هذا التدريب بسلوك النموذج؛ أما الإجراءات الفعلية داخل التطبيق فتحددها عملية الدمج.\n\nيعتمد LFM2.5-2.6B على بنية LFM2 هجينة تضم 2,69 مليار معلمة. وهي تجمع كتل الالتفاف القصير والانتباه المجمّع. تطور Liquid AI هذه العائلة مع مراعاة التشغيل على الأجهزة، لكن النموذج في Ailoot يُستخدم عبر واجهة نصية: يرسل المستخدم رسائل ويحصل على إجابة نصية.\n\n### أين يفيد\n\nيلائم النموذج استخراج المعلومات من النص وطرح الأسئلة حول المواد المقدمة ومعالجة التعليمات الطويلة. فمثلاً يمكن تقديم مراسلات مع عميل وطلب جمع المتطلبات في قائمة واحدة، ثم تحديد التناقضات وإعداد رسالة استيضاح. وللإجابة من قاعدة معرفة، يفيد إرفاق المقاطع المستخرجة ووضع قاعدة: الاستناد إليها، والحفاظ على الأسماء، والتنبيه إلى غياب المعلومة المطلوبة.\n\nتذكر وثائق Liquid AI استخراج البيانات وRAG وسيناريوهات السياق الطويل ضمن مجالات العمل. ويحدد المطور نطاق الاستخدام بشكل مستقل: البرمجة الوكيلة والمهام التي تتطلب قدراً كبيراً من المعرفة الواقعية دون مصادر مقدمة ليست من المهام الموصى بها لهذه النسخة. وعند التعامل مع مصطلحات قطاعية، يُفضّل تضمين التعريفات والمستندات الأصلية في الطلب.\n\n### السياق واللغات\n\nالسياق المعلن لهذا النموذج في Ailoot هو 128 000 توكن. ويشمل مواد المهمة وسجل الحوار؛ وينبغي التخطيط لحجم الإجابة معهما. تسرد بطاقة المطور 16 لغة، منها الروسية والإنجليزية والصينية والألمانية والإسبانية. يتيح ذلك استخدام النموذج لمعالجة المستندات والمراسلات متعددة اللغات، مع تحديد اللغة المرغوبة وصيغة النتيجة في التعليمات.","alias_of":null,"aliases":[],"author":"Liquid","canonical_model":"liquid/lfm-2.5-2.6b","ctx":null,"formats":["chat","gemini","messages","responses"],"id":"liquid/lfm-2.5-2.6b","input":["text"],"kind":"text","max_out":null,"methods":[{"cache_read":0.08,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"anthropic","fast_multiplier":1,"flex_multiplier":1,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":0.7,"input":["text"],"label":"Anthropic Messages","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1/messages","request_model_id":"liquid/lfm-2.5-2.6b","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.08,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":0.7,"input":["text"],"label":"OpenAI Responses","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1/responses","request_model_id":"liquid/lfm-2.5-2.6b","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.08,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":0.7,"input":["text"],"label":"OpenAI Chat","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1/chat/completions","request_model_id":"liquid/lfm-2.5-2.6b","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.08,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"gemini","fast_multiplier":1,"flex_multiplier":1,"fmt":"gemini","http":"POST","img_in":null,"img_out":null,"in":0.7,"input":["text"],"label":"Gemini generateContent","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1beta/models/liquid/lfm-2.5-2.6b:generateContent","request_model_id":"liquid/lfm-2.5-2.6b","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"liquid/lfm-2.5-2.6b","request_model_id":"liquid/lfm-2.5-2.6b","route_label":"Ultra"}],"name":"LiquidAI: LFM2.5-2.6B","price":{"in":0.7,"in_label":null,"out":1.0,"out_label":null,"sort_in":0.7,"sort_out":1.0,"varies":false},"public_id":"liquid/lfm-2.5-2.6b","short":"نموذج Liquid AI نصي مدمج لاستخراج البيانات والإجابة عن المستندات والمهام المتتابعة ذات السياق الكبير."} ``` ## الأسئلة كيف أختار نموذجًا لمهمتي؟ حدد أولًا الإدخال والإخراج المطلوبين: نص أو صورة أو صوت أو فيديو. ثم قارن طرق API المتوافقة، وID النموذج الدقيق أو النموذج الذي يشير إليه الاسم البديل حاليًا، والسعر، ووحدة الفوترة. طلب GET /v1/models مجاني ويعرض النماذج المتاحة لمفتاحك. هل يدعم كل نموذج جميع طرق API وأنواع الوسائط؟ استخدم طرق API وأنواع الإدخال والإخراج المذكورة في بطاقة النموذج. يعتمد دعم النصوص والصور والصوت والفيديو على النموذج والطريقة المحددين؛ راجع مثال الطلب الخاص بهما قبل إرسال بياناتك. ما الفرق بين ID النموذج والاسم البديل؟ يشير ID النموذج الدقيق إلى نموذج محدد. أما الاسم البديل فيشير إلى نموذج، وقد يتغير النموذج الذي يشير إليه. تحقق في الكتالوج من النموذج الذي يشير إليه الاسم البديل حاليًا؛ واستخدم ID الدقيق عندما يتطلب التكامل نموذجًا بعينه. كيف أقارن الأسعار قبل إرسال طلب؟ راجع بطاقة النموذج لمعرفة السعر ووحدة الفوترة لطريقة API المحددة. قارن باستخدام الوحدة نفسها ونوع الإدخال والإخراج نفسه؛ يعرض سجل الطلبات الاستخدام الفعلي والمبلغ المخصوم. ما فائدة الاشتراك؟ خصم على شراء الرموز للعمل المنتظم. اختر خطة بحسب حجم الطلبات؛ وتظهر شروط الاشتراك وتكلفته عند الشراء. كيف أستخدم رمز خصم حتى 50%؟ أدخل الرمز الترويجي عند شراء الرموز. يعاد حساب المبلغ النهائي وفق شروط العرض؛ ويظهر حجم الخصم قبل الدفع. ## Ailoot · الشركة ومحفظة مشاريعها تستند Ailoot إلى خبرة تشغيلية متراكمة وقاعدة عملاء واسعة وخدمة مستقرة ومراقبة مستمرة لمؤشرات الأداء KPI. الشركة ومحفظة مشاريعها: ملايين العملاء؛ مبيعات بالمليارات شهريًا. توظف Ailoot هذه الخبرة التشغيلية لإتاحة الوصول عبر API إلى قدرات الذكاء الاصطناعي في منتجات العملاء ووكلائهم وتطبيقاتهم وعمليات الأتمتة.