Source: https://ailoot.ai/models/es/liquid-lfm-2-5-2-6b/ Canonical: https://ailoot.ai/models/es/liquid-lfm-2-5-2-6b/ Language: es # LiquidAI: LFM2.5-2.6B [Markdown](https://ailoot.ai/models/es/liquid-lfm-2-5-2-6b/index.md) · [JSON](https://ailoot.ai/models/es/liquid-lfm-2-5-2-6b/facts.json) ## [LiquidAI: LFM2.5-2.6B](https://ailoot.ai/models/es/liquid-lfm-2-5-2-6b/) `liquid/lfm-2.5-2.6b` LiquidTextoEntrada 0,0007 US$ / 1KSalida 0,001 US$ / 1K Modelo de texto compacto de Liquid AI para extracción de datos, respuestas sobre documentos y tareas sucesivas con un contexto amplio. ### Un modelo compacto preparado para usos con agentes LFM2.5-2.6B es un modelo de texto de Liquid AI creado para tareas en las que importan el seguimiento de instrucciones, el procesamiento de documentos y la realización sucesiva de varios pasos. Dentro de la familia LFM2.5, esta versión recibió preparación específica para usos con agentes: el desarrollador la entrenó con interacciones con herramientas y entornos de trabajo habituales de agentes. Ese entrenamiento se refiere al comportamiento del modelo; las acciones concretas en una aplicación las define la integración. LFM2.5-2.6B se basa en la arquitectura híbrida LFM2, con 2,69 mil millones de parámetros. Combina bloques de convolución corta y atención agrupada. Liquid AI desarrolla esta familia pensando en su ejecución en dispositivos, pero en Ailoot el modelo se utiliza mediante una interfaz de texto: el usuario envía mensajes y recibe una respuesta de texto. ### Dónde resulta útil El modelo sirve para extraer información de textos, responder preguntas sobre materiales proporcionados y procesar instrucciones largas. Por ejemplo, puedes enviar correspondencia con un cliente, pedir que se reúnan los requisitos en una sola lista y después identificar contradicciones y preparar una carta de aclaración. Para responder con una base de conocimiento, conviene adjuntar los fragmentos recuperados y establecer una regla: basarse en ellos, conservar sus nombres e indicar cuando falte un dato necesario. La documentación de Liquid AI enumera la extracción de datos, RAG y los usos con contexto largo entre sus áreas de trabajo. El desarrollador delimita expresamente su ámbito de aplicación: la programación con agentes y las tareas que requieren muchos conocimientos factuales sin fuentes proporcionadas no se encuentran entre las recomendadas para esta versión. Al trabajar con términos sectoriales, es preferible incluir definiciones y documentos de origen en la solicitud. ### Contexto e idiomas En Ailoot se indica un contexto de 128 000 tokens para este modelo. Incluye los materiales de la tarea y el historial de conversación; el tamaño de la respuesta debe planificarse junto con ellos. La ficha del desarrollador enumera 16 idiomas, entre ellos ruso, inglés, chino, alemán y español. Esto permite utilizar el modelo para procesar documentos y correspondencia multilingües, manteniendo en las instrucciones el idioma y el formato deseados para el resultado. ### Disponible mediante Ailoot API Tipos de entrada `text` Tipos de salida `text` Contexto No especificado en el catálogo Respuesta máx. No especificado en el catálogo Entrada 0,0007 US$ */ 1K* Salida 0,001 US$ */ 1K* Lectura de caché 0,00008 US$ */ 1K* Tipos de entrada `text` Tipos de salida `text` Contexto No especificado en el catálogo Respuesta máx. No especificado en el catálogo Entrada 0,0007 US$ */ 1K* Salida 0,001 US$ */ 1K* Lectura de caché 0,00008 US$ */ 1K* Tipos de entrada `text` Tipos de salida `text` Contexto No especificado en el catálogo Respuesta máx. No especificado en el catálogo Entrada 0,0007 US$ */ 1K* Salida 0,001 US$ */ 1K* Lectura de caché 0,00008 US$ */ 1K* Tipos de entrada `text` Tipos de salida `text` Contexto No especificado en el catálogo Respuesta máx. No especificado en el catálogo Entrada 0,0007 US$ */ 1K* Salida 0,001 US$ */ 1K* Lectura de caché 0,00008 US$ */ 1K* `liquid/lfm-2.5-2.6b` · JSON ``` {"about":"### Un modelo compacto preparado para usos con agentes\n\nLFM2.5-2.6B es un modelo de texto de Liquid AI creado para tareas en las que importan el seguimiento de instrucciones, el procesamiento de documentos y la realización sucesiva de varios pasos. Dentro de la familia LFM2.5, esta versión recibió preparación específica para usos con agentes: el desarrollador la entrenó con interacciones con herramientas y entornos de trabajo habituales de agentes. Ese entrenamiento se refiere al comportamiento del modelo; las acciones concretas en una aplicación las define la integración.\n\nLFM2.5-2.6B se basa en la arquitectura híbrida LFM2, con 2,69 mil millones de parámetros. Combina bloques de convolución corta y atención agrupada. Liquid AI desarrolla esta familia pensando en su ejecución en dispositivos, pero en Ailoot el modelo se utiliza mediante una interfaz de texto: el usuario envía mensajes y recibe una respuesta de texto.\n\n### Dónde resulta útil\n\nEl modelo sirve para extraer información de textos, responder preguntas sobre materiales proporcionados y procesar instrucciones largas. Por ejemplo, puedes enviar correspondencia con un cliente, pedir que se reúnan los requisitos en una sola lista y después identificar contradicciones y preparar una carta de aclaración. Para responder con una base de conocimiento, conviene adjuntar los fragmentos recuperados y establecer una regla: basarse en ellos, conservar sus nombres e indicar cuando falte un dato necesario.\n\nLa documentación de Liquid AI enumera la extracción de datos, RAG y los usos con contexto largo entre sus áreas de trabajo. El desarrollador delimita expresamente su ámbito de aplicación: la programación con agentes y las tareas que requieren muchos conocimientos factuales sin fuentes proporcionadas no se encuentran entre las recomendadas para esta versión. Al trabajar con términos sectoriales, es preferible incluir definiciones y documentos de origen en la solicitud.\n\n### Contexto e idiomas\n\nEn Ailoot se indica un contexto de 128 000 tokens para este modelo. Incluye los materiales de la tarea y el historial de conversación; el tamaño de la respuesta debe planificarse junto con ellos. La ficha del desarrollador enumera 16 idiomas, entre ellos ruso, inglés, chino, alemán y español. Esto permite utilizar el modelo para procesar documentos y correspondencia multilingües, manteniendo en las instrucciones el idioma y el formato deseados para el resultado.","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":"Modelo de texto compacto de Liquid AI para extracción de datos, respuestas sobre documentos y tareas sucesivas con un contexto amplio."} ``` ## Preguntas ¿Cómo elijo un modelo para mi tarea? Primero determina la entrada y la salida necesarias: texto, imagen, audio o vídeo. Después compara los métodos de API compatibles, el ID exacto del modelo o el modelo al que apunta actualmente el alias, el precio y la unidad de facturación. GET /v1/models es gratuito y enumera los modelos disponibles para tu clave. ¿Cada modelo admite todos los métodos de API y tipos de contenido? Utiliza los métodos de API y los tipos de entrada y salida que figuran en la ficha del modelo. La compatibilidad con texto, imágenes, audio o vídeo depende del modelo y del método seleccionados; consulta su ejemplo de solicitud antes de enviar tus datos. ¿Qué diferencia hay entre el ID de un modelo y un alias? Un ID exacto identifica un modelo concreto. Un alias apunta a un modelo y su destino puede cambiar. Consulta en el catálogo a qué modelo apunta actualmente el alias; utiliza el ID exacto cuando tu integración necesite un modelo concreto. ¿Cómo comparo los precios antes de enviar una solicitud? Consulta en la ficha del modelo el precio y la unidad de facturación del método de API seleccionado. Compara la misma unidad y el mismo tipo de entrada y salida; el historial de solicitudes muestra el uso real y el importe cobrado. ¿Qué ofrece la suscripción? Descuento en compra de tokens para trabajo habitual. Elige el plan según tu volumen; condiciones y precio se muestran al contratar. ¿Cómo aplico un código de hasta el 50%? Introduce el código al comprar tokens. El importe se recalcula según la promoción; ves el descuento antes de pagar. ## Ailoot · La empresa y su cartera de proyectos Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI. La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.