Source: https://ailoot.ai/models/fi/liquid-lfm-2-5-2-6b/ Canonical: https://ailoot.ai/models/fi/liquid-lfm-2-5-2-6b/ Language: fi # LiquidAI: LFM2.5-2.6B [Markdown](https://ailoot.ai/models/fi/liquid-lfm-2-5-2-6b/index.md) · [JSON](https://ailoot.ai/models/fi/liquid-lfm-2-5-2-6b/facts.json) ## [LiquidAI: LFM2.5-2.6B](https://ailoot.ai/models/fi/liquid-lfm-2-5-2-6b/) `liquid/lfm-2.5-2.6b` LiquidTekstiSyöte 0,0007 $ / 1KTuloste 0,001 $ / 1K Liquid AI:n kompakti tekstimalli tiedon poimintaan, asiakirjapohjaisiin vastauksiin ja vaiheittaisiin tehtäviin laajalla kontekstilla. ### Kompakti malli agenttikoulutuksella LFM2.5-2.6B on Liquid AI:n tekstimalli tehtäviin, joissa ohjeiden noudattaminen, asiakirjojen käsittely ja useiden vaiheiden peräkkäinen suorittaminen ovat tärkeitä. LFM2.5-perheessä tämä versio on saanut erillistä koulutusta agenttityönkulkuihin: kehittäjä koulutti sitä työkalujen käyttöön ja tyypillisiin agenttien työympäristöihin. Koulutus koskee mallin toimintaa; sovelluksen konkreettiset toimet määrää integraatio. LFM2.5-2.6B perustuu LFM2-hybridiarkkitehtuuriin, jossa on 2,69 miljardia parametria. Se yhdistää lyhyen konvoluution ja ryhmitellyn tarkkaavaisuuden lohkoja. Liquid AI kehittää perhettä laitteissa toimimista varten, mutta Ailoot API:ssa mallia käytetään tekstirajapinnalla: käyttäjä lähettää viestejä ja saa tekstivastauksen. ### Missä mallista on hyötyä Malli sopii tietojen poimintaan tekstistä, annettua aineistoa koskeviin kysymyksiin ja pitkien ohjeiden käsittelyyn. Voit esimerkiksi antaa asiakkaan kanssa käytyä kirjeenvaihtoa, pyytää kokoamaan vaatimukset yhdeksi luetteloksi, tunnistamaan ristiriidat ja valmistelemaan täsmentävän kirjeen. Tietopohjaan perustuvaa vastausta varten kannattaa liittää löydetyt katkelmat ja määritellä säännöksi tukeutua niihin, säilyttää nimet ja merkitä tarvittavan tiedon puuttuminen. Liquid AI:n dokumentaatiossa käyttökohteiksi mainitaan tiedon poiminta, RAG ja pitkän kontekstin työnkulut. Kehittäjä myös rajaa käyttöä: agenttipohjainen ohjelmointi ja paljon faktatietoa ilman annettuja lähteitä vaativat tehtävät eivät kuulu tämän version suositeltuihin tehtäviin. Alan termejä käsiteltäessä kannattaa sisällyttää pyyntöön määritelmät ja alkuperäiset asiakirjat. ### Konteksti ja kielet Ailoot API:ssa mallille ilmoitetaan 128 000 tokenin konteksti. Se sisältää tehtävän aineistot ja keskusteluhistorian; vastauksen koko on suunniteltava yhdessä niiden kanssa. Kehittäjän mallikortti luettelee 16 kieltä, kuten venäjän, englannin, kiinan, saksan ja espanjan. Mallia voi näin käyttää asiakirjojen ja kirjeenvaihdon monikieliseen käsittelyyn, kun ohjeessa säilytetään toivottu kieli ja tuloksen muoto. ### Saatavilla Ailoot API:n kautta Syötetyypit `text` Tulostyypit `text` Konteksti Ei määritelty luettelossa Vastauksen enimmäispituus Ei määritelty luettelossa Syöte 0,0007 $ */ 1K* Tuloste 0,001 $ */ 1K* Välimuistin luku 0,00008 $ */ 1K* Syötetyypit `text` Tulostyypit `text` Konteksti Ei määritelty luettelossa Vastauksen enimmäispituus Ei määritelty luettelossa Syöte 0,0007 $ */ 1K* Tuloste 0,001 $ */ 1K* Välimuistin luku 0,00008 $ */ 1K* Syötetyypit `text` Tulostyypit `text` Konteksti Ei määritelty luettelossa Vastauksen enimmäispituus Ei määritelty luettelossa Syöte 0,0007 $ */ 1K* Tuloste 0,001 $ */ 1K* Välimuistin luku 0,00008 $ */ 1K* Syötetyypit `text` Tulostyypit `text` Konteksti Ei määritelty luettelossa Vastauksen enimmäispituus Ei määritelty luettelossa Syöte 0,0007 $ */ 1K* Tuloste 0,001 $ */ 1K* Välimuistin luku 0,00008 $ */ 1K* `liquid/lfm-2.5-2.6b` · JSON ``` {"about":"### Kompakti malli agenttikoulutuksella\n\nLFM2.5-2.6B on Liquid AI:n tekstimalli tehtäviin, joissa ohjeiden noudattaminen, asiakirjojen käsittely ja useiden vaiheiden peräkkäinen suorittaminen ovat tärkeitä. LFM2.5-perheessä tämä versio on saanut erillistä koulutusta agenttityönkulkuihin: kehittäjä koulutti sitä työkalujen käyttöön ja tyypillisiin agenttien työympäristöihin. Koulutus koskee mallin toimintaa; sovelluksen konkreettiset toimet määrää integraatio.\n\nLFM2.5-2.6B perustuu LFM2-hybridiarkkitehtuuriin, jossa on 2,69 miljardia parametria. Se yhdistää lyhyen konvoluution ja ryhmitellyn tarkkaavaisuuden lohkoja. Liquid AI kehittää perhettä laitteissa toimimista varten, mutta Ailoot API:ssa mallia käytetään tekstirajapinnalla: käyttäjä lähettää viestejä ja saa tekstivastauksen.\n\n### Missä mallista on hyötyä\n\nMalli sopii tietojen poimintaan tekstistä, annettua aineistoa koskeviin kysymyksiin ja pitkien ohjeiden käsittelyyn. Voit esimerkiksi antaa asiakkaan kanssa käytyä kirjeenvaihtoa, pyytää kokoamaan vaatimukset yhdeksi luetteloksi, tunnistamaan ristiriidat ja valmistelemaan täsmentävän kirjeen. Tietopohjaan perustuvaa vastausta varten kannattaa liittää löydetyt katkelmat ja määritellä säännöksi tukeutua niihin, säilyttää nimet ja merkitä tarvittavan tiedon puuttuminen.\n\nLiquid AI:n dokumentaatiossa käyttökohteiksi mainitaan tiedon poiminta, RAG ja pitkän kontekstin työnkulut. Kehittäjä myös rajaa käyttöä: agenttipohjainen ohjelmointi ja paljon faktatietoa ilman annettuja lähteitä vaativat tehtävät eivät kuulu tämän version suositeltuihin tehtäviin. Alan termejä käsiteltäessä kannattaa sisällyttää pyyntöön määritelmät ja alkuperäiset asiakirjat.\n\n### Konteksti ja kielet\n\nAiloot API:ssa mallille ilmoitetaan 128 000 tokenin konteksti. Se sisältää tehtävän aineistot ja keskusteluhistorian; vastauksen koko on suunniteltava yhdessä niiden kanssa. Kehittäjän mallikortti luettelee 16 kieltä, kuten venäjän, englannin, kiinan, saksan ja espanjan. Mallia voi näin käyttää asiakirjojen ja kirjeenvaihdon monikieliseen käsittelyyn, kun ohjeessa säilytetään toivottu kieli ja tuloksen muoto.","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":"Liquid AI:n kompakti tekstimalli tiedon poimintaan, asiakirjapohjaisiin vastauksiin ja vaiheittaisiin tehtäviin laajalla kontekstilla."} ``` ## Kysymykset Miten valitsen tehtävääni sopivan mallin? Määritä ensin tarvittava syöte ja tuloste: teksti, kuva, ääni tai video. Vertaa sitten yhteensopivia API-menetelmiä, mallin tarkkaa ID:tä tai mallia, johon alias tällä hetkellä viittaa, hintaa ja laskutusyksikköä. GET /v1/models on maksuton ja luettelee avaimesi käytettävissä olevat mallit. Tukeeko jokainen malli kaikkia API-menetelmiä ja mediatyyppejä? Käytä mallikortissa lueteltuja API-menetelmiä sekä syöte- ja tulostetyyppejä. Tekstin, kuvien, äänen tai videon tuki riippuu valitusta mallista ja menetelmästä; tarkista niiden pyyntöesimerkki ennen tietojesi lähettämistä. Mitä eroa on mallin ID:llä ja aliaksella? Mallin tarkka ID yksilöi tietyn mallin. Alias viittaa malliin, ja sen kohdemalli voi vaihtua. Tarkista luettelosta, mihin malliin alias tällä hetkellä viittaa; käytä tarkkaa ID:tä, kun integraatiosi tarvitsee tietyn mallin. Miten vertailen hintoja ennen pyynnön lähettämistä? Tarkista mallikortista valitun API-menetelmän hinta ja laskutusyksikkö. Vertaa samaa yksikköä sekä samoja syöte- ja tulostetyyppejä; pyyntöhistoriasta näet todellisen käytön ja veloitetun summan. Mitä tilaus antaa? Alennuksen tokenien ostamiseen säännöllistä käyttöä varten. Valitse paketti pyyntömääräsi mukaan; tilauksen ehdot ja hinta näkyvät tilatessa. Miten käytän kampanjakoodin jopa 50% alennuksen? Syötä kampanjakoodi tokeniostossa. Lopullinen summa lasketaan kampanjaehtojen mukaan; alennuksen määrä näkyy ennen maksua. ## Ailoot · Yritys ja sen projektisalkku Ailoot perustuu kertyneeseen toimintakokemukseen, laajaan asiakaskuntaan, vakaaseen palveluun ja jatkuvaan KPI-seurantaan. Yritys ja sen projektisalkku: miljoonia asiakkaita; kuukausittainen myynti miljardiluokassa. Ailoot hyödyntää tätä toimintakokemusta tarjotessaan API-yhteyden tekoälytoimintoihin asiakkaiden tuotteissa, agenteissa, sovelluksissa ja automaatioissa.