modeller

LiquidAI: LFM2.5-24B-A2B

Markdown · JSON

LiquidAI: LFM2.5-24B-A2B

LFM2.5-24B-A2B er LiquidAIs tekstræsonneringsmodel til værktøjsstyrede agenter med i alt 24 milliarder og 2,45 milliarder aktive parametre. Den ræsonnerer før svaret, understøtter værktøjskald og skemastyret output og er offentliggjort med en kontekst på 128.000 tokens og en completion-grænse på 8.192 tokens.

Om modellen

Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.

LFM2.5-24B-A2B er en LiquidAI-mixture-of-experts-model til tekstbaseret ræsonnering og agenter, som bruger værktøjer. Den har i alt 24 milliarder parametre med 2,45 milliarder aktive for en token. Ræsonnering er en del af hvert svar, så opgaven bør definere målet, de belæg, der skal bruges, og det resultat, applikationen har brug for.

Giv en agent et afgrænset mål

Modellen passer til forløb, hvor en sprogmodel vælger næste trin, læser den resulterende observation og derefter fortsætter mod et slutprodukt. Angiv målet i termer, applikationen kan kontrollere: find den relevante post, sammenlign to konfigurationer, forbered et ændringsforslag eller producér en struktureret vurdering.

Giv værktøjer tydelige formål, og bevar deres returnerede observationer i opgavekonteksten. Modellen offentliggør støtte til værktøjskald, herunder valg af et værktøj, når grænsefladen tilbyder den kapacitet. Udførelse tilhører den applikation, der styrer værktøjerne. Hold en returneret observation særskilt fra en instruktion skrevet af modellen, især når et senere trin afhænger af resultatet af en søgning eller et opslag.

Hentning til videnstungt arbejde

Udgiveren anbefaler hentning eller websøgning til opgaver, der afhænger af detaljeret ekstern viden. Byg belægstrinnet ind i forløbet frem for at bede modellen opfinde fakta, den ikke har modtaget. Identificér de hentede passager, og bed svaret forbinde sine konklusioner med dem.

Til et supportforløb kan det betyde at finde den relevante politik og forklare, hvordan den gælder for det angivne tilfælde. Til en teknisk opgave kan det betyde at sammenligne dokumentationen og konfigurationen, før en ændring foreslås. Bevar det vigtige hentede indhold i konteksten, så det endelige svar kan kontrolleres uden at gentage hvert opslag.

Strukturerede svar og samplingvalg

Den offentliggjorte model understøtter skemastyrede strukturerede output. Definér en lille resultatform omkring det, applikationen bruger, såsom en valgt kategori, en forklaring, belægshenvisninger og næste handling. Adskil modellens ræsonneringsproces fra de felter, næste komponent skal gemme eller vise.

LiquidAI angiver temperature 0.1, top_k 50 og repetition_penalty 1.05 som offentliggjorte samplinganbefalinger, og det gemte katalog gentager disse standarder. De giver et reproducerbart udgangspunkt for vurdering af et bestemt forløb. Hold de valgte indstillinger konsekvente, når repræsentative opgaver sammenlignes.

Kapacitet og sprog

Den offentliggjorte tjenestepost angiver et kontekstvindue på 128.000 tokens og en completion-grænse på 8.192 tokens. Forbered en kort svarspecifikation, så slutproduktet passer inden for denne outputramme. Hold relevante belæg samlet, og giv nok outputplads til det ønskede produkt.

Producenten angiver et flersproget sæt, som omfatter engelsk, russisk, kinesisk, spansk, arabisk og andre sprog. Bevar kildeterminologi og navne, der skal forblive uændrede, når modellen bruges i flersproget arbejde. En opgave med fast ordforråd har gavn af en eksplicit ordliste og samme outputkonventioner på tværs af sprog.

Funktioner

  • Mixture-of-experts-ræsonnering til kun tekst: i alt 24 milliarder parametre, 2,45 milliarder aktive.
  • Obligatorisk ræsonnering før det endelige svar.
  • Offentliggjorte værktøjer, værktøjsvalg og JSON-skema-baseret struktureret output.
  • Hentningsorienterede forløb til vidensafhængige opgaver.
  • Offentliggjort kontekst på 128.000 tokens og completion-grænse på 8.192 tokens.

Brugsscenarier

  • Assistent understøttet af hentede kilder — Et spørgsmål, hentede passager og et påkrævet svarlayout. Resultat: Et belægsknyttet svar, der kan kontrolleres mod passagerne.
  • Værktøjsstyret triage — En afgrænset sag og kontrollerede opslagsværktøjer. Resultat: En struktureret vurdering og en foreslået næste handling.
  • Konfigurationssammenligning — Relevant konfiguration, dokumentation og sammenligningskriterier. Resultat: Et identificeret sæt forskelle med underbyggende belæg.
  • Flersproget struktureret analyse — Kildetekst, en ordliste og konsekvente resultatfelter. Resultat: Sammenlignelige poster, som bevarer terminologi, der skal være uændret.

Begrænsninger

  • Kontekst — Offentliggjort tjenestekontekstvindue: 128.000 tokens.
  • Svar — Offentliggjort completion-grænse: 8.192 tokens.
  • Ræsonnering — Modellen ræsonnerer før svaret; obligatorisk ræsonnering er en del af den offentliggjorte konfiguration.
  • Input/output — Den offentliggjorte model accepterer tekst og returnerer tekst.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions liquid/lfm-2.5-24b-a2b

liquid/lfm-2.5-24b-a2b

LiquidAI /liquid/lfm-2.5-24b-a2b

Start

LFM2.5-24B-A2B er LiquidAIs tekstræsonneringsmodel til værktøjsstyrede agenter med i alt 24 milliarder og 2,45 milliarder aktive parametre. Den ræsonnerer før svaret, understøtter værktøjskald og skemastyret output og er offentliggjort med en kontekst på 128.000 tokens og en completion-grænse på 8.192 tokens.

Accepterede input
Tekst
Resultater
Tekst

Tilgængelig i Ailoot · input og metoder

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Inputtyper
text
Outputtyper
text
Outputformat
json eller SSE
FeltTypeKravVærdier og grænserStandard
FeltmodelTypestringKravPåkrævetVærdier og grænser
liquid/lfm-2.5-24b-a2b
Standard—
FeltmessagesTypemessage[]KravPåkrævetVærdier og grænser
Minimumsantal elementer: 1
Standard—
Feltmessages[].roleTypestringKravPåkrævetVærdier og grænser
Afhænger af modellen
Standard—
Feltmessages[].contentTypestringKravValgfritVærdier og grænser
Gælder når: Tekstsamtale
Standard—
FeltstreamTypebooleanKravValgfritVærdier og grænserStandardfalse
Kombinationer af inputmaterialer

Tekst · UTF8-tekst

messages[].content

Metodeparametre og livscyklus
ParameterKontrakt
Parametercontent_typeKontraktapplication/json
ParameterrequiredKontraktmodel, messages
Parametermaterial_typesKontrakttext
ParametermessagesKontraktbeskedarray med strukturen role/content
Parameterfile_materialKontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes
Parameteroptional_controlsKontraktstream
Parametercontrol_scopeKontraktTekstsamtale; stream er en boolesk værdi og er som standard false.
Parameteroutput_modalitiesKontrakttext
Parameterhosted_operationsKontraktfalse
Parametermultimodal_input_bindingKontraktnull

Metodealiaser: /chat/completions

Livscyklus: synchronous_or_streamed

Send det præcise model-ID med messages.

Kontekstlængde er ikke et outputloft.

En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.

Priser

Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.

Hurtig tilstand
Ikke angivet Når hurtig tilstand er valgt
flex-tilstand
Ikke angivet Når flex-tilstanden er valgt
Maksimal ræsonneringsindsats
Ikke angivet Når default-justeringen anvendes ved maksimal ræsonneringsindsats

Ailoot-takster

Priser efter konfiguration

Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.

KonfigurationTakstplanKonteksttokens, mere endKonteksttokens, op til og medBeløb
KonfigurationGrundtakster for tokensTakstplanGrundtakstKonteksttokens, mere end—Konteksttokens, op til og medIngen øvre grænseBeløb
Input · Inputtokens $0.0001 / 1K tokens
Output · Outputtokens $0.0014 / 1K tokens
Input · Cachelæsning $0.00005 / 1K tokens
Input · Cacheskrivning — / 1K tokens
Input · Cacheskrivning, 1 time — / 1K tokens
KonfigurationAnmodningslængde · niveau 1Takstplan—Konteksttokens, mere end0Konteksttokens, op til og medIngen øvre grænseBeløb
Input · Inputtokens $0.0001 / 1K tokens
Output · Outputtokens $0.0014 / 1K tokens
Input · Cachelæsning $0.00005 / 1K tokens
Input · Cacheskrivning — / 1K tokens
Input · Cacheskrivning, 1 time — / 1K tokens

Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →

Eksempelanmodninger

Ailoot Ultra · OpenAI Chat

curlPython SDK
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model":"liquid/lfm-2.5-24b-a2b","messages":[{"role":"user","content":"hello"}],"stream":false}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model="liquid/lfm-2.5-24b-a2b", messages=[{"role":"user","content":"hello"}], stream=False)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))

Hent og gem resultater

Ailoot Ultra · OpenAI Chat

json eller SSE

Behold alle færdige resultater

Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.

Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.

Hvis det oprindelige svar skal kontrolleres

Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.

Svarfelter
FeltType
Feltchoices[].indexTypeinteger
Feltchoices[].message.contentTypestring|null
Feltchoices[].message.tool_callsTypetool_call[]
Feltchoices[].message.reasoning_contentTypestring
Feltchoices[].message.reasoning_detailsTypeobject|array
Feltchoices[].finish_reasonTypestring|null
FeltusageTypeobject
Fejl og næste trin
SvarBetingelseNæste trin
Svar400 · invalid_request_errorBetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdiNæste trinRet de angivne felter før en ny oprettelsesanmodning.

Aliaser

Modelaliaser

Ailoot Ultra liquid/lfm-2.5-24b-a2b

Aliaser for metodestier

/chat/completions

Relaterede kalder-ID’er

liquid/lfm-2.5-24b-a2b

Ailoot Ultra · Anthropic Messages POST /v1/messages liquid/lfm-2.5-24b-a2b

liquid/lfm-2.5-24b-a2b

LiquidAI /liquid/lfm-2.5-24b-a2b

Start

LFM2.5-24B-A2B er LiquidAIs tekstræsonneringsmodel til værktøjsstyrede agenter med i alt 24 milliarder og 2,45 milliarder aktive parametre. Den ræsonnerer før svaret, understøtter værktøjskald og skemastyret output og er offentliggjort med en kontekst på 128.000 tokens og en completion-grænse på 8.192 tokens.

Accepterede input
Tekst
Resultater
json · sse

Tilgængelig i Ailoot · input og metoder

Ailoot Ultra · Anthropic Messages POST /v1/messages
Inputtyper
text
Outputtyper
json, sse
Outputformat
JSON eller SSE
FeltTypeKravVærdier og grænserStandard
FeltmodelTypestringKravPåkrævetVærdier og grænser
liquid/lfm-2.5-24b-a2b
Standard—
FeltmessagesTypemessage[]KravPåkrævetVærdier og grænserStandard—
Feltmessages[].roleTypestringKravPåkrævetVærdier og grænser
user, assistant
Standard—
Feltmessages[].contentTypestringKravPåkrævetVærdier og grænserStandard—
Feltmax_tokensTypeintegerKravPåkrævetVærdier og grænserStandard—
FeltstreamTypebooleanKravValgfritVærdier og grænserStandardfalse
Kombinationer af inputmaterialer

Tekst · UTF-8-tekst

messages[].content som streng

Metodeparametre og livscyklus
ParameterKontrakt
Parametercontent_typeKontraktapplication/json
ParameterrequiredKontraktmodel, messages, max_tokens
Parameteroptional_controlsKontraktstream
Parametermaterial_typesKontrakttext
Parametertext_file_materialKontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng.

Livscyklus: synchronous_or_streamed

Priser

Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.

Hurtig tilstand
Ikke angivet Når hurtig tilstand er valgt
flex-tilstand
Ikke angivet Når flex-tilstanden er valgt
Maksimal ræsonneringsindsats
Ikke angivet Når default-justeringen anvendes ved maksimal ræsonneringsindsats

Ailoot-takster

Priser efter konfiguration

Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.

KonfigurationTakstplanKonteksttokens, mere endKonteksttokens, op til og medBeløb
KonfigurationGrundtakster for tokensTakstplanGrundtakstKonteksttokens, mere end—Konteksttokens, op til og medIngen øvre grænseBeløb
Input · Inputtokens $0.0001 / 1K tokens
Output · Outputtokens $0.0014 / 1K tokens
Input · Cachelæsning $0.00005 / 1K tokens
Input · Cacheskrivning — / 1K tokens
Input · Cacheskrivning, 1 time — / 1K tokens
KonfigurationAnmodningslængde · niveau 1Takstplan—Konteksttokens, mere end0Konteksttokens, op til og medIngen øvre grænseBeløb
Input · Inputtokens $0.0001 / 1K tokens
Output · Outputtokens $0.0014 / 1K tokens
Input · Cachelæsning $0.00005 / 1K tokens
Input · Cacheskrivning — / 1K tokens
Input · Cacheskrivning, 1 time — / 1K tokens

Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →

Eksempelanmodninger

Ailoot Ultra · Anthropic Messages

Komplet minimalt requestbody i JSONcurl · brug dit UTF-8-dokumentPython · gem hele resultatet
{
  "model": "liquid/lfm-2.5-24b-a2b",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'liquid/lfm-2.5-24b-a2b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'liquid/lfm-2.5-24b-a2b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Hent og gem resultater

Ailoot Ultra · Anthropic Messages

JSON eller SSE

Behold alle færdige resultater

Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.

Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.

Hvis det oprindelige svar skal kontrolleres

Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.

Svarfelter
FeltType
FeltidTypestring
FeltmodelTypestring
Feltcontent[]Typetext|thinking|tool_use|other content block
Feltstop_reasonTypestring|null
FeltusageTypeobject
Fejl og næste trin
SvarBetingelseNæste trin
Svar400 · invalid_request_errorBetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdiNæste trinRet de angivne felter før en ny oprettelsesanmodning.

Aliaser

Modelaliaser

Ailoot Ultra liquid/lfm-2.5-24b-a2b

Aliaser for metodestier

/chat/completions

Relaterede kalder-ID’er

liquid/lfm-2.5-24b-a2b

FAQ · LiquidAI: LFM2.5-24B-A2B
Hvilke input og resultater er tilgængelige?

POST /v1/chat/completions · liquid/lfm-2.5-24b-a2b: text → text

POST /v1/messages · liquid/lfm-2.5-24b-a2b: text → json, sse

Hvilke felter bruger anmodningen?

POST /v1/chat/completions · liquid/lfm-2.5-24b-a2b: model, messages, stream

POST /v1/messages · liquid/lfm-2.5-24b-a2b: model, messages, max_tokens, stream

Hvilke grænser gælder?

POST /v1/chat/completions · liquid/lfm-2.5-24b-a2b: messages.min_items: 1

Flere oplysninger

Tilslut Ailoot til Claude Code, OpenCode, Hermes eller din egen applikation.

Virksomheden og dens projektportefølje

Virksomheden og dens projektportefølje: millioner af kunder; månedligt salg for milliarder.

Køb tokens med rabat.

Abonnementsrabat til regelmæssigt arbejde. Rabatkoder giver op til 50% på tokenkøb.

Abonnement
Vælg et abonnement med rabat til dine regelmæssige anmodninger.
Rabatkode på op til 50%
Indtast koden ved købet. Prisen genberegnes efter den aktuelle kampagne.
Udgifter i historikken
Model, tokens og beløb gemmes for hver anmodning.

Vælg abonnement · Se modelpriser

Tilslut API’et til produktet, du sælger.

SaaS, apps og bots efter Ailoots tilbudsvilkår og licensaftale. Anmod om en forhandlerlicens til videresalg.

Kommerciel applikation
Byg generering af tekst, billeder, video og lyd ind i tjenestens betalte funktioner.
Licens til forhandlere
Send projektbeskrivelse og adgangsmodel. Bed om skriftlige vilkår for anvendelse og videresalg.
Dokumenter på websitet
Tilbudsvilkår, licensaftale og politik for behandling af data kan læses før tilslutning.

Anmod om forhandlerlicens · Tilbudsvilkår og licensaftale