μοντέλα

LiquidAI: LFM2.5-2.6B

Markdown · JSON

LiquidAI: LFM2.5-2.6B

liquid/lfm-2.5-2.6b
LiquidΚείμενοΕίσοδος 0,0007 $ / 1KΈξοδος 0,001 $ / 1K

Συμπαγές μοντέλο κειμένου της Liquid AI για εξαγωγή δεδομένων, απαντήσεις βάσει εγγράφων και διαδοχικές εργασίες με μεγάλο πλαίσιο.

Συμπαγές μοντέλο με προετοιμασία για πράκτορες

Το LFM2.5-2.6B είναι μοντέλο κειμένου της Liquid AI για εργασίες όπου έχουν σημασία η τήρηση οδηγιών, η επεξεργασία εγγράφων και η διαδοχική εκτέλεση πολλών βημάτων. Στην οικογένεια LFM2.5 αυτή η έκδοση έλαβε ειδική προετοιμασία για σενάρια πρακτόρων: ο δημιουργός την εκπαίδευσε στην αλληλεπίδραση με εργαλεία και τυπικά περιβάλλοντα εργασίας πρακτόρων. Η εκπαίδευση αφορά τη συμπεριφορά του μοντέλου· τις συγκεκριμένες ενέργειες στην εφαρμογή τις ορίζει η ενσωμάτωση.

Στη βάση του LFM2.5-2.6B βρίσκεται η υβριδική αρχιτεκτονική LFM2 με 2,69 δισεκατομμύρια παραμέτρους. Συνδυάζει τμήματα σύντομης συνέλιξης και ομαδοποιημένης προσοχής. Η Liquid AI αναπτύσσει αυτή την οικογένεια με στόχο τη λειτουργία σε συσκευές, αλλά στο Ailoot το μοντέλο χρησιμοποιείται μέσω διεπαφής κειμένου: ο χρήστης δίνει μηνύματα και λαμβάνει απάντηση κειμένου.

Πού είναι χρήσιμο

Το μοντέλο είναι κατάλληλο για εξαγωγή πληροφοριών από κείμενο, ερωτήσεις πάνω στο παρεχόμενο υλικό και επεξεργασία μεγάλων οδηγιών. Για παράδειγμα, μπορείτε να δώσετε αλληλογραφία με πελάτη, να ζητήσετε συγκέντρωση απαιτήσεων σε ενιαία λίστα και έπειτα εντοπισμό αντιφάσεων και σύνταξη διευκρινιστικής επιστολής. Για απάντηση βάσει γνώσεων είναι χρήσιμο να προσθέσετε τα αποσπάσματα που βρέθηκαν και να ορίσετε κανόνα: να βασίζεται σε αυτά, να διατηρεί τις ονομασίες και να επισημαίνει την απουσία απαραίτητου γεγονότος.

Η τεκμηρίωση της Liquid AI αναφέρει ως πεδία εργασίας την εξαγωγή δεδομένων, το RAG και σενάρια μεγάλου πλαισίου. Ο δημιουργός περιορίζει χωριστά το πεδίο χρήσης: ο προγραμματισμός μέσω πρακτόρων και εργασίες που απαιτούν μεγάλο όγκο πραγματολογικών γνώσεων χωρίς παρεχόμενες πηγές δεν αποτελούν συνιστώμενες εργασίες αυτής της έκδοσης. Σε κλαδική ορολογία είναι καλύτερο να περιλαμβάνονται ορισμοί και αρχικά έγγραφα στο αίτημα.

Πλαίσιο και γλώσσες

Στο Ailoot για αυτό το μοντέλο αναφέρεται πλαίσιο 128 000 tokens. Περιλαμβάνει το υλικό της εργασίας και το ιστορικό διαλόγου· το μέγεθος απάντησης πρέπει να σχεδιάζεται μαζί με αυτά. Η κάρτα του δημιουργού απαριθμεί 16 γλώσσες, μεταξύ των οποίων ρωσικά, αγγλικά, κινεζικά, γερμανικά και ισπανικά. Αυτό επιτρέπει χρήση του μοντέλου σε πολύγλωσση επεξεργασία εγγράφων και αλληλογραφίας, με ρητή διατήρηση της επιθυμητής γλώσσας και μορφής αποτελέσματος στις οδηγίες.

Διατίθεται μέσω του Ailoot API

Ultra Anthropic MessagesPOST /v1/messages
Είσοδος
text
Έξοδος
text
Παράθυρο συμφραζομένων
Δεν ορίζεται στον κατάλογο
Μέγ. μήκος απάντησης
Δεν ορίζεται στον κατάλογο
Είσοδος
0,0007 $ / 1K
Έξοδος
0,001 $ / 1K
Ανάγνωση από την κρυφή μνήμη
0,00008 $ / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Είσοδος
text
Έξοδος
text
Παράθυρο συμφραζομένων
Δεν ορίζεται στον κατάλογο
Μέγ. μήκος απάντησης
Δεν ορίζεται στον κατάλογο
Είσοδος
0,0007 $ / 1K
Έξοδος
0,001 $ / 1K
Ανάγνωση από την κρυφή μνήμη
0,00008 $ / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Είσοδος
text
Έξοδος
text
Παράθυρο συμφραζομένων
Δεν ορίζεται στον κατάλογο
Μέγ. μήκος απάντησης
Δεν ορίζεται στον κατάλογο
Είσοδος
0,0007 $ / 1K
Έξοδος
0,001 $ / 1K
Ανάγνωση από την κρυφή μνήμη
0,00008 $ / 1K
Ultra Gemini generateContentPOST /v1beta/models/liquid/lfm-2.5-2.6b:generateContent
Είσοδος
text
Έξοδος
text
Παράθυρο συμφραζομένων
Δεν ορίζεται στον κατάλογο
Μέγ. μήκος απάντησης
Δεν ορίζεται στον κατάλογο
Είσοδος
0,0007 $ / 1K
Έξοδος
0,001 $ / 1K
Ανάγνωση από την κρυφή μνήμη
0,00008 $ / 1K
liquid/lfm-2.5-2.6b · JSON
{"about":"### Συμπαγές μοντέλο με προετοιμασία για πράκτορες\n\nΤο LFM2.5-2.6B είναι μοντέλο κειμένου της Liquid AI για εργασίες όπου έχουν σημασία η τήρηση οδηγιών, η επεξεργασία εγγράφων και η διαδοχική εκτέλεση πολλών βημάτων. Στην οικογένεια LFM2.5 αυτή η έκδοση έλαβε ειδική προετοιμασία για σενάρια πρακτόρων: ο δημιουργός την εκπαίδευσε στην αλληλεπίδραση με εργαλεία και τυπικά περιβάλλοντα εργασίας πρακτόρων. Η εκπαίδευση αφορά τη συμπεριφορά του μοντέλου· τις συγκεκριμένες ενέργειες στην εφαρμογή τις ορίζει η ενσωμάτωση.\n\nΣτη βάση του LFM2.5-2.6B βρίσκεται η υβριδική αρχιτεκτονική LFM2 με 2,69 δισεκατομμύρια παραμέτρους. Συνδυάζει τμήματα σύντομης συνέλιξης και ομαδοποιημένης προσοχής. Η Liquid AI αναπτύσσει αυτή την οικογένεια με στόχο τη λειτουργία σε συσκευές, αλλά στο Ailoot το μοντέλο χρησιμοποιείται μέσω διεπαφής κειμένου: ο χρήστης δίνει μηνύματα και λαμβάνει απάντηση κειμένου.\n\n### Πού είναι χρήσιμο\n\nΤο μοντέλο είναι κατάλληλο για εξαγωγή πληροφοριών από κείμενο, ερωτήσεις πάνω στο παρεχόμενο υλικό και επεξεργασία μεγάλων οδηγιών. Για παράδειγμα, μπορείτε να δώσετε αλληλογραφία με πελάτη, να ζητήσετε συγκέντρωση απαιτήσεων σε ενιαία λίστα και έπειτα εντοπισμό αντιφάσεων και σύνταξη διευκρινιστικής επιστολής. Για απάντηση βάσει γνώσεων είναι χρήσιμο να προσθέσετε τα αποσπάσματα που βρέθηκαν και να ορίσετε κανόνα: να βασίζεται σε αυτά, να διατηρεί τις ονομασίες και να επισημαίνει την απουσία απαραίτητου γεγονότος.\n\nΗ τεκμηρίωση της Liquid AI αναφέρει ως πεδία εργασίας την εξαγωγή δεδομένων, το RAG και σενάρια μεγάλου πλαισίου. Ο δημιουργός περιορίζει χωριστά το πεδίο χρήσης: ο προγραμματισμός μέσω πρακτόρων και εργασίες που απαιτούν μεγάλο όγκο πραγματολογικών γνώσεων χωρίς παρεχόμενες πηγές δεν αποτελούν συνιστώμενες εργασίες αυτής της έκδοσης. Σε κλαδική ορολογία είναι καλύτερο να περιλαμβάνονται ορισμοί και αρχικά έγγραφα στο αίτημα.\n\n### Πλαίσιο και γλώσσες\n\nΣτο Ailoot για αυτό το μοντέλο αναφέρεται πλαίσιο 128 000 tokens. Περιλαμβάνει το υλικό της εργασίας και το ιστορικό διαλόγου· το μέγεθος απάντησης πρέπει να σχεδιάζεται μαζί με αυτά. Η κάρτα του δημιουργού απαριθμεί 16 γλώσσες, μεταξύ των οποίων ρωσικά, αγγλικά, κινεζικά, γερμανικά και ισπανικά. Αυτό επιτρέπει χρήση του μοντέλου σε πολύγλωσση επεξεργασία εγγράφων και αλληλογραφίας, με ρητή διατήρηση της επιθυμητής γλώσσας και μορφής αποτελέσματος στις οδηγίες.","alias_of":null,"aliases":[],"author":"Liquid","canonical_model":"liquid/lfm-2.5-2.6b","ctx":null,"formats":["chat","gemini","messages","responses"],"id":"liquid/lfm-2.5-2.6b","input":["text"],"kind":"text","max_out":null,"methods":[{"cache_read":0.08,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"anthropic","fast_multiplier":1,"flex_multiplier":1,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":0.7,"input":["text"],"label":"Anthropic Messages","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1/messages","request_model_id":"liquid/lfm-2.5-2.6b","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.08,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":0.7,"input":["text"],"label":"OpenAI Responses","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1/responses","request_model_id":"liquid/lfm-2.5-2.6b","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.08,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":0.7,"input":["text"],"label":"OpenAI Chat","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1/chat/completions","request_model_id":"liquid/lfm-2.5-2.6b","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.08,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"gemini","fast_multiplier":1,"flex_multiplier":1,"fmt":"gemini","http":"POST","img_in":null,"img_out":null,"in":0.7,"input":["text"],"label":"Gemini generateContent","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1beta/models/liquid/lfm-2.5-2.6b:generateContent","request_model_id":"liquid/lfm-2.5-2.6b","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"liquid/lfm-2.5-2.6b","request_model_id":"liquid/lfm-2.5-2.6b","route_label":"Ultra"}],"name":"LiquidAI: LFM2.5-2.6B","price":{"in":0.7,"in_label":null,"out":1.0,"out_label":null,"sort_in":0.7,"sort_out":1.0,"varies":false},"public_id":"liquid/lfm-2.5-2.6b","short":"Συμπαγές μοντέλο κειμένου της Liquid AI για εξαγωγή δεδομένων, απαντήσεις βάσει εγγράφων και διαδοχικές εργασίες με μεγάλο πλαίσιο."}

Ερωτήσεις

Πώς επιλέγω μοντέλο για την εργασία μου;

Προσδιορίστε πρώτα την απαιτούμενη είσοδο και έξοδο: κείμενο, εικόνα, ήχο ή βίντεο. Έπειτα συγκρίνετε τις συμβατές μεθόδους API, το ακριβές ID του μοντέλου ή το μοντέλο στο οποίο παραπέμπει τώρα το ψευδώνυμο, την τιμή και τη μονάδα χρέωσης. Το GET /v1/models είναι δωρεάν και εμφανίζει τα μοντέλα που είναι διαθέσιμα στο κλειδί σας.

Υποστηρίζει κάθε μοντέλο όλες τις μεθόδους API και όλους τους τύπους πολυμέσων;

Χρησιμοποιήστε τις μεθόδους API και τους τύπους εισόδου και εξόδου που αναφέρονται στην κάρτα του μοντέλου. Η υποστήριξη κειμένου, εικόνων, ήχου ή βίντεο εξαρτάται από το επιλεγμένο μοντέλο και τη μέθοδο· ελέγξτε το αντίστοιχο παράδειγμα αιτήματος πριν στείλετε τα δεδομένα σας.

Ποια είναι η διαφορά ανάμεσα στο ID ενός μοντέλου και σε ένα ψευδώνυμο;

Το ακριβές ID προσδιορίζει ένα συγκεκριμένο μοντέλο. Ένα ψευδώνυμο παραπέμπει σε ένα μοντέλο και το μοντέλο αυτό μπορεί να αλλάξει. Ελέγξτε στον κατάλογο σε ποιο μοντέλο παραπέμπει τώρα το ψευδώνυμο· χρησιμοποιήστε το ακριβές ID όταν η ενσωμάτωσή σας χρειάζεται συγκεκριμένο μοντέλο.

Πώς συγκρίνω τις τιμές πριν στείλω ένα αίτημα;

Ελέγξτε στην κάρτα του μοντέλου την τιμή και τη μονάδα χρέωσης για την επιλεγμένη μέθοδο API. Συγκρίνετε την ίδια μονάδα και τον ίδιο τύπο εισόδου και εξόδου· το ιστορικό αιτημάτων δείχνει την πραγματική χρήση και το ποσό που χρεώθηκε.

Τι δίνει η συνδρομή;

Έκπτωση στην αγορά token για τακτική χρήση. Επιλέξτε πρόγραμμα σύμφωνα με τον όγκο αιτημάτων σας· όροι και κόστος συνδρομής εμφανίζονται στην αγορά.

Πώς εφαρμόζω προωθητικό κωδικό έως 50%;

Εισαγάγετε τον κωδικό στην αγορά token. Το τελικό ποσό επανυπολογίζεται με τους όρους προσφοράς· βλέπετε το ύψος έκπτωσης πριν πληρώσετε.