LFM2.5-2.6B je textový model Liquid AI vytvořený pro úlohy, kde záleží na dodržování instrukcí, zpracování dokumentů a postupném provedení několika kroků. V rodině LFM2.5 tato verze získala samostatnou přípravu pro agentní scénáře: vývojář ji učil interakci s nástroji a typickými pracovními prostředími agentů. Toto učení se týká chování modelu; konkrétní kroky v aplikaci určuje integrace.
Základem LFM2.5-2.6B je hybridní architektura LFM2 s 2,69 miliardy parametrů. Spojuje bloky krátké konvoluce a skupinové pozornosti. Liquid AI tuto rodinu vyvíjí s ohledem na provoz na zařízeních, v Ailoot se však model používá přes textové rozhraní: uživatel předává zprávy a dostává textovou odpověď.
Model se hodí pro získávání informací z textu, otázky k předaným materiálům a zpracování dlouhých instrukcí. Například lze předat korespondenci se zákazníkem, požádat o spojení požadavků do jednoho seznamu, poté označit rozpory a připravit upřesňující dopis. Pro odpověď podle znalostní báze je vhodné přiložit nalezené úryvky a stanovit pravidlo: vycházet z nich, zachovat názvy a upozornit na chybějící potřebný fakt.
Dokumentace Liquid AI mezi pracovními směry uvádí získávání dat, RAG a scénáře s dlouhým kontextem. Vývojář samostatně omezuje oblast použití: agentní programování a úlohy vyžadující rozsáhlé faktické znalosti bez předaných zdrojů nepatří mezi doporučené úkoly této verze. Při práci s oborovými termíny je lepší do požadavku zahrnout definice a původní dokumenty.
V Ailoot je pro tento model uveden kontext 128 000 tokenů. Zahrnuje materiály úlohy a historii dialogu; velikost odpovědi je třeba plánovat společně s nimi. Karta vývojáře vyjmenovává 16 jazyků včetně ruštiny, angličtiny, čínštiny, němčiny a španělštiny. Model tak lze využít při vícejazyčném zpracování dokumentů a korespondence a v instrukci zachovat požadovaný jazyk a formát výsledku.
", "aboutText": "### Kompaktní model s agentní přípravou\n\nLFM2.5-2.6B je textový model Liquid AI vytvořený pro úlohy, kde záleží na dodržování instrukcí, zpracování dokumentů a postupném provedení několika kroků. V rodině LFM2.5 tato verze získala samostatnou přípravu pro agentní scénáře: vývojář ji učil interakci s nástroji a typickými pracovními prostředími agentů. Toto učení se týká chování modelu; konkrétní kroky v aplikaci určuje integrace.\n\nZákladem LFM2.5-2.6B je hybridní architektura LFM2 s 2,69 miliardy parametrů. Spojuje bloky krátké konvoluce a skupinové pozornosti. Liquid AI tuto rodinu vyvíjí s ohledem na provoz na zařízeních, v Ailoot se však model používá přes textové rozhraní: uživatel předává zprávy a dostává textovou odpověď.\n\n### Kde je užitečný\n\nModel se hodí pro získávání informací z textu, otázky k předaným materiálům a zpracování dlouhých instrukcí. Například lze předat korespondenci se zákazníkem, požádat o spojení požadavků do jednoho seznamu, poté označit rozpory a připravit upřesňující dopis. Pro odpověď podle znalostní báze je vhodné přiložit nalezené úryvky a stanovit pravidlo: vycházet z nich, zachovat názvy a upozornit na chybějící potřebný fakt.\n\nDokumentace Liquid AI mezi pracovními směry uvádí získávání dat, RAG a scénáře s dlouhým kontextem. Vývojář samostatně omezuje oblast použití: agentní programování a úlohy vyžadující rozsáhlé faktické znalosti bez předaných zdrojů nepatří mezi doporučené úkoly této verze. Při práci s oborovými termíny je lepší do požadavku zahrnout definice a původní dokumenty.\n\n### Kontext a jazyky\n\nV Ailoot je pro tento model uveden kontext 128 000 tokenů. Zahrnuje materiály úlohy a historii dialogu; velikost odpovědi je třeba plánovat společně s nimi. Karta vývojáře vyjmenovává 16 jazyků včetně ruštiny, angličtiny, čínštiny, němčiny a španělštiny. Model tak lze využít při vícejazyčném zpracování dokumentů a korespondence a v instrukci zachovat požadovaný jazyk a formát výsledku.", "locale": "cs", "methods": [ { "html": "POST /v1/messagestexttextPOST /v1/responsestexttextPOST /v1/chat/completionstexttextPOST /v1beta/models/liquid/lfm-2.5-2.6b:generateContenttexttext