LiquidAI: LFM2.5-2.6B

{"about":"### En kompakt model med agenttræning\n\nLFM2.5-2.6B er en tekstmodel fra Liquid AI til opgaver, hvor instruktionsfølgning, dokumentbehandling og flere trin i rækkefølge er vigtige. I LFM2.5-familien har denne version fået særskilt træning til agentforløb: Udvikleren trænede den i samspil med værktøjer og typiske agentmiljøer. Træningen vedrører modellens adfærd; de konkrete handlinger i applikationen fastlægges af integrationen.\n\nLFM2.5-2.6B bygger på hybridarkitekturen LFM2 med 2,69 milliarder parametre. Den kombinerer blokke med kort konvolution og grupperet opmærksomhed. Liquid AI udvikler familien til brug på enheder, men i Ailoot API anvendes modellen gennem en tekstgrænseflade: Brugeren sender beskeder og får et tekstsvar.\n\n### Hvor modellen er nyttig\n\nModellen egner sig til at udtrække oplysninger fra tekst, besvare spørgsmål til angivet materiale og behandle lange instruktioner. Du kan eksempelvis sende kundekorrespondance, bede om at samle kravene i én liste, derefter identificere modstrid og udarbejde et brev med opklarende spørgsmål. Til svar fra en vidensbase er det nyttigt at vedlægge de fundne tekstudsnit og fastsætte reglen om at holde sig til dem, bevare betegnelser og markere manglende fakta.\n\nLiquid AI's dokumentation angiver dataudtræk, RAG og forløb med lang kontekst som arbejdsområder. Udvikleren afgrænser også anvendelsen: Agentbaseret programmering og opgaver, som kræver omfattende faktuel viden uden angivne kilder, hører ikke til de anbefalede opgaver for denne version. Ved arbejde med fagudtryk er det bedre at medtage definitioner og kildedokumenter i forespørgslen.\n\n### Kontekst og sprog\n\nFor modellen i Ailoot API angives en kontekst på 128 000 tokens. Opgavens materiale og samtalehistorikken indgår; svarstørrelsen bør planlægges sammen med dem. Udviklerens modelkort oplister 16 sprog, herunder russisk, engelsk, kinesisk, tysk og spansk. Det gør modellen anvendelig til flersproget dokument- og korrespondancebehandling, med det ønskede sprog og resultatformat angivet i instruktionen.","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":"Kompakt tekstmodel fra Liquid AI til dataudtræk, dokumentbaserede svar og trinvise opgaver med stor kontekst."}