{
  "aboutHtml": "<p>Το Liquid AI LFM2.5-2.6B είναι το μετεκπαιδευμένο μοντέλο κειμένου στη συμπαγή οικογένεια LFM2.5 της Liquid, σχεδιασμένο για πράκτορες που λειτουργούν στη συσκευή και πρακτικές ροές εργασίας. Η ακριβής κάρτα μοντέλου του αναφέρει 2,69 δισ. παραμέτρους και 30 στρώματα: 22 μπλοκ βραχείας συνέλιξης διπλής πύλης και οκτώ μπλοκ προσοχής ομαδοποιημένων ερωτημάτων. Ο υβριδικός σχεδιασμός στοχεύει στην αποδοτική επεξεργασία κειμένου. Το μοντέλο δέχεται κείμενο και επιστρέφει κείμενο, συμπεριλαμβανομένης μιας αιτιολογημένης απάντησης ή αιτήματος χρήσης μιας καθορισμένης συνάρτησης.</p><p>Ο κατασκευαστής το συνιστά για εργασίες πρακτόρων, χρήση εργαλείων, εξαγωγή δεδομένων, παραγωγή ενισχυμένη με ανάκτηση και ροές μεγάλου πλαισίου. Η διαδικασία εκπαίδευσης της έκδοσης συνδυάζει επιβλεπόμενη λεπτομερή προσαρμογή, εξειδικευμένα μοντέλα-δασκάλους, απόσταξη βάσει της τρέχουσας πολιτικής σε πολλούς τομείς και ενισχυτική μάθηση μέσα σε περιβάλλοντα πρακτόρων. Αυτό βοηθά να εξηγηθεί η έμφαση στην ακολούθηση οδηγιών εργασίας, τη χρήση παρατηρήσεων εργαλείων και την πρόοδο μέσα από πολλά βήματα. Δώστε του τα πραγματικά υλικά και ακριβή στόχο, αντί να βασίζεστε σε ευρείες μαθημένες γνώσεις για την κάλυψη κενών.</p><p>Για εξαγωγή, ορίστε τα πεδία και τους κανόνες πηγών πριν παρέχετε το υλικό. Ένα πρακτικό αίτημα είναι: «Διάβασε αυτές τις ενημερώσεις υπηρεσίας, εξήγαγε το αναγνωριστικό κάθε εγγραφής, τη δηλωμένη κατάστασή της και την επόμενη απαιτούμενη ενέργεια και διατήρησε την πρόταση που υποστηρίζει κάθε πεδίο. Επίστρεψε null όταν ένα πεδίο λείπει». Προσδιορίστε αν μια τιμή πρέπει να αντιγραφεί ακριβώς, να κανονικοποιηθεί ή να συναχθεί. Έτσι η έξοδος γίνεται ελέγξιμη και αποτρέπεται η σιωπηρή αντικατάσταση πληροφοριών που πράγματι υπάρχουν στην πηγή από μια εύλογη ερμηνεία.</p><p>Για RAG, παρέχετε σχετικά αποσπάσματα με σταθερές ετικέτες και ζητήστε απάντηση τεκμηριωμένη σε αυτά. Ένα παράδειγμα είναι: «Χρησιμοποιώντας μόνο αυτές τις οδηγίες εγκατάστασης, εξήγησε ποια βήματα ισχύουν για το δηλωμένο περιβάλλον και κατάγραψε τα προαπαιτούμενα που παραμένουν άγνωστα». Διατηρήστε τις εκδόσεις εγγράφων και τις συνθήκες μαζί με το κείμενο. Ζητήστε από το μοντέλο να εντοπίσει ένα ελλείπον ή αντικρουόμενο γεγονός αντί να επινοήσει πλήρη διαδικασία. Αυτό ταιριάζει καλύτερα στη σύσταση του κατασκευαστή για εργασίες βασισμένες σε πηγές από το να ζητάτε από το συμπαγές μοντέλο να λειτουργεί ως εξαντλητική αποθήκη εξειδικευμένης γνώσης.</p><p>Το LFM2.5-2.6B είναι αμιγές μοντέλο συλλογιστικής: το πρότυπο συνομιλίας του αρχίζει την απάντηση του βοηθού με δείκτη σκέψης και το μοντέλο συλλογίζεται πριν από την τελική απάντηση. Η κάρτα μοντέλου του κατασκευαστή συνιστά temperature 0.1, top-k 50 και ποινή επανάληψης 1.1 για την παραγωγή. Αυτές είναι ρυθμίσεις των οδηγιών για το συγκεκριμένο μοντέλο. Κρατήστε το τελικό παραδοτέο διακριτό από το κείμενο συλλογιστικής και αφήστε χώρο και για τα δύο σε ένα αίτημα εργασίας. Δεν πρέπει να θεωρούνται δεδομένες για αυτό το μοντέλο ρυθμίσεις ή λειτουργίες άμεσης απάντησης που ανήκουν σε άλλες εκδόσεις οδηγιών LFM.</p><p>Το μοντέλο χρησιμοποιεί μορφή συνομιλίας παρόμοια με ChatML, με ρόλους system, user, assistant και tool. Η τεκμηριωμένη ροή συναρτήσεών του έχει τέσσερα στάδια: ορισμός εργαλείων, αίτημα συνάρτησης από το μοντέλο, εκτέλεση της συνάρτησης στην περιβάλλουσα εφαρμογή και επιστροφή του πραγματικού αποτελέσματος ώστε το μοντέλο να απαντήσει. Οι εγγενείς κλήσεις είναι λίστες σε σύνταξη τύπου Python που περικλείονται από δείκτες κλήσης εργαλείου· ο κατασκευαστής περιγράφει επίσης αίτημα μορφής κλήσης JSON μέσω της οδηγίας συστήματος. Χρησιμοποιήστε τον κατάλληλο αναλυτή, ελέγξτε το όνομα συνάρτησης και τα ορίσματα ως προς τους παρεχόμενους ορισμούς και διατηρήστε το αποτέλεσμα μαζί με την κλήση που το παρήγαγε.</p><p>Για μια συμπαγή ροή πράκτορα, εκθέστε μόνο τις συναρτήσεις που σχετίζονται με την τρέχουσα εργασία, με συνοπτικές περιγραφές και ρητούς τύπους ορισμάτων. Οι ίδιοι οι ορισμοί εργαλείων καταλαμβάνουν πλαίσιο. Μια χρήσιμη ακολουθία μπορεί να αναζητά την κατάσταση μιας παρεχόμενης εγγραφής, να συγκρίνει την επιστρεφόμενη κατάσταση με έναν κανόνα και να εξηγεί αν απαιτείται συνέχεια. Παρέχετε το αναγνωριστικό εγγραφής ως τεκμήριο και ζητήστε τελική απάντηση συνδεδεμένη με την επιστρεφόμενη παρατήρηση. Το μοντέλο προτείνει και ερμηνεύει την ενέργεια· η εφαρμογή παρέχει την πραγματική εκτέλεση και το αποτέλεσμά της.</p><p>Η τρέχουσα κάρτα μοντέλου του κατασκευαστή ορίζει πλαίσιο μοντέλου 131.072 token και η έκδοση περιγράφει ειδικό στάδιο επέκτασης πλαισίου. Εργαστείτε εντός του παραθύρου της διαμόρφωσης που χρησιμοποιείται, διατηρώντας όρια πηγών, σχετικό ιστορικό και χώρο για τη συνέχεια. Για πολλά έγγραφα, ζητήστε συγκεκριμένη σύγκριση ή εξάρτηση προς ανίχνευση. Το εγγενές checkpoint και τα παραδοτέα GGUF, ONNX και MLX εξυπηρετούν διαφορετικές ανάγκες εγκατάστασης, ενώ ένα μοντέλο προτάσεων για speculative decoding είναι ξεχωριστό συνοδευτικό παραδοτέο. Μεγέθη πόρων ή ταχύτητας μιας διαμόρφωσης δεν περιγράφουν αυτόματα κάθε μορφή μοντέλου και παράθυρο εργασίας.</p><p>Η Liquid δηλώνει ρητά ότι δεν συνιστά το LFM2.5-2.6B για προγραμματισμό μέσω πρακτόρων ή εργασίες που απαιτούν εκτεταμένες γνώσεις. Κρατήστε το εστιασμένο σε συγκεκριμένες ροές με παρεχόμενα τεκμήρια, κανόνες εξαγωγής και παρατηρήσεις εργαλείων. Το προεκπαιδευμένο checkpoint Base είναι επίσης ξεχωριστό παραδοτέο που προορίζεται για προσαρμογή, ενώ αυτή η μετεκπαιδευμένη έκδοση είναι το μοντέλο πράκτορα. Για το τελικό αποτέλεσμα, επιθεωρήστε τις εξαγόμενες τιμές ως προς την πηγή τους, ελέγξτε ότι ένα παρατιθέμενο απόσπασμα υποστηρίζει την απάντηση και διακρίνετε μια ζητούμενη κλήση εργαλείου από μια ενέργεια με καταγεγραμμένο αποτέλεσμα. Διατηρήστε τις εκκρεμείς πληροφορίες όταν επηρεάζουν το συμπέρασμα, αντί να αφήνετε το καλογραμμένο κείμενο να τις αποκρύπτει.</p>",
  "aboutText": "Το Liquid AI LFM2.5-2.6B είναι το μετεκπαιδευμένο μοντέλο κειμένου στη συμπαγή οικογένεια LFM2.5 της Liquid, σχεδιασμένο για πράκτορες που λειτουργούν στη συσκευή και πρακτικές ροές εργασίας. Η ακριβής κάρτα μοντέλου του αναφέρει 2,69 δισ. παραμέτρους και 30 στρώματα: 22 μπλοκ βραχείας συνέλιξης διπλής πύλης και οκτώ μπλοκ προσοχής ομαδοποιημένων ερωτημάτων. Ο υβριδικός σχεδιασμός στοχεύει στην αποδοτική επεξεργασία κειμένου. Το μοντέλο δέχεται κείμενο και επιστρέφει κείμενο, συμπεριλαμβανομένης μιας αιτιολογημένης απάντησης ή αιτήματος χρήσης μιας καθορισμένης συνάρτησης.\n\nΟ κατασκευαστής το συνιστά για εργασίες πρακτόρων, χρήση εργαλείων, εξαγωγή δεδομένων, παραγωγή ενισχυμένη με ανάκτηση και ροές μεγάλου πλαισίου. Η διαδικασία εκπαίδευσης της έκδοσης συνδυάζει επιβλεπόμενη λεπτομερή προσαρμογή, εξειδικευμένα μοντέλα-δασκάλους, απόσταξη βάσει της τρέχουσας πολιτικής σε πολλούς τομείς και ενισχυτική μάθηση μέσα σε περιβάλλοντα πρακτόρων. Αυτό βοηθά να εξηγηθεί η έμφαση στην ακολούθηση οδηγιών εργασίας, τη χρήση παρατηρήσεων εργαλείων και την πρόοδο μέσα από πολλά βήματα. Δώστε του τα πραγματικά υλικά και ακριβή στόχο, αντί να βασίζεστε σε ευρείες μαθημένες γνώσεις για την κάλυψη κενών.\n\nΓια εξαγωγή, ορίστε τα πεδία και τους κανόνες πηγών πριν παρέχετε το υλικό. Ένα πρακτικό αίτημα είναι: «Διάβασε αυτές τις ενημερώσεις υπηρεσίας, εξήγαγε το αναγνωριστικό κάθε εγγραφής, τη δηλωμένη κατάστασή της και την επόμενη απαιτούμενη ενέργεια και διατήρησε την πρόταση που υποστηρίζει κάθε πεδίο. Επίστρεψε null όταν ένα πεδίο λείπει». Προσδιορίστε αν μια τιμή πρέπει να αντιγραφεί ακριβώς, να κανονικοποιηθεί ή να συναχθεί. Έτσι η έξοδος γίνεται ελέγξιμη και αποτρέπεται η σιωπηρή αντικατάσταση πληροφοριών που πράγματι υπάρχουν στην πηγή από μια εύλογη ερμηνεία.\n\nΓια RAG, παρέχετε σχετικά αποσπάσματα με σταθερές ετικέτες και ζητήστε απάντηση τεκμηριωμένη σε αυτά. Ένα παράδειγμα είναι: «Χρησιμοποιώντας μόνο αυτές τις οδηγίες εγκατάστασης, εξήγησε ποια βήματα ισχύουν για το δηλωμένο περιβάλλον και κατάγραψε τα προαπαιτούμενα που παραμένουν άγνωστα». Διατηρήστε τις εκδόσεις εγγράφων και τις συνθήκες μαζί με το κείμενο. Ζητήστε από το μοντέλο να εντοπίσει ένα ελλείπον ή αντικρουόμενο γεγονός αντί να επινοήσει πλήρη διαδικασία. Αυτό ταιριάζει καλύτερα στη σύσταση του κατασκευαστή για εργασίες βασισμένες σε πηγές από το να ζητάτε από το συμπαγές μοντέλο να λειτουργεί ως εξαντλητική αποθήκη εξειδικευμένης γνώσης.\n\nΤο LFM2.5-2.6B είναι αμιγές μοντέλο συλλογιστικής: το πρότυπο συνομιλίας του αρχίζει την απάντηση του βοηθού με δείκτη σκέψης και το μοντέλο συλλογίζεται πριν από την τελική απάντηση. Η κάρτα μοντέλου του κατασκευαστή συνιστά temperature 0.1, top-k 50 και ποινή επανάληψης 1.1 για την παραγωγή. Αυτές είναι ρυθμίσεις των οδηγιών για το συγκεκριμένο μοντέλο. Κρατήστε το τελικό παραδοτέο διακριτό από το κείμενο συλλογιστικής και αφήστε χώρο και για τα δύο σε ένα αίτημα εργασίας. Δεν πρέπει να θεωρούνται δεδομένες για αυτό το μοντέλο ρυθμίσεις ή λειτουργίες άμεσης απάντησης που ανήκουν σε άλλες εκδόσεις οδηγιών LFM.\n\nΤο μοντέλο χρησιμοποιεί μορφή συνομιλίας παρόμοια με ChatML, με ρόλους system, user, assistant και tool. Η τεκμηριωμένη ροή συναρτήσεών του έχει τέσσερα στάδια: ορισμός εργαλείων, αίτημα συνάρτησης από το μοντέλο, εκτέλεση της συνάρτησης στην περιβάλλουσα εφαρμογή και επιστροφή του πραγματικού αποτελέσματος ώστε το μοντέλο να απαντήσει. Οι εγγενείς κλήσεις είναι λίστες σε σύνταξη τύπου Python που περικλείονται από δείκτες κλήσης εργαλείου· ο κατασκευαστής περιγράφει επίσης αίτημα μορφής κλήσης JSON μέσω της οδηγίας συστήματος. Χρησιμοποιήστε τον κατάλληλο αναλυτή, ελέγξτε το όνομα συνάρτησης και τα ορίσματα ως προς τους παρεχόμενους ορισμούς και διατηρήστε το αποτέλεσμα μαζί με την κλήση που το παρήγαγε.\n\nΓια μια συμπαγή ροή πράκτορα, εκθέστε μόνο τις συναρτήσεις που σχετίζονται με την τρέχουσα εργασία, με συνοπτικές περιγραφές και ρητούς τύπους ορισμάτων. Οι ίδιοι οι ορισμοί εργαλείων καταλαμβάνουν πλαίσιο. Μια χρήσιμη ακολουθία μπορεί να αναζητά την κατάσταση μιας παρεχόμενης εγγραφής, να συγκρίνει την επιστρεφόμενη κατάσταση με έναν κανόνα και να εξηγεί αν απαιτείται συνέχεια. Παρέχετε το αναγνωριστικό εγγραφής ως τεκμήριο και ζητήστε τελική απάντηση συνδεδεμένη με την επιστρεφόμενη παρατήρηση. Το μοντέλο προτείνει και ερμηνεύει την ενέργεια· η εφαρμογή παρέχει την πραγματική εκτέλεση και το αποτέλεσμά της.\n\nΗ τρέχουσα κάρτα μοντέλου του κατασκευαστή ορίζει πλαίσιο μοντέλου 131.072 token και η έκδοση περιγράφει ειδικό στάδιο επέκτασης πλαισίου. Εργαστείτε εντός του παραθύρου της διαμόρφωσης που χρησιμοποιείται, διατηρώντας όρια πηγών, σχετικό ιστορικό και χώρο για τη συνέχεια. Για πολλά έγγραφα, ζητήστε συγκεκριμένη σύγκριση ή εξάρτηση προς ανίχνευση. Το εγγενές checkpoint και τα παραδοτέα GGUF, ONNX και MLX εξυπηρετούν διαφορετικές ανάγκες εγκατάστασης, ενώ ένα μοντέλο προτάσεων για speculative decoding είναι ξεχωριστό συνοδευτικό παραδοτέο. Μεγέθη πόρων ή ταχύτητας μιας διαμόρφωσης δεν περιγράφουν αυτόματα κάθε μορφή μοντέλου και παράθυρο εργασίας.\n\nΗ Liquid δηλώνει ρητά ότι δεν συνιστά το LFM2.5-2.6B για προγραμματισμό μέσω πρακτόρων ή εργασίες που απαιτούν εκτεταμένες γνώσεις. Κρατήστε το εστιασμένο σε συγκεκριμένες ροές με παρεχόμενα τεκμήρια, κανόνες εξαγωγής και παρατηρήσεις εργαλείων. Το προεκπαιδευμένο checkpoint Base είναι επίσης ξεχωριστό παραδοτέο που προορίζεται για προσαρμογή, ενώ αυτή η μετεκπαιδευμένη έκδοση είναι το μοντέλο πράκτορα. Για το τελικό αποτέλεσμα, επιθεωρήστε τις εξαγόμενες τιμές ως προς την πηγή τους, ελέγξτε ότι ένα παρατιθέμενο απόσπασμα υποστηρίζει την απάντηση και διακρίνετε μια ζητούμενη κλήση εργαλείου από μια ενέργεια με καταγεγραμμένο αποτέλεσμα. Διατηρήστε τις εκκρεμείς πληροφορίες όταν επηρεάζουν το συμπέρασμα, αντί να αφήνετε το καλογραμμένο κείμενο να τις αποκρύπτει.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "72e9b849f3926c86b3a94509e7ba0cb6b061ee5bdd99b3ae1966ad6b463f394e",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "el",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">LiquidAI: LFM2.5-2.6B (free)</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Κλείσιμο\">×</button></div><div class=\"idline\"><span>LiquidAI /</span><code>liquid/lfm-2.5-2.6b:free</code><button type=\"button\" id=\"copy-id\">Αντιγραφή ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Ενότητες κάρτας μοντέλου\"><button type=\"button\" data-card-jump=\"overview\">Εισαγωγή</button><button type=\"button\" data-card-jump=\"methods\">Είσοδοι και μέθοδοι</button><button type=\"button\" data-card-jump=\"pricing\">Τιμολόγηση</button><button type=\"button\" data-card-jump=\"examples\">Παραδείγματα</button><button type=\"button\" data-card-jump=\"results\">Αποτελέσματα</button><button type=\"button\" data-card-jump=\"aliases\">Εναλλακτικά ονόματα</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Μέθοδοι API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|chat|/v1/chat/completions|liquid%2Flfm-2.5-2.6b%3Afree\">Chat</button><button type=\"button\" role=\"tab\" tabindex=\"-1\" aria-controls=\"card-method-content\" aria-selected=\"false\" id=\"card-method-tab-1\" data-card-method=\"Ultra|messages|/v1/messages|liquid%2Flfm-2.5-2.6b%3Afree\">Messages</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Εισαγωγή</h3><p class=\"mdesc-full\">Το Liquid AI LFM2.5-2.6B είναι ένα συμπαγές μοντέλο συλλογιστικής κειμένου για πράκτορες, χρήση εργαλείων, εξαγωγή δεδομένων και RAG. Ο υβριδικός σχεδιασμός του έχει 2,69 δισ. παραμέτρους. Συλλογίζεται πριν απαντήσει και αποδίδει καλύτερα με συγκεκριμένο υλικό πηγών και σαφώς ορισμένα εργαλεία· ο κατασκευαστής προειδοποιεί για τη χρήση του σε προγραμματισμό μέσω πρακτόρων και εργασίες που απαιτούν εκτεταμένες γνώσεις.</p><dl class=\"card-io\" data-card-io><div><dt>Αποδεκτές είσοδοι</dt><dd>Κείμενο</dd></div><div><dt>Αποτελέσματα</dt><dd>Κείμενο</dd></div></dl><details class=\"card-about\"><summary>Σχετικά με το μοντέλο</summary><p class=\"note-s\" data-model-method-boundary>Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.</p><div class=\"mabout\" id=\"m-about\"><p>Το Liquid AI LFM2.5-2.6B είναι το μετεκπαιδευμένο μοντέλο κειμένου στη συμπαγή οικογένεια LFM2.5 της Liquid, σχεδιασμένο για πράκτορες που λειτουργούν στη συσκευή και πρακτικές ροές εργασίας. Η ακριβής κάρτα μοντέλου του αναφέρει 2,69 δισ. παραμέτρους και 30 στρώματα: 22 μπλοκ βραχείας συνέλιξης διπλής πύλης και οκτώ μπλοκ προσοχής ομαδοποιημένων ερωτημάτων. Ο υβριδικός σχεδιασμός στοχεύει στην αποδοτική επεξεργασία κειμένου. Το μοντέλο δέχεται κείμενο και επιστρέφει κείμενο, συμπεριλαμβανομένης μιας αιτιολογημένης απάντησης ή αιτήματος χρήσης μιας καθορισμένης συνάρτησης.</p><p>Ο κατασκευαστής το συνιστά για εργασίες πρακτόρων, χρήση εργαλείων, εξαγωγή δεδομένων, παραγωγή ενισχυμένη με ανάκτηση και ροές μεγάλου πλαισίου. Η διαδικασία εκπαίδευσης της έκδοσης συνδυάζει επιβλεπόμενη λεπτομερή προσαρμογή, εξειδικευμένα μοντέλα-δασκάλους, απόσταξη βάσει της τρέχουσας πολιτικής σε πολλούς τομείς και ενισχυτική μάθηση μέσα σε περιβάλλοντα πρακτόρων. Αυτό βοηθά να εξηγηθεί η έμφαση στην ακολούθηση οδηγιών εργασίας, τη χρήση παρατηρήσεων εργαλείων και την πρόοδο μέσα από πολλά βήματα. Δώστε του τα πραγματικά υλικά και ακριβή στόχο, αντί να βασίζεστε σε ευρείες μαθημένες γνώσεις για την κάλυψη κενών.</p><p>Για εξαγωγή, ορίστε τα πεδία και τους κανόνες πηγών πριν παρέχετε το υλικό. Ένα πρακτικό αίτημα είναι: «Διάβασε αυτές τις ενημερώσεις υπηρεσίας, εξήγαγε το αναγνωριστικό κάθε εγγραφής, τη δηλωμένη κατάστασή της και την επόμενη απαιτούμενη ενέργεια και διατήρησε την πρόταση που υποστηρίζει κάθε πεδίο. Επίστρεψε null όταν ένα πεδίο λείπει». Προσδιορίστε αν μια τιμή πρέπει να αντιγραφεί ακριβώς, να κανονικοποιηθεί ή να συναχθεί. Έτσι η έξοδος γίνεται ελέγξιμη και αποτρέπεται η σιωπηρή αντικατάσταση πληροφοριών που πράγματι υπάρχουν στην πηγή από μια εύλογη ερμηνεία.</p><p>Για RAG, παρέχετε σχετικά αποσπάσματα με σταθερές ετικέτες και ζητήστε απάντηση τεκμηριωμένη σε αυτά. Ένα παράδειγμα είναι: «Χρησιμοποιώντας μόνο αυτές τις οδηγίες εγκατάστασης, εξήγησε ποια βήματα ισχύουν για το δηλωμένο περιβάλλον και κατάγραψε τα προαπαιτούμενα που παραμένουν άγνωστα». Διατηρήστε τις εκδόσεις εγγράφων και τις συνθήκες μαζί με το κείμενο. Ζητήστε από το μοντέλο να εντοπίσει ένα ελλείπον ή αντικρουόμενο γεγονός αντί να επινοήσει πλήρη διαδικασία. Αυτό ταιριάζει καλύτερα στη σύσταση του κατασκευαστή για εργασίες βασισμένες σε πηγές από το να ζητάτε από το συμπαγές μοντέλο να λειτουργεί ως εξαντλητική αποθήκη εξειδικευμένης γνώσης.</p><p>Το LFM2.5-2.6B είναι αμιγές μοντέλο συλλογιστικής: το πρότυπο συνομιλίας του αρχίζει την απάντηση του βοηθού με δείκτη σκέψης και το μοντέλο συλλογίζεται πριν από την τελική απάντηση. Η κάρτα μοντέλου του κατασκευαστή συνιστά temperature 0.1, top-k 50 και ποινή επανάληψης 1.1 για την παραγωγή. Αυτές είναι ρυθμίσεις των οδηγιών για το συγκεκριμένο μοντέλο. Κρατήστε το τελικό παραδοτέο διακριτό από το κείμενο συλλογιστικής και αφήστε χώρο και για τα δύο σε ένα αίτημα εργασίας. Δεν πρέπει να θεωρούνται δεδομένες για αυτό το μοντέλο ρυθμίσεις ή λειτουργίες άμεσης απάντησης που ανήκουν σε άλλες εκδόσεις οδηγιών LFM.</p><p>Το μοντέλο χρησιμοποιεί μορφή συνομιλίας παρόμοια με ChatML, με ρόλους system, user, assistant και tool. Η τεκμηριωμένη ροή συναρτήσεών του έχει τέσσερα στάδια: ορισμός εργαλείων, αίτημα συνάρτησης από το μοντέλο, εκτέλεση της συνάρτησης στην περιβάλλουσα εφαρμογή και επιστροφή του πραγματικού αποτελέσματος ώστε το μοντέλο να απαντήσει. Οι εγγενείς κλήσεις είναι λίστες σε σύνταξη τύπου Python που περικλείονται από δείκτες κλήσης εργαλείου· ο κατασκευαστής περιγράφει επίσης αίτημα μορφής κλήσης JSON μέσω της οδηγίας συστήματος. Χρησιμοποιήστε τον κατάλληλο αναλυτή, ελέγξτε το όνομα συνάρτησης και τα ορίσματα ως προς τους παρεχόμενους ορισμούς και διατηρήστε το αποτέλεσμα μαζί με την κλήση που το παρήγαγε.</p><p>Για μια συμπαγή ροή πράκτορα, εκθέστε μόνο τις συναρτήσεις που σχετίζονται με την τρέχουσα εργασία, με συνοπτικές περιγραφές και ρητούς τύπους ορισμάτων. Οι ίδιοι οι ορισμοί εργαλείων καταλαμβάνουν πλαίσιο. Μια χρήσιμη ακολουθία μπορεί να αναζητά την κατάσταση μιας παρεχόμενης εγγραφής, να συγκρίνει την επιστρεφόμενη κατάσταση με έναν κανόνα και να εξηγεί αν απαιτείται συνέχεια. Παρέχετε το αναγνωριστικό εγγραφής ως τεκμήριο και ζητήστε τελική απάντηση συνδεδεμένη με την επιστρεφόμενη παρατήρηση. Το μοντέλο προτείνει και ερμηνεύει την ενέργεια· η εφαρμογή παρέχει την πραγματική εκτέλεση και το αποτέλεσμά της.</p><p>Η τρέχουσα κάρτα μοντέλου του κατασκευαστή ορίζει πλαίσιο μοντέλου 131.072 token και η έκδοση περιγράφει ειδικό στάδιο επέκτασης πλαισίου. Εργαστείτε εντός του παραθύρου της διαμόρφωσης που χρησιμοποιείται, διατηρώντας όρια πηγών, σχετικό ιστορικό και χώρο για τη συνέχεια. Για πολλά έγγραφα, ζητήστε συγκεκριμένη σύγκριση ή εξάρτηση προς ανίχνευση. Το εγγενές checkpoint και τα παραδοτέα GGUF, ONNX και MLX εξυπηρετούν διαφορετικές ανάγκες εγκατάστασης, ενώ ένα μοντέλο προτάσεων για speculative decoding είναι ξεχωριστό συνοδευτικό παραδοτέο. Μεγέθη πόρων ή ταχύτητας μιας διαμόρφωσης δεν περιγράφουν αυτόματα κάθε μορφή μοντέλου και παράθυρο εργασίας.</p><p>Η Liquid δηλώνει ρητά ότι δεν συνιστά το LFM2.5-2.6B για προγραμματισμό μέσω πρακτόρων ή εργασίες που απαιτούν εκτεταμένες γνώσεις. Κρατήστε το εστιασμένο σε συγκεκριμένες ροές με παρεχόμενα τεκμήρια, κανόνες εξαγωγής και παρατηρήσεις εργαλείων. Το προεκπαιδευμένο checkpoint Base είναι επίσης ξεχωριστό παραδοτέο που προορίζεται για προσαρμογή, ενώ αυτή η μετεκπαιδευμένη έκδοση είναι το μοντέλο πράκτορα. Για το τελικό αποτέλεσμα, επιθεωρήστε τις εξαγόμενες τιμές ως προς την πηγή τους, ελέγξτε ότι ένα παρατιθέμενο απόσπασμα υποστηρίζει την απάντηση και διακρίνετε μια ζητούμενη κλήση εργαλείου από μια ενέργεια με καταγεγραμμένο αποτέλεσμα. Διατηρήστε τις εκκρεμείς πληροφορίες όταν επηρεάζουν το συμπέρασμα, αντί να αφήνετε το καλογραμμένο κείμενο να τις αποκρύπτει.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · OpenAI Chat</b> <code>POST /v1/chat/completions</code></summary><dl class=\"method-capabilities\"><div><dt>Είσοδος</dt><dd><code>text</code></dd></div><div><dt>Έξοδος</dt><dd><code>text</code></dd></div><div><dt>Παράθυρο συμφραζομένων</dt><dd>65.536 tokens</dd></div><div><dt>Μέγιστη έξοδος</dt><dd>8.192 tokens</dd></div><div><dt>Μορφή εξόδου</dt><dd>JSON</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Πεδίο</th><th>Τύπος</th><th>Απαίτηση</th><th>Τιμές και όρια</th><th>Προεπιλογή</th></tr></thead><tbody><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Υποχρεωτικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>liquid/lfm-2.5-2.6b:free</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">messages</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>array</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Υποχρεωτικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">stream</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>boolean</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>false</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"known\"><span class=\"card-cell-label\">Προεπιλογή</span>false</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">max_tokens</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>integer</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>Ελάχιστο: 1</div><div>Μέγιστο: 8.192</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">max_completion_tokens</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>integer</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>Ελάχιστο: 1</div><div>Μέγιστο: 8.192</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">n</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>integer</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>Ελάχιστο: 1</div><div>Μέγιστο: 128</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">temperature</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>number</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">top_p</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>number</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">seed</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>integer</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">stop</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code></code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">frequency_penalty</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>number</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">presence_penalty</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>number</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">user</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>Παράμετροι και κύκλος ζωής μεθόδου</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Παράμετρος</th><th>Σύμβαση</th></tr></thead><tbody><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>content_type</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>application/json</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>required</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>model, messages</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>optional</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>stream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>material_types</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>text</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>conditions</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>Use literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 65536 bytes.</td></tr></tbody></table></div><p>Κύκλος ζωής: <code>synchronous_json</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Τιμολόγηση</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.</p><dl data-price-conditions><dt>Γρήγορη λειτουργία</dt><dd>Τυπική χρέωση <span class=\"note-s\">Όταν επιλέγεται η γρήγορη λειτουργία</span></dd><dt>Λειτουργία flex</dt><dd>Τυπική χρέωση <span class=\"note-s\">Όταν επιλέγεται η λειτουργία flex</span></dd><dt>Μέγιστη προσπάθεια συλλογισμού</dt><dd>Τυπική χρέωση <span class=\"note-s\">Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default</span></dd><dt>Τιμολόγηση ρητής αποθήκευσης στην κρυφή μνήμη</dt><dd>Δεν είναι ενεργοποιημένο <span class=\"note-s\">Όταν ζητείται ρητή αποθήκευση στην κρυφή μνήμη</span></dd><dt>Μηδενικές χρεώσεις μόνο για κείμενο</dt><dd>Text input and output only. Cache, tools, media and streaming are unavailable. <span class=\"note-s\">Για είσοδο και έξοδο μόνο με κείμενο</span></dd></dl></div><div data-declared-tariff-pricing><h4>Χρεώσεις Ailoot</h4><h4>Τιμές ανά διαμόρφωση</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Διαμόρφωση</th><th>Πίνακας χρεώσεων</th><th>Χρέωση</th></tr></thead><tbody><tr><th data-cell-label=\"Διαμόρφωση\" scope=\"row\"><span class=\"card-cell-label\">Διαμόρφωση</span>Βασικές χρεώσεις token</th><td data-cell-label=\"Πίνακας χρεώσεων\"><span class=\"card-cell-label\">Πίνακας χρεώσεων</span>Βασική χρέωση</td><td data-cell-label=\"Χρέωση\"><span class=\"card-cell-label\">Χρέωση</span><div><span>Είσοδος · Token εισόδου</span> <b>$0</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Έξοδος · Token εξόδου</span> <b>$0</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Ανάγνωση από την κρυφή μνήμη</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Εγγραφή στην κρυφή μνήμη</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. <a href=\"/docs/el/billing/reserve/\">Πώς λειτουργούν η δέσμευση και η εκκαθάριση →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Παραδείγματα αιτημάτων</h3><h4>Ailoot Ultra · OpenAI Chat</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Παραλλαγές κώδικα\"><button class=\"cg-tab\" id=\"model-code-48-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-48-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · δημιουργήστε μία φορά και διατηρήστε το πλήρες αποτέλεσμα</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Αντιγραφή κώδικα\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-48-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-48-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\nexport AILOOT_API_KEY\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\np=json.loads(&#39;{&quot;model&quot;: &quot;liquid/lfm-2.5-2.6b:free&quot;, &quot;messages&quot;: [{&quot;role&quot;: &quot;user&quot;, &quot;content&quot;: &quot;Summarize the supplied text in three concise points.&quot;}], &quot;stream&quot;: false}&#39;)\n\nPath(&quot;request.json&quot;).write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Λήψη και αποθήκευση αποτελεσμάτων</h3><h4>Ailoot Ultra · OpenAI Chat</h4><p class=\"note-s\">JSON</p><div class=\"card-result-process\" data-all-results><h5>Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα</h5><p class=\"note-s\">Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.</p><p class=\"note-s\">Retain the complete response, all actual results, original identifiers, usage and response headers.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Αν χρειάζεται έλεγχος της αρχικής απάντησης</h5><p class=\"note-s\">Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.</p></div></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Εναλλακτικά ονόματα</h3><h4>Εναλλακτικά ονόματα μοντέλου</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=liquid%2Flfm-2.5-2.6b%3Afree&amp;route=Ultra&amp;caller=liquid%2Flfm-2.5-2.6b%3Afree&amp;fmt=chat\"><code>liquid/lfm-2.5-2.6b:free</code></a></span></p><h4>Εναλλακτικές διαδρομές μεθόδων</h4><p class=\"note-s\">Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.</p><h4>Σχετικά ID μοντέλων</h4><p class=\"note-s\"><a href=\"#m=liquid%2Flfm-2.5-2.6b%3Afree&amp;route=Ultra&amp;caller=liquid%2Flfm-2.5-2.6b%3Afree&amp;fmt=chat\"><code>liquid/lfm-2.5-2.6b:free</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "liquid/lfm-2.5-2.6b:free",
        "fmt": "chat",
        "http": "POST",
        "path": "/v1/chat/completions",
        "request_model_id": "liquid/lfm-2.5-2.6b:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|chat|/v1/chat/completions|liquid%2Flfm-2.5-2.6b%3Afree",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "authentication": {
              "api_key_source": "AILOOT_API_KEY",
              "header": "Authorization: Bearer"
            },
            "example_body": {
              "messages": [
                {
                  "content": "Summarize the supplied text in three concise points.",
                  "role": "user"
                }
              ],
              "model": "liquid/lfm-2.5-2.6b:free",
              "stream": false
            },
            "lifecycle": {
              "cancel_endpoint": null,
              "create": {
                "http": "POST",
                "path": "/v1/chat/completions"
              },
              "mode": "synchronous_json",
              "status": [],
              "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
              "family": "text",
              "format": "JSON"
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "liquid/lfm-2.5-2.6b:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "items": {
                  "additionalProperties": false,
                  "properties": {
                    "content": {
                      "type": "string"
                    },
                    "role": {
                      "enum": [
                        "user",
                        "assistant",
                        "system",
                        "developer"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "role",
                    "content"
                  ],
                  "type": "object"
                },
                "minItems": 1,
                "name": "messages",
                "required": true,
                "type": "array"
              },
              {
                "default": false,
                "default_known": true,
                "enum": [
                  false
                ],
                "enum_known": true,
                "name": "stream",
                "required": false,
                "type": "boolean"
              },
              {
                "default_known": false,
                "enum_known": false,
                "maximum": 8192,
                "minimum": 1,
                "name": "max_tokens",
                "required": false,
                "type": "integer"
              },
              {
                "default_known": false,
                "enum_known": false,
                "maximum": 8192,
                "minimum": 1,
                "name": "max_completion_tokens",
                "required": false,
                "type": "integer"
              },
              {
                "default_known": false,
                "enum_known": false,
                "maximum": 128,
                "minimum": 1,
                "name": "n",
                "required": false,
                "type": "integer"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "top_p",
                "required": false,
                "type": "number"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "seed",
                "required": false,
                "type": "integer"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "stop",
                "oneOf": [
                  {
                    "type": "string"
                  },
                  {
                    "items": {
                      "type": "string"
                    },
                    "type": "array"
                  }
                ],
                "required": false
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "frequency_penalty",
                "required": false,
                "type": "number"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "presence_penalty",
                "required": false,
                "type": "number"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "string"
              }
            ],
            "request_schema": {
              "additionalProperties": false,
              "properties": {
                "frequency_penalty": {
                  "type": "number"
                },
                "max_completion_tokens": {
                  "maximum": 8192,
                  "minimum": 1,
                  "type": "integer"
                },
                "max_tokens": {
                  "maximum": 8192,
                  "minimum": 1,
                  "type": "integer"
                },
                "messages": {
                  "items": {
                    "additionalProperties": false,
                    "properties": {
                      "content": {
                        "type": "string"
                      },
                      "role": {
                        "enum": [
                          "user",
                          "assistant",
                          "system",
                          "developer"
                        ],
                        "type": "string"
                      }
                    },
                    "required": [
                      "role",
                      "content"
                    ],
                    "type": "object"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "model": {
                  "enum": [
                    "liquid/lfm-2.5-2.6b:free"
                  ],
                  "type": "string"
                },
                "n": {
                  "maximum": 128,
                  "minimum": 1,
                  "type": "integer"
                },
                "presence_penalty": {
                  "type": "number"
                },
                "seed": {
                  "type": "integer"
                },
                "stop": {
                  "oneOf": [
                    {
                      "type": "string"
                    },
                    {
                      "items": {
                        "type": "string"
                      },
                      "type": "array"
                    }
                  ]
                },
                "stream": {
                  "default": false,
                  "enum": [
                    false
                  ],
                  "type": "boolean"
                },
                "temperature": {
                  "type": "number"
                },
                "top_p": {
                  "type": "number"
                },
                "user": {
                  "type": "string"
                }
              },
              "required": [
                "model",
                "messages"
              ],
              "type": "object"
            },
            "schema_template": {
              "body": {
                "messages": [
                  {
                    "content": "Summarize the supplied text in three concise points.",
                    "role": "user"
                  }
                ],
                "model": "liquid/lfm-2.5-2.6b:free",
                "stream": false
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [
              "Use literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method.",
              "The complete encoded JSON request must not exceed 65536 bytes."
            ],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [
              "stream",
              "max_tokens",
              "max_completion_tokens",
              "n",
              "temperature",
              "top_p",
              "seed",
              "stop",
              "frequency_penalty",
              "presence_penalty",
              "user"
            ],
            "required": [
              "model",
              "messages"
            ]
          },
          "lifecycle": {
            "cancel_endpoint": null,
            "create": {
              "http": "POST",
              "path": "/v1/chat/completions"
            },
            "mode": "synchronous_json",
            "status": [],
            "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/chat/completions"
          },
          "method_aliases": [],
          "output": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "family": "text",
            "format": "JSON"
          }
        },
        "ctx": 65536,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"liquid/lfm-2.5-2.6b:free\", \"messages\": [{\"role\": \"user\", \"content\": \"Summarize the supplied text in three concise points.\"}], \"stream\": false}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n",
            "label": "curl · create once and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "chat",
        "hints": [
          "Send exact model ID with messages.",
          "Context length is not an output cap.",
          "A text file may supply literal text; image/audio/file-object inputs need exact binding."
        ],
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": 0,
        "input": [
          "text"
        ],
        "label": "OpenAI Chat",
        "max_out": 8192,
        "max_reasoning_effort_multiplier": 1,
        "method_aliases": [],
        "out": 0,
        "output": [
          "text"
        ],
        "path": "/v1/chat/completions",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Standard rate",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Standard rate",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Standard rate",
            "when": "When maximum reasoning effort uses the default adjustment"
          },
          {
            "label": "Explicit cache pricing",
            "value": "Not enabled",
            "when": "When explicit cache is requested"
          },
          {
            "label": "Text-only zero rates",
            "value": "Text input and output only. Cache, tools, media and streaming are unavailable.",
            "when": "For text-only input and output"
          }
        ],
        "pricing": {
          "allow_explicit_cache": false,
          "billing_mode": "token",
          "cache_read_price": null,
          "cache_write_1h_price": null,
          "cache_write_price": null,
          "fast_multiplier": 1,
          "flex_multiplier": 1,
          "image_input_price": null,
          "image_output_price": null,
          "input_price": 0,
          "intervals": [],
          "max_reasoning_effort_multiplier": 1,
          "output_price": 0,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "liquid/lfm-2.5-2.6b:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "unit": "token",
        "units": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    },
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">LiquidAI: LFM2.5-2.6B (free)</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Κλείσιμο\">×</button></div><div class=\"idline\"><span>LiquidAI /</span><code>liquid/lfm-2.5-2.6b:free</code><button type=\"button\" id=\"copy-id\">Αντιγραφή ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Ενότητες κάρτας μοντέλου\"><button type=\"button\" data-card-jump=\"overview\">Εισαγωγή</button><button type=\"button\" data-card-jump=\"methods\">Είσοδοι και μέθοδοι</button><button type=\"button\" data-card-jump=\"pricing\">Τιμολόγηση</button><button type=\"button\" data-card-jump=\"examples\">Παραδείγματα</button><button type=\"button\" data-card-jump=\"results\">Αποτελέσματα</button><button type=\"button\" data-card-jump=\"aliases\">Εναλλακτικά ονόματα</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Μέθοδοι API\"><button type=\"button\" role=\"tab\" tabindex=\"-1\" aria-controls=\"card-method-content\" aria-selected=\"false\" id=\"card-method-tab-0\" data-card-method=\"Ultra|chat|/v1/chat/completions|liquid%2Flfm-2.5-2.6b%3Afree\">Chat</button><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-1\" data-card-method=\"Ultra|messages|/v1/messages|liquid%2Flfm-2.5-2.6b%3Afree\">Messages</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-1\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Εισαγωγή</h3><p class=\"mdesc-full\">Το Liquid AI LFM2.5-2.6B είναι ένα συμπαγές μοντέλο συλλογιστικής κειμένου για πράκτορες, χρήση εργαλείων, εξαγωγή δεδομένων και RAG. Ο υβριδικός σχεδιασμός του έχει 2,69 δισ. παραμέτρους. Συλλογίζεται πριν απαντήσει και αποδίδει καλύτερα με συγκεκριμένο υλικό πηγών και σαφώς ορισμένα εργαλεία· ο κατασκευαστής προειδοποιεί για τη χρήση του σε προγραμματισμό μέσω πρακτόρων και εργασίες που απαιτούν εκτεταμένες γνώσεις.</p><dl class=\"card-io\" data-card-io><div><dt>Αποδεκτές είσοδοι</dt><dd>Κείμενο</dd></div><div><dt>Αποτελέσματα</dt><dd>Κείμενο</dd></div></dl><details class=\"card-about\"><summary>Σχετικά με το μοντέλο</summary><p class=\"note-s\" data-model-method-boundary>Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.</p><div class=\"mabout\" id=\"m-about\"><p>Το Liquid AI LFM2.5-2.6B είναι το μετεκπαιδευμένο μοντέλο κειμένου στη συμπαγή οικογένεια LFM2.5 της Liquid, σχεδιασμένο για πράκτορες που λειτουργούν στη συσκευή και πρακτικές ροές εργασίας. Η ακριβής κάρτα μοντέλου του αναφέρει 2,69 δισ. παραμέτρους και 30 στρώματα: 22 μπλοκ βραχείας συνέλιξης διπλής πύλης και οκτώ μπλοκ προσοχής ομαδοποιημένων ερωτημάτων. Ο υβριδικός σχεδιασμός στοχεύει στην αποδοτική επεξεργασία κειμένου. Το μοντέλο δέχεται κείμενο και επιστρέφει κείμενο, συμπεριλαμβανομένης μιας αιτιολογημένης απάντησης ή αιτήματος χρήσης μιας καθορισμένης συνάρτησης.</p><p>Ο κατασκευαστής το συνιστά για εργασίες πρακτόρων, χρήση εργαλείων, εξαγωγή δεδομένων, παραγωγή ενισχυμένη με ανάκτηση και ροές μεγάλου πλαισίου. Η διαδικασία εκπαίδευσης της έκδοσης συνδυάζει επιβλεπόμενη λεπτομερή προσαρμογή, εξειδικευμένα μοντέλα-δασκάλους, απόσταξη βάσει της τρέχουσας πολιτικής σε πολλούς τομείς και ενισχυτική μάθηση μέσα σε περιβάλλοντα πρακτόρων. Αυτό βοηθά να εξηγηθεί η έμφαση στην ακολούθηση οδηγιών εργασίας, τη χρήση παρατηρήσεων εργαλείων και την πρόοδο μέσα από πολλά βήματα. Δώστε του τα πραγματικά υλικά και ακριβή στόχο, αντί να βασίζεστε σε ευρείες μαθημένες γνώσεις για την κάλυψη κενών.</p><p>Για εξαγωγή, ορίστε τα πεδία και τους κανόνες πηγών πριν παρέχετε το υλικό. Ένα πρακτικό αίτημα είναι: «Διάβασε αυτές τις ενημερώσεις υπηρεσίας, εξήγαγε το αναγνωριστικό κάθε εγγραφής, τη δηλωμένη κατάστασή της και την επόμενη απαιτούμενη ενέργεια και διατήρησε την πρόταση που υποστηρίζει κάθε πεδίο. Επίστρεψε null όταν ένα πεδίο λείπει». Προσδιορίστε αν μια τιμή πρέπει να αντιγραφεί ακριβώς, να κανονικοποιηθεί ή να συναχθεί. Έτσι η έξοδος γίνεται ελέγξιμη και αποτρέπεται η σιωπηρή αντικατάσταση πληροφοριών που πράγματι υπάρχουν στην πηγή από μια εύλογη ερμηνεία.</p><p>Για RAG, παρέχετε σχετικά αποσπάσματα με σταθερές ετικέτες και ζητήστε απάντηση τεκμηριωμένη σε αυτά. Ένα παράδειγμα είναι: «Χρησιμοποιώντας μόνο αυτές τις οδηγίες εγκατάστασης, εξήγησε ποια βήματα ισχύουν για το δηλωμένο περιβάλλον και κατάγραψε τα προαπαιτούμενα που παραμένουν άγνωστα». Διατηρήστε τις εκδόσεις εγγράφων και τις συνθήκες μαζί με το κείμενο. Ζητήστε από το μοντέλο να εντοπίσει ένα ελλείπον ή αντικρουόμενο γεγονός αντί να επινοήσει πλήρη διαδικασία. Αυτό ταιριάζει καλύτερα στη σύσταση του κατασκευαστή για εργασίες βασισμένες σε πηγές από το να ζητάτε από το συμπαγές μοντέλο να λειτουργεί ως εξαντλητική αποθήκη εξειδικευμένης γνώσης.</p><p>Το LFM2.5-2.6B είναι αμιγές μοντέλο συλλογιστικής: το πρότυπο συνομιλίας του αρχίζει την απάντηση του βοηθού με δείκτη σκέψης και το μοντέλο συλλογίζεται πριν από την τελική απάντηση. Η κάρτα μοντέλου του κατασκευαστή συνιστά temperature 0.1, top-k 50 και ποινή επανάληψης 1.1 για την παραγωγή. Αυτές είναι ρυθμίσεις των οδηγιών για το συγκεκριμένο μοντέλο. Κρατήστε το τελικό παραδοτέο διακριτό από το κείμενο συλλογιστικής και αφήστε χώρο και για τα δύο σε ένα αίτημα εργασίας. Δεν πρέπει να θεωρούνται δεδομένες για αυτό το μοντέλο ρυθμίσεις ή λειτουργίες άμεσης απάντησης που ανήκουν σε άλλες εκδόσεις οδηγιών LFM.</p><p>Το μοντέλο χρησιμοποιεί μορφή συνομιλίας παρόμοια με ChatML, με ρόλους system, user, assistant και tool. Η τεκμηριωμένη ροή συναρτήσεών του έχει τέσσερα στάδια: ορισμός εργαλείων, αίτημα συνάρτησης από το μοντέλο, εκτέλεση της συνάρτησης στην περιβάλλουσα εφαρμογή και επιστροφή του πραγματικού αποτελέσματος ώστε το μοντέλο να απαντήσει. Οι εγγενείς κλήσεις είναι λίστες σε σύνταξη τύπου Python που περικλείονται από δείκτες κλήσης εργαλείου· ο κατασκευαστής περιγράφει επίσης αίτημα μορφής κλήσης JSON μέσω της οδηγίας συστήματος. Χρησιμοποιήστε τον κατάλληλο αναλυτή, ελέγξτε το όνομα συνάρτησης και τα ορίσματα ως προς τους παρεχόμενους ορισμούς και διατηρήστε το αποτέλεσμα μαζί με την κλήση που το παρήγαγε.</p><p>Για μια συμπαγή ροή πράκτορα, εκθέστε μόνο τις συναρτήσεις που σχετίζονται με την τρέχουσα εργασία, με συνοπτικές περιγραφές και ρητούς τύπους ορισμάτων. Οι ίδιοι οι ορισμοί εργαλείων καταλαμβάνουν πλαίσιο. Μια χρήσιμη ακολουθία μπορεί να αναζητά την κατάσταση μιας παρεχόμενης εγγραφής, να συγκρίνει την επιστρεφόμενη κατάσταση με έναν κανόνα και να εξηγεί αν απαιτείται συνέχεια. Παρέχετε το αναγνωριστικό εγγραφής ως τεκμήριο και ζητήστε τελική απάντηση συνδεδεμένη με την επιστρεφόμενη παρατήρηση. Το μοντέλο προτείνει και ερμηνεύει την ενέργεια· η εφαρμογή παρέχει την πραγματική εκτέλεση και το αποτέλεσμά της.</p><p>Η τρέχουσα κάρτα μοντέλου του κατασκευαστή ορίζει πλαίσιο μοντέλου 131.072 token και η έκδοση περιγράφει ειδικό στάδιο επέκτασης πλαισίου. Εργαστείτε εντός του παραθύρου της διαμόρφωσης που χρησιμοποιείται, διατηρώντας όρια πηγών, σχετικό ιστορικό και χώρο για τη συνέχεια. Για πολλά έγγραφα, ζητήστε συγκεκριμένη σύγκριση ή εξάρτηση προς ανίχνευση. Το εγγενές checkpoint και τα παραδοτέα GGUF, ONNX και MLX εξυπηρετούν διαφορετικές ανάγκες εγκατάστασης, ενώ ένα μοντέλο προτάσεων για speculative decoding είναι ξεχωριστό συνοδευτικό παραδοτέο. Μεγέθη πόρων ή ταχύτητας μιας διαμόρφωσης δεν περιγράφουν αυτόματα κάθε μορφή μοντέλου και παράθυρο εργασίας.</p><p>Η Liquid δηλώνει ρητά ότι δεν συνιστά το LFM2.5-2.6B για προγραμματισμό μέσω πρακτόρων ή εργασίες που απαιτούν εκτεταμένες γνώσεις. Κρατήστε το εστιασμένο σε συγκεκριμένες ροές με παρεχόμενα τεκμήρια, κανόνες εξαγωγής και παρατηρήσεις εργαλείων. Το προεκπαιδευμένο checkpoint Base είναι επίσης ξεχωριστό παραδοτέο που προορίζεται για προσαρμογή, ενώ αυτή η μετεκπαιδευμένη έκδοση είναι το μοντέλο πράκτορα. Για το τελικό αποτέλεσμα, επιθεωρήστε τις εξαγόμενες τιμές ως προς την πηγή τους, ελέγξτε ότι ένα παρατιθέμενο απόσπασμα υποστηρίζει την απάντηση και διακρίνετε μια ζητούμενη κλήση εργαλείου από μια ενέργεια με καταγεγραμμένο αποτέλεσμα. Διατηρήστε τις εκκρεμείς πληροφορίες όταν επηρεάζουν το συμπέρασμα, αντί να αφήνετε το καλογραμμένο κείμενο να τις αποκρύπτει.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Anthropic Messages</b> <code>POST /v1/messages</code></summary><dl class=\"method-capabilities\"><div><dt>Είσοδος</dt><dd><code>text</code></dd></div><div><dt>Έξοδος</dt><dd><code>text</code></dd></div><div><dt>Παράθυρο συμφραζομένων</dt><dd>65.536 tokens</dd></div><div><dt>Μέγιστη έξοδος</dt><dd>8.192 tokens</dd></div><div><dt>Μορφή εξόδου</dt><dd>JSON</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Πεδίο</th><th>Τύπος</th><th>Απαίτηση</th><th>Τιμές και όρια</th><th>Προεπιλογή</th></tr></thead><tbody><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Υποχρεωτικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>liquid/lfm-2.5-2.6b:free</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">messages</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>array</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Υποχρεωτικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">stream</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>boolean</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>false</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"known\"><span class=\"card-cell-label\">Προεπιλογή</span>false</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">system</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">max_tokens</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>integer</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Υποχρεωτικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>Ελάχιστο: 1</div><div>Μέγιστο: 8.192</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">temperature</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>number</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">top_p</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>number</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">top_k</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>integer</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">stop_sequences</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>array</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">metadata</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>object</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>Παράμετροι και κύκλος ζωής μεθόδου</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Παράμετρος</th><th>Σύμβαση</th></tr></thead><tbody><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>content_type</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>application/json</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>required</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>model, messages, max_tokens</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>optional</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>stream, system, temperature, top_p, top_k, stop_sequences, metadata</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>material_types</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>text</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>conditions</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>Use literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 65536 bytes.</td></tr></tbody></table></div><p>Κύκλος ζωής: <code>synchronous_json</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Τιμολόγηση</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.</p><dl data-price-conditions><dt>Γρήγορη λειτουργία</dt><dd>Τυπική χρέωση <span class=\"note-s\">Όταν επιλέγεται η γρήγορη λειτουργία</span></dd><dt>Λειτουργία flex</dt><dd>Τυπική χρέωση <span class=\"note-s\">Όταν επιλέγεται η λειτουργία flex</span></dd><dt>Μέγιστη προσπάθεια συλλογισμού</dt><dd>Τυπική χρέωση <span class=\"note-s\">Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default</span></dd><dt>Μηδενικές χρεώσεις μόνο για κείμενο</dt><dd>Text input and output only. Cache, tools, media and streaming are unavailable. <span class=\"note-s\">Για είσοδο και έξοδο μόνο με κείμενο</span></dd></dl></div><div data-declared-tariff-pricing><h4>Χρεώσεις Ailoot</h4><h4>Τιμές ανά διαμόρφωση</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Διαμόρφωση</th><th>Πίνακας χρεώσεων</th><th>Χρέωση</th></tr></thead><tbody><tr><th data-cell-label=\"Διαμόρφωση\" scope=\"row\"><span class=\"card-cell-label\">Διαμόρφωση</span>Βασικές χρεώσεις token</th><td data-cell-label=\"Πίνακας χρεώσεων\"><span class=\"card-cell-label\">Πίνακας χρεώσεων</span>Βασική χρέωση</td><td data-cell-label=\"Χρέωση\"><span class=\"card-cell-label\">Χρέωση</span><div><span>Είσοδος · Token εισόδου</span> <b>$0</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Έξοδος · Token εξόδου</span> <b>$0</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Ανάγνωση από την κρυφή μνήμη</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Εγγραφή στην κρυφή μνήμη</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. <a href=\"/docs/el/billing/reserve/\">Πώς λειτουργούν η δέσμευση και η εκκαθάριση →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Παραδείγματα αιτημάτων</h3><h4>Ailoot Ultra · Anthropic Messages</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Παραλλαγές κώδικα\"><button class=\"cg-tab\" id=\"model-code-49-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-49-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · δημιουργήστε μία φορά και διατηρήστε το πλήρες αποτέλεσμα</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Αντιγραφή κώδικα\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-49-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-49-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\nexport AILOOT_API_KEY\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\np=json.loads(&#39;{&quot;model&quot;: &quot;liquid/lfm-2.5-2.6b:free&quot;, &quot;messages&quot;: [{&quot;role&quot;: &quot;user&quot;, &quot;content&quot;: &quot;Summarize the supplied text in three concise points.&quot;}], &quot;stream&quot;: false, &quot;max_tokens&quot;: 256}&#39;)\n\nPath(&quot;request.json&quot;).write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Λήψη και αποθήκευση αποτελεσμάτων</h3><h4>Ailoot Ultra · Anthropic Messages</h4><p class=\"note-s\">JSON</p><div class=\"card-result-process\" data-all-results><h5>Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα</h5><p class=\"note-s\">Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.</p><p class=\"note-s\">Retain the complete response, all actual results, original identifiers, usage and response headers.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Αν χρειάζεται έλεγχος της αρχικής απάντησης</h5><p class=\"note-s\">Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.</p></div></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Εναλλακτικά ονόματα</h3><h4>Εναλλακτικά ονόματα μοντέλου</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=liquid%2Flfm-2.5-2.6b%3Afree&amp;route=Ultra&amp;caller=liquid%2Flfm-2.5-2.6b%3Afree&amp;fmt=messages\"><code>liquid/lfm-2.5-2.6b:free</code></a></span></p><h4>Εναλλακτικές διαδρομές μεθόδων</h4><p class=\"note-s\">Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.</p><h4>Σχετικά ID μοντέλων</h4><p class=\"note-s\"><a href=\"#m=liquid%2Flfm-2.5-2.6b%3Afree&amp;route=Ultra&amp;caller=liquid%2Flfm-2.5-2.6b%3Afree&amp;fmt=messages\"><code>liquid/lfm-2.5-2.6b:free</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "liquid/lfm-2.5-2.6b:free",
        "fmt": "messages",
        "http": "POST",
        "path": "/v1/messages",
        "request_model_id": "liquid/lfm-2.5-2.6b:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|messages|/v1/messages|liquid%2Flfm-2.5-2.6b%3Afree",
      "ordinal": 1,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "authentication": {
              "api_key_source": "AILOOT_API_KEY",
              "header": "Authorization: Bearer"
            },
            "example_body": {
              "max_tokens": 256,
              "messages": [
                {
                  "content": "Summarize the supplied text in three concise points.",
                  "role": "user"
                }
              ],
              "model": "liquid/lfm-2.5-2.6b:free",
              "stream": false
            },
            "lifecycle": {
              "cancel_endpoint": null,
              "create": {
                "http": "POST",
                "path": "/v1/messages"
              },
              "mode": "synchronous_json",
              "status": [],
              "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
              "family": "text",
              "format": "JSON"
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "liquid/lfm-2.5-2.6b:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "items": {
                  "additionalProperties": false,
                  "properties": {
                    "content": {
                      "type": "string"
                    },
                    "role": {
                      "enum": [
                        "user",
                        "assistant"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "role",
                    "content"
                  ],
                  "type": "object"
                },
                "minItems": 1,
                "name": "messages",
                "required": true,
                "type": "array"
              },
              {
                "default": false,
                "default_known": true,
                "enum": [
                  false
                ],
                "enum_known": true,
                "name": "stream",
                "required": false,
                "type": "boolean"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "system",
                "required": false,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "maximum": 8192,
                "minimum": 1,
                "name": "max_tokens",
                "required": true,
                "type": "integer"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "top_p",
                "required": false,
                "type": "number"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "top_k",
                "required": false,
                "type": "integer"
              },
              {
                "default_known": false,
                "enum_known": false,
                "items": {
                  "type": "string"
                },
                "name": "stop_sequences",
                "required": false,
                "type": "array"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "metadata",
                "required": false,
                "type": "object"
              }
            ],
            "request_schema": {
              "additionalProperties": false,
              "properties": {
                "max_tokens": {
                  "maximum": 8192,
                  "minimum": 1,
                  "type": "integer"
                },
                "messages": {
                  "items": {
                    "additionalProperties": false,
                    "properties": {
                      "content": {
                        "type": "string"
                      },
                      "role": {
                        "enum": [
                          "user",
                          "assistant"
                        ],
                        "type": "string"
                      }
                    },
                    "required": [
                      "role",
                      "content"
                    ],
                    "type": "object"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "metadata": {
                  "type": "object"
                },
                "model": {
                  "enum": [
                    "liquid/lfm-2.5-2.6b:free"
                  ],
                  "type": "string"
                },
                "stop_sequences": {
                  "items": {
                    "type": "string"
                  },
                  "type": "array"
                },
                "stream": {
                  "default": false,
                  "enum": [
                    false
                  ],
                  "type": "boolean"
                },
                "system": {
                  "type": "string"
                },
                "temperature": {
                  "type": "number"
                },
                "top_k": {
                  "type": "integer"
                },
                "top_p": {
                  "type": "number"
                }
              },
              "required": [
                "model",
                "messages",
                "max_tokens"
              ],
              "type": "object"
            },
            "schema_template": {
              "body": {
                "max_tokens": 256,
                "messages": [
                  {
                    "content": "Summarize the supplied text in three concise points.",
                    "role": "user"
                  }
                ],
                "model": "liquid/lfm-2.5-2.6b:free",
                "stream": false
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [
              "Use literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method.",
              "The complete encoded JSON request must not exceed 65536 bytes."
            ],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [
              "stream",
              "system",
              "temperature",
              "top_p",
              "top_k",
              "stop_sequences",
              "metadata"
            ],
            "required": [
              "model",
              "messages",
              "max_tokens"
            ]
          },
          "lifecycle": {
            "cancel_endpoint": null,
            "create": {
              "http": "POST",
              "path": "/v1/messages"
            },
            "mode": "synchronous_json",
            "status": [],
            "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/messages"
          },
          "method_aliases": [],
          "output": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "family": "text",
            "format": "JSON"
          }
        },
        "ctx": 65536,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"liquid/lfm-2.5-2.6b:free\", \"messages\": [{\"role\": \"user\", \"content\": \"Summarize the supplied text in three concise points.\"}], \"stream\": false, \"max_tokens\": 256}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n",
            "label": "curl · create once and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "anthropic",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "messages",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": 0,
        "input": [
          "text"
        ],
        "label": "Anthropic Messages",
        "max_out": 8192,
        "max_reasoning_effort_multiplier": 1,
        "method_aliases": [],
        "out": 0,
        "output": [
          "text"
        ],
        "path": "/v1/messages",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Standard rate",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Standard rate",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Standard rate",
            "when": "When maximum reasoning effort uses the default adjustment"
          },
          {
            "label": "Text-only zero rates",
            "value": "Text input and output only. Cache, tools, media and streaming are unavailable.",
            "when": "For text-only input and output"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "cache_read_price": null,
          "cache_write_1h_price": null,
          "cache_write_price": null,
          "fast_multiplier": 1,
          "flex_multiplier": 1,
          "image_input_price": null,
          "image_output_price": null,
          "input_price": 0,
          "intervals": [],
          "max_reasoning_effort_multiplier": 1,
          "output_price": 0,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "liquid/lfm-2.5-2.6b:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "unit": "token",
        "units": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    }
  ],
  "model_id": "liquid/lfm-2.5-2.6b:free",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "d359910ca8ce07a5a8396e0783037fdf683e2a19e535c13f389cedf71ad95dea",
    "input_html_sha256": "c132bbc69b64cfa36572eea89eb1b2d637aaec8ba15d088a3b47565840317369",
    "private_audit_sha256": "34281abacc83395919f34c43171c720f56a85bec037c7e7f49e3d4be4cde02f9",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/el/liquid-lfm-2-5-2-6b-u003a-free/",
    "description": "Το Liquid AI LFM2.5-2.6B είναι ένα συμπαγές μοντέλο συλλογιστικής κειμένου για πράκτορες, χρήση εργαλείων, εξαγωγή δεδομένων και RAG. Ο υβριδικός σχεδιασμός του έχει 2,69 δισ. παραμέτρους. Συλλογίζεται πριν απαντήσει και αποδίδει καλύτερα με συγκεκριμένο υλικό πηγών και σαφώς ορισμένα εργαλεία· ο κατασκευαστής προειδοποιεί για τη χρήση του σε προγραμματισμό μέσω πρακτόρων και εργασίες που απαιτούν εκτεταμένες γνώσεις.",
    "locale": "el",
    "md_url": "https://ailoot.ai/models/el/liquid-lfm-2-5-2-6b-u003a-free/index.md",
    "title": "LiquidAI: LFM2.5-2.6B (free) — Ailoot",
    "url": "https://ailoot.ai/models/el/liquid-lfm-2-5-2-6b-u003a-free/"
  },
  "rawModel": {
    "about": "Το Liquid AI LFM2.5-2.6B είναι το μετεκπαιδευμένο μοντέλο κειμένου στη συμπαγή οικογένεια LFM2.5 της Liquid, σχεδιασμένο για πράκτορες που λειτουργούν στη συσκευή και πρακτικές ροές εργασίας. Η ακριβής κάρτα μοντέλου του αναφέρει 2,69 δισ. παραμέτρους και 30 στρώματα: 22 μπλοκ βραχείας συνέλιξης διπλής πύλης και οκτώ μπλοκ προσοχής ομαδοποιημένων ερωτημάτων. Ο υβριδικός σχεδιασμός στοχεύει στην αποδοτική επεξεργασία κειμένου. Το μοντέλο δέχεται κείμενο και επιστρέφει κείμενο, συμπεριλαμβανομένης μιας αιτιολογημένης απάντησης ή αιτήματος χρήσης μιας καθορισμένης συνάρτησης.\n\nΟ κατασκευαστής το συνιστά για εργασίες πρακτόρων, χρήση εργαλείων, εξαγωγή δεδομένων, παραγωγή ενισχυμένη με ανάκτηση και ροές μεγάλου πλαισίου. Η διαδικασία εκπαίδευσης της έκδοσης συνδυάζει επιβλεπόμενη λεπτομερή προσαρμογή, εξειδικευμένα μοντέλα-δασκάλους, απόσταξη βάσει της τρέχουσας πολιτικής σε πολλούς τομείς και ενισχυτική μάθηση μέσα σε περιβάλλοντα πρακτόρων. Αυτό βοηθά να εξηγηθεί η έμφαση στην ακολούθηση οδηγιών εργασίας, τη χρήση παρατηρήσεων εργαλείων και την πρόοδο μέσα από πολλά βήματα. Δώστε του τα πραγματικά υλικά και ακριβή στόχο, αντί να βασίζεστε σε ευρείες μαθημένες γνώσεις για την κάλυψη κενών.\n\nΓια εξαγωγή, ορίστε τα πεδία και τους κανόνες πηγών πριν παρέχετε το υλικό. Ένα πρακτικό αίτημα είναι: «Διάβασε αυτές τις ενημερώσεις υπηρεσίας, εξήγαγε το αναγνωριστικό κάθε εγγραφής, τη δηλωμένη κατάστασή της και την επόμενη απαιτούμενη ενέργεια και διατήρησε την πρόταση που υποστηρίζει κάθε πεδίο. Επίστρεψε null όταν ένα πεδίο λείπει». Προσδιορίστε αν μια τιμή πρέπει να αντιγραφεί ακριβώς, να κανονικοποιηθεί ή να συναχθεί. Έτσι η έξοδος γίνεται ελέγξιμη και αποτρέπεται η σιωπηρή αντικατάσταση πληροφοριών που πράγματι υπάρχουν στην πηγή από μια εύλογη ερμηνεία.\n\nΓια RAG, παρέχετε σχετικά αποσπάσματα με σταθερές ετικέτες και ζητήστε απάντηση τεκμηριωμένη σε αυτά. Ένα παράδειγμα είναι: «Χρησιμοποιώντας μόνο αυτές τις οδηγίες εγκατάστασης, εξήγησε ποια βήματα ισχύουν για το δηλωμένο περιβάλλον και κατάγραψε τα προαπαιτούμενα που παραμένουν άγνωστα». Διατηρήστε τις εκδόσεις εγγράφων και τις συνθήκες μαζί με το κείμενο. Ζητήστε από το μοντέλο να εντοπίσει ένα ελλείπον ή αντικρουόμενο γεγονός αντί να επινοήσει πλήρη διαδικασία. Αυτό ταιριάζει καλύτερα στη σύσταση του κατασκευαστή για εργασίες βασισμένες σε πηγές από το να ζητάτε από το συμπαγές μοντέλο να λειτουργεί ως εξαντλητική αποθήκη εξειδικευμένης γνώσης.\n\nΤο LFM2.5-2.6B είναι αμιγές μοντέλο συλλογιστικής: το πρότυπο συνομιλίας του αρχίζει την απάντηση του βοηθού με δείκτη σκέψης και το μοντέλο συλλογίζεται πριν από την τελική απάντηση. Η κάρτα μοντέλου του κατασκευαστή συνιστά temperature 0.1, top-k 50 και ποινή επανάληψης 1.1 για την παραγωγή. Αυτές είναι ρυθμίσεις των οδηγιών για το συγκεκριμένο μοντέλο. Κρατήστε το τελικό παραδοτέο διακριτό από το κείμενο συλλογιστικής και αφήστε χώρο και για τα δύο σε ένα αίτημα εργασίας. Δεν πρέπει να θεωρούνται δεδομένες για αυτό το μοντέλο ρυθμίσεις ή λειτουργίες άμεσης απάντησης που ανήκουν σε άλλες εκδόσεις οδηγιών LFM.\n\nΤο μοντέλο χρησιμοποιεί μορφή συνομιλίας παρόμοια με ChatML, με ρόλους system, user, assistant και tool. Η τεκμηριωμένη ροή συναρτήσεών του έχει τέσσερα στάδια: ορισμός εργαλείων, αίτημα συνάρτησης από το μοντέλο, εκτέλεση της συνάρτησης στην περιβάλλουσα εφαρμογή και επιστροφή του πραγματικού αποτελέσματος ώστε το μοντέλο να απαντήσει. Οι εγγενείς κλήσεις είναι λίστες σε σύνταξη τύπου Python που περικλείονται από δείκτες κλήσης εργαλείου· ο κατασκευαστής περιγράφει επίσης αίτημα μορφής κλήσης JSON μέσω της οδηγίας συστήματος. Χρησιμοποιήστε τον κατάλληλο αναλυτή, ελέγξτε το όνομα συνάρτησης και τα ορίσματα ως προς τους παρεχόμενους ορισμούς και διατηρήστε το αποτέλεσμα μαζί με την κλήση που το παρήγαγε.\n\nΓια μια συμπαγή ροή πράκτορα, εκθέστε μόνο τις συναρτήσεις που σχετίζονται με την τρέχουσα εργασία, με συνοπτικές περιγραφές και ρητούς τύπους ορισμάτων. Οι ίδιοι οι ορισμοί εργαλείων καταλαμβάνουν πλαίσιο. Μια χρήσιμη ακολουθία μπορεί να αναζητά την κατάσταση μιας παρεχόμενης εγγραφής, να συγκρίνει την επιστρεφόμενη κατάσταση με έναν κανόνα και να εξηγεί αν απαιτείται συνέχεια. Παρέχετε το αναγνωριστικό εγγραφής ως τεκμήριο και ζητήστε τελική απάντηση συνδεδεμένη με την επιστρεφόμενη παρατήρηση. Το μοντέλο προτείνει και ερμηνεύει την ενέργεια· η εφαρμογή παρέχει την πραγματική εκτέλεση και το αποτέλεσμά της.\n\nΗ τρέχουσα κάρτα μοντέλου του κατασκευαστή ορίζει πλαίσιο μοντέλου 131.072 token και η έκδοση περιγράφει ειδικό στάδιο επέκτασης πλαισίου. Εργαστείτε εντός του παραθύρου της διαμόρφωσης που χρησιμοποιείται, διατηρώντας όρια πηγών, σχετικό ιστορικό και χώρο για τη συνέχεια. Για πολλά έγγραφα, ζητήστε συγκεκριμένη σύγκριση ή εξάρτηση προς ανίχνευση. Το εγγενές checkpoint και τα παραδοτέα GGUF, ONNX και MLX εξυπηρετούν διαφορετικές ανάγκες εγκατάστασης, ενώ ένα μοντέλο προτάσεων για speculative decoding είναι ξεχωριστό συνοδευτικό παραδοτέο. Μεγέθη πόρων ή ταχύτητας μιας διαμόρφωσης δεν περιγράφουν αυτόματα κάθε μορφή μοντέλου και παράθυρο εργασίας.\n\nΗ Liquid δηλώνει ρητά ότι δεν συνιστά το LFM2.5-2.6B για προγραμματισμό μέσω πρακτόρων ή εργασίες που απαιτούν εκτεταμένες γνώσεις. Κρατήστε το εστιασμένο σε συγκεκριμένες ροές με παρεχόμενα τεκμήρια, κανόνες εξαγωγής και παρατηρήσεις εργαλείων. Το προεκπαιδευμένο checkpoint Base είναι επίσης ξεχωριστό παραδοτέο που προορίζεται για προσαρμογή, ενώ αυτή η μετεκπαιδευμένη έκδοση είναι το μοντέλο πράκτορα. Για το τελικό αποτέλεσμα, επιθεωρήστε τις εξαγόμενες τιμές ως προς την πηγή τους, ελέγξτε ότι ένα παρατιθέμενο απόσπασμα υποστηρίζει την απάντηση και διακρίνετε μια ζητούμενη κλήση εργαλείου από μια ενέργεια με καταγεγραμμένο αποτέλεσμα. Διατηρήστε τις εκκρεμείς πληροφορίες όταν επηρεάζουν το συμπέρασμα, αντί να αφήνετε το καλογραμμένο κείμενο να τις αποκρύπτει.",
    "alias_of": null,
    "aliases": [],
    "author": "LiquidAI",
    "capabilities": {
      "context_length": 65536,
      "manufacturer_input": [
        "text"
      ],
      "manufacturer_output": [
        "text"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          }
        ],
        "summary": "Πλήρης τιμολόγηση της διαμόρφωσης στις λεπτομέρειες."
      }
    ],
    "ctx": null,
    "formats": [
      "chat",
      "messages"
    ],
    "id": "liquid/lfm-2.5-2.6b:free",
    "input": [
      "text"
    ],
    "kind": "text",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "authentication": {
              "api_key_source": "AILOOT_API_KEY",
              "header": "Authorization: Bearer"
            },
            "example_body": {
              "messages": [
                {
                  "content": "Summarize the supplied text in three concise points.",
                  "role": "user"
                }
              ],
              "model": "liquid/lfm-2.5-2.6b:free",
              "stream": false
            },
            "lifecycle": {
              "cancel_endpoint": null,
              "create": {
                "http": "POST",
                "path": "/v1/chat/completions"
              },
              "mode": "synchronous_json",
              "status": [],
              "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
              "family": "text",
              "format": "JSON"
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "liquid/lfm-2.5-2.6b:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "items": {
                  "additionalProperties": false,
                  "properties": {
                    "content": {
                      "type": "string"
                    },
                    "role": {
                      "enum": [
                        "user",
                        "assistant",
                        "system",
                        "developer"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "role",
                    "content"
                  ],
                  "type": "object"
                },
                "minItems": 1,
                "name": "messages",
                "required": true,
                "type": "array"
              },
              {
                "default": false,
                "default_known": true,
                "enum": [
                  false
                ],
                "enum_known": true,
                "name": "stream",
                "required": false,
                "type": "boolean"
              },
              {
                "default_known": false,
                "enum_known": false,
                "maximum": 8192,
                "minimum": 1,
                "name": "max_tokens",
                "required": false,
                "type": "integer"
              },
              {
                "default_known": false,
                "enum_known": false,
                "maximum": 8192,
                "minimum": 1,
                "name": "max_completion_tokens",
                "required": false,
                "type": "integer"
              },
              {
                "default_known": false,
                "enum_known": false,
                "maximum": 128,
                "minimum": 1,
                "name": "n",
                "required": false,
                "type": "integer"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "top_p",
                "required": false,
                "type": "number"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "seed",
                "required": false,
                "type": "integer"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "stop",
                "oneOf": [
                  {
                    "type": "string"
                  },
                  {
                    "items": {
                      "type": "string"
                    },
                    "type": "array"
                  }
                ],
                "required": false
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "frequency_penalty",
                "required": false,
                "type": "number"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "presence_penalty",
                "required": false,
                "type": "number"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "string"
              }
            ],
            "request_schema": {
              "additionalProperties": false,
              "properties": {
                "frequency_penalty": {
                  "type": "number"
                },
                "max_completion_tokens": {
                  "maximum": 8192,
                  "minimum": 1,
                  "type": "integer"
                },
                "max_tokens": {
                  "maximum": 8192,
                  "minimum": 1,
                  "type": "integer"
                },
                "messages": {
                  "items": {
                    "additionalProperties": false,
                    "properties": {
                      "content": {
                        "type": "string"
                      },
                      "role": {
                        "enum": [
                          "user",
                          "assistant",
                          "system",
                          "developer"
                        ],
                        "type": "string"
                      }
                    },
                    "required": [
                      "role",
                      "content"
                    ],
                    "type": "object"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "model": {
                  "enum": [
                    "liquid/lfm-2.5-2.6b:free"
                  ],
                  "type": "string"
                },
                "n": {
                  "maximum": 128,
                  "minimum": 1,
                  "type": "integer"
                },
                "presence_penalty": {
                  "type": "number"
                },
                "seed": {
                  "type": "integer"
                },
                "stop": {
                  "oneOf": [
                    {
                      "type": "string"
                    },
                    {
                      "items": {
                        "type": "string"
                      },
                      "type": "array"
                    }
                  ]
                },
                "stream": {
                  "default": false,
                  "enum": [
                    false
                  ],
                  "type": "boolean"
                },
                "temperature": {
                  "type": "number"
                },
                "top_p": {
                  "type": "number"
                },
                "user": {
                  "type": "string"
                }
              },
              "required": [
                "model",
                "messages"
              ],
              "type": "object"
            },
            "schema_template": {
              "body": {
                "messages": [
                  {
                    "content": "Summarize the supplied text in three concise points.",
                    "role": "user"
                  }
                ],
                "model": "liquid/lfm-2.5-2.6b:free",
                "stream": false
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [
              "Use literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method.",
              "The complete encoded JSON request must not exceed 65536 bytes."
            ],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [
              "stream",
              "max_tokens",
              "max_completion_tokens",
              "n",
              "temperature",
              "top_p",
              "seed",
              "stop",
              "frequency_penalty",
              "presence_penalty",
              "user"
            ],
            "required": [
              "model",
              "messages"
            ]
          },
          "lifecycle": {
            "cancel_endpoint": null,
            "create": {
              "http": "POST",
              "path": "/v1/chat/completions"
            },
            "mode": "synchronous_json",
            "status": [],
            "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/chat/completions"
          },
          "method_aliases": [],
          "output": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "family": "text",
            "format": "JSON"
          }
        },
        "ctx": 65536,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"liquid/lfm-2.5-2.6b:free\", \"messages\": [{\"role\": \"user\", \"content\": \"Summarize the supplied text in three concise points.\"}], \"stream\": false}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n",
            "label": "curl · create once and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "chat",
        "hints": [
          "Send exact model ID with messages.",
          "Context length is not an output cap.",
          "A text file may supply literal text; image/audio/file-object inputs need exact binding."
        ],
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": 0,
        "input": [
          "text"
        ],
        "label": "OpenAI Chat",
        "max_out": 8192,
        "max_reasoning_effort_multiplier": 1,
        "method_aliases": [],
        "out": 0,
        "output": [
          "text"
        ],
        "path": "/v1/chat/completions",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Standard rate",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Standard rate",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Standard rate",
            "when": "When maximum reasoning effort uses the default adjustment"
          },
          {
            "label": "Explicit cache pricing",
            "value": "Not enabled",
            "when": "When explicit cache is requested"
          },
          {
            "label": "Text-only zero rates",
            "value": "Text input and output only. Cache, tools, media and streaming are unavailable.",
            "when": "For text-only input and output"
          }
        ],
        "pricing": {
          "allow_explicit_cache": false,
          "billing_mode": "token",
          "cache_read_price": null,
          "cache_write_1h_price": null,
          "cache_write_price": null,
          "fast_multiplier": 1,
          "flex_multiplier": 1,
          "image_input_price": null,
          "image_output_price": null,
          "input_price": 0,
          "intervals": [],
          "max_reasoning_effort_multiplier": 1,
          "output_price": 0,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "liquid/lfm-2.5-2.6b:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "unit": "token",
        "units": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      },
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "authentication": {
              "api_key_source": "AILOOT_API_KEY",
              "header": "Authorization: Bearer"
            },
            "example_body": {
              "max_tokens": 256,
              "messages": [
                {
                  "content": "Summarize the supplied text in three concise points.",
                  "role": "user"
                }
              ],
              "model": "liquid/lfm-2.5-2.6b:free",
              "stream": false
            },
            "lifecycle": {
              "cancel_endpoint": null,
              "create": {
                "http": "POST",
                "path": "/v1/messages"
              },
              "mode": "synchronous_json",
              "status": [],
              "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
              "family": "text",
              "format": "JSON"
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "liquid/lfm-2.5-2.6b:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "items": {
                  "additionalProperties": false,
                  "properties": {
                    "content": {
                      "type": "string"
                    },
                    "role": {
                      "enum": [
                        "user",
                        "assistant"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "role",
                    "content"
                  ],
                  "type": "object"
                },
                "minItems": 1,
                "name": "messages",
                "required": true,
                "type": "array"
              },
              {
                "default": false,
                "default_known": true,
                "enum": [
                  false
                ],
                "enum_known": true,
                "name": "stream",
                "required": false,
                "type": "boolean"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "system",
                "required": false,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "maximum": 8192,
                "minimum": 1,
                "name": "max_tokens",
                "required": true,
                "type": "integer"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "top_p",
                "required": false,
                "type": "number"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "top_k",
                "required": false,
                "type": "integer"
              },
              {
                "default_known": false,
                "enum_known": false,
                "items": {
                  "type": "string"
                },
                "name": "stop_sequences",
                "required": false,
                "type": "array"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "metadata",
                "required": false,
                "type": "object"
              }
            ],
            "request_schema": {
              "additionalProperties": false,
              "properties": {
                "max_tokens": {
                  "maximum": 8192,
                  "minimum": 1,
                  "type": "integer"
                },
                "messages": {
                  "items": {
                    "additionalProperties": false,
                    "properties": {
                      "content": {
                        "type": "string"
                      },
                      "role": {
                        "enum": [
                          "user",
                          "assistant"
                        ],
                        "type": "string"
                      }
                    },
                    "required": [
                      "role",
                      "content"
                    ],
                    "type": "object"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "metadata": {
                  "type": "object"
                },
                "model": {
                  "enum": [
                    "liquid/lfm-2.5-2.6b:free"
                  ],
                  "type": "string"
                },
                "stop_sequences": {
                  "items": {
                    "type": "string"
                  },
                  "type": "array"
                },
                "stream": {
                  "default": false,
                  "enum": [
                    false
                  ],
                  "type": "boolean"
                },
                "system": {
                  "type": "string"
                },
                "temperature": {
                  "type": "number"
                },
                "top_k": {
                  "type": "integer"
                },
                "top_p": {
                  "type": "number"
                }
              },
              "required": [
                "model",
                "messages",
                "max_tokens"
              ],
              "type": "object"
            },
            "schema_template": {
              "body": {
                "max_tokens": 256,
                "messages": [
                  {
                    "content": "Summarize the supplied text in three concise points.",
                    "role": "user"
                  }
                ],
                "model": "liquid/lfm-2.5-2.6b:free",
                "stream": false
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [
              "Use literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method.",
              "The complete encoded JSON request must not exceed 65536 bytes."
            ],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [
              "stream",
              "system",
              "temperature",
              "top_p",
              "top_k",
              "stop_sequences",
              "metadata"
            ],
            "required": [
              "model",
              "messages",
              "max_tokens"
            ]
          },
          "lifecycle": {
            "cancel_endpoint": null,
            "create": {
              "http": "POST",
              "path": "/v1/messages"
            },
            "mode": "synchronous_json",
            "status": [],
            "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/messages"
          },
          "method_aliases": [],
          "output": {
            "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.",
            "family": "text",
            "format": "JSON"
          }
        },
        "ctx": 65536,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"liquid/lfm-2.5-2.6b:free\", \"messages\": [{\"role\": \"user\", \"content\": \"Summarize the supplied text in three concise points.\"}], \"stream\": false, \"max_tokens\": 256}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n",
            "label": "curl · create once and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "anthropic",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "messages",
        "http": "POST",
        "img_in": null,
        "img_out": null,
        "in": 0,
        "input": [
          "text"
        ],
        "label": "Anthropic Messages",
        "max_out": 8192,
        "max_reasoning_effort_multiplier": 1,
        "method_aliases": [],
        "out": 0,
        "output": [
          "text"
        ],
        "path": "/v1/messages",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Standard rate",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Standard rate",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Standard rate",
            "when": "When maximum reasoning effort uses the default adjustment"
          },
          {
            "label": "Text-only zero rates",
            "value": "Text input and output only. Cache, tools, media and streaming are unavailable.",
            "when": "For text-only input and output"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "cache_read_price": null,
          "cache_write_1h_price": null,
          "cache_write_price": null,
          "fast_multiplier": 1,
          "flex_multiplier": 1,
          "image_input_price": null,
          "image_output_price": null,
          "input_price": 0,
          "intervals": [],
          "max_reasoning_effort_multiplier": 1,
          "output_price": 0,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "liquid/lfm-2.5-2.6b:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "unit": "token",
        "units": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "liquid/lfm-2.5-2.6b:free",
        "request_model_id": "liquid/lfm-2.5-2.6b:free",
        "route_label": "Ultra"
      }
    ],
    "name": "LiquidAI: LFM2.5-2.6B (free)",
    "price": {
      "in": 0,
      "in_label": null,
      "out": 0,
      "out_label": null,
      "scope_label": "Token rates",
      "sort_in": 0,
      "sort_out": 0,
      "varies": true
    },
    "short": "Το Liquid AI LFM2.5-2.6B είναι ένα συμπαγές μοντέλο συλλογιστικής κειμένου για πράκτορες, χρήση εργαλείων, εξαγωγή δεδομένων και RAG. Ο υβριδικός σχεδιασμός του έχει 2,69 δισ. παραμέτρους. Συλλογίζεται πριν απαντήσει και αποδίδει καλύτερα με συγκεκριμένο υλικό πηγών και σαφώς ορισμένα εργαλεία· ο κατασκευαστής προειδοποιεί για τη χρήση του σε προγραμματισμό μέσω πρακτόρων και εργασίες που απαιτούν εκτεταμένες γνώσεις."
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        },
        {
          "contract_json_pointer": "/methods/1/rawMethod/contract",
          "html_json_pointer": "/methods/1/html",
          "method_ordinal": 1
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod",
        "/methods/1/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Το Liquid AI LFM2.5-2.6B είναι ένα συμπαγές μοντέλο συλλογιστικής κειμένου για πράκτορες, χρήση εργαλείων, εξαγωγή δεδομένων και RAG. Ο υβριδικός σχεδιασμός του έχει 2,69 δισ. παραμέτρους. Συλλογίζεται πριν απαντήσει και αποδίδει καλύτερα με συγκεκριμένο υλικό πηγών και σαφώς ορισμένα εργαλεία· ο κατασκευαστής προειδοποιεί για τη χρήση του σε προγραμματισμό μέσω πρακτόρων και εργασίες που απαιτούν εκτεταμένες γνώσεις.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "25b74c086c284965c0dec780f2b5c87eba9b1e719b9fab82feac4a76309fa79f",
    "renderer_sha256": "3ed36f7af4f78822bafbd174fdcaed7b698a18a86efe254253d37f1b098a7566"
  },
  "sourceRevision": "80f6f000c8fc9054b5043ea51d13e23cf530f4e0c7536eccfa6969ee60f7b8d9"
}