LiquidAI: LFM2.5-2.6B

{"about":"### Un modello compatto preparato per scenari agentici\n\nLFM2.5-2.6B è un modello testuale Liquid AI per attività in cui contano rispetto delle istruzioni, elaborazione dei documenti ed esecuzione progressiva di più passaggi. Nella famiglia LFM2.5 questa versione ha ricevuto una preparazione specifica per scenari agentici: lo sviluppatore l’ha addestrata all’interazione con strumenti e ambienti tipici di lavoro degli agenti. Questo addestramento riguarda il comportamento del modello; le azioni concrete nell’applicazione sono definite dall’integrazione.\n\nLFM2.5-2.6B si basa sull’architettura ibrida LFM2 con 2,69 miliardi di parametri. Combina blocchi di convoluzione corta e attenzione raggruppata. Liquid AI sviluppa la famiglia pensando all’esecuzione sui dispositivi, ma in Ailoot il modello viene usato attraverso un’interfaccia testuale: l’utente invia messaggi e riceve una risposta testuale.\n\n### Dove è utile\n\nIl modello è adatto a estrarre informazioni dal testo, rispondere sui materiali forniti ed elaborare istruzioni lunghe. Per esempio, si può fornire la corrispondenza con un cliente, chiedere di raccogliere i requisiti in un unico elenco, poi individuare contraddizioni e preparare una lettera di chiarimento. Per rispondere usando una base di conoscenza è utile allegare i frammenti trovati e fissare una regola: basarsi su di essi, conservarne i nomi e segnalare l’assenza di un fatto necessario.\n\nLa documentazione Liquid AI indica tra gli ambiti di lavoro estrazione dei dati, RAG e scenari con contesto lungo. Lo sviluppatore delimita inoltre l’impiego: programmazione agentica e incarichi che richiedono molte conoscenze fattuali senza fonti fornite non rientrano nelle attività raccomandate per questa versione. Con termini di settore è meglio includere nella richiesta definizioni e documenti originali.\n\n### Contesto e lingue\n\nIn Ailoot per questo modello è indicato un contesto di 128 000 token. Comprende i materiali dell’attività e la cronologia del dialogo; la dimensione della risposta va pianificata insieme a essi. La scheda dello sviluppatore elenca 16 lingue, tra cui russo, inglese, cinese, tedesco e spagnolo. Questo permette di usare il modello nell’elaborazione multilingue di documenti e corrispondenza, mantenendo nelle istruzioni la lingua e il formato desiderati.","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":"Modello testuale compatto di Liquid AI per estrazione di dati, risposte sui documenti e attività progressive con contesto ampio."}