LiquidAI: LFM2.5-2.6B

{"about":"### Un modèle compact préparé aux usages agentiques\n\nLFM2.5-2.6B est un modèle textuel de Liquid AI conçu pour les tâches qui exigent le respect des instructions, le traitement de documents et l’enchaînement de plusieurs étapes. Dans la famille LFM2.5, cette version a reçu une préparation spécifique aux usages agentiques : le concepteur l’a entraînée à interagir avec des outils et des environnements de travail courants pour les agents. Cet entraînement concerne le comportement du modèle ; les actions concrètes au sein d’une application dépendent de son intégration.\n\nLFM2.5-2.6B repose sur l’architecture hybride LFM2, avec 2,69 milliards de paramètres. Elle combine des blocs de convolution courte et d’attention groupée. Liquid AI développe cette famille en vue d’un fonctionnement sur les appareils ; dans Ailoot, le modèle est toutefois utilisé au moyen d’une interface textuelle : l’utilisateur transmet des messages et reçoit une réponse textuelle.\n\n### Dans quels cas est-il utile ?\n\nLe modèle convient à l’extraction d’informations d’un texte, aux questions sur des contenus fournis et au traitement d’instructions longues. Vous pouvez, par exemple, transmettre des échanges avec un client, demander de réunir les exigences dans une liste unique, puis de relever les contradictions et de préparer une lettre demandant des précisions. Pour répondre à partir d’une base de connaissances, joignez les passages retrouvés et fixez une règle : s’appuyer sur ces passages, en conserver les titres et signaler l’absence d’un fait nécessaire.\n\nLa documentation de Liquid AI mentionne notamment l’extraction de données, le RAG et les usages avec un long contexte. Le concepteur précise les limites d’utilisation : la programmation agentique et les tâches qui exigent de nombreuses connaissances factuelles sans sources fournies ne font pas partie des usages recommandés pour cette version. Pour une terminologie sectorielle, mieux vaut inclure les définitions et les documents sources dans la requête.\n\n### Contexte et langues\n\nDans Ailoot, le contexte annoncé pour ce modèle est de 128 000 jetons. Il comprend les contenus de la tâche et l’historique de la conversation ; la longueur de la réponse doit être prévue avec eux. La fiche du concepteur énumère 16 langues, dont le russe, l’anglais, le chinois, l’allemand et l’espagnol. Le modèle peut ainsi être utilisé pour traiter des documents et des échanges multilingues, en précisant dans les instructions la langue et le format souhaités pour le résultat.","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":"Modèle textuel compact de Liquid AI pour l’extraction de données, les réponses fondées sur des documents et les tâches successives dans un long contexte."}