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.
- Ailoot Ultra · OpenAI Chat
POST /v1/chat/completionsliquid/lfm-2.5-24b-a2b - Ailoot Ultra · Anthropic Messages
POST /v1/messagesliquid/lfm-2.5-24b-a2b
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-a2bStart
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
| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser liquid/lfm-2.5-24b-a2b | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Kombinationer af inputmaterialer
Tekst · UTF8-tekst
messages[].content
Metodeparametre og livscyklus
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream |
Parametercontrol_scope | KontraktTekstsamtale; stream er en boolesk værdi og er som standard false. |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
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.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb 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 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0001 / 1K tokens Output · Outputtokens $0.0014 / 1K tokens Input · Cachelæsning $0.00005 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
Eksempelanmodninger
Ailoot Ultra · OpenAI Chat
set -eu
: "${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
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
Fejl og næste trin
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste 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
Ailoot Ultra · Anthropic Messages POST /v1/messages liquid/lfm-2.5-24b-a2b
liquid/lfm-2.5-24b-a2bStart
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
| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser liquid/lfm-2.5-24b-a2b | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Kombinationer af inputmaterialer
Tekst · UTF-8-tekst
messages[].content som streng
Metodeparametre og livscyklus
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs 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.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb 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 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0001 / 1K tokens Output · Outputtokens $0.0014 / 1K tokens Input · Cachelæsning $0.00005 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
Eksempelanmodninger
Ailoot Ultra · Anthropic Messages
{
"model": "liquid/lfm-2.5-24b-a2b",
"max_tokens": 128,
"messages": [
{
"role": "user",
"content": "Summarize the incident report."
}
],
"stream": false
}set -eu
: "${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
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
Fejl og næste trin
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste 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
FAQ · LiquidAI: LFM2.5-24B-A2B
- Hvilke input og resultater er tilgængelige?
POST /v1/chat/completions·liquid/lfm-2.5-24b-a2b:text→textPOST /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,streamPOST /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