Source: https://ailoot.ai/models/it/liquid-lfm-2-5-2-6b/ Canonical: https://ailoot.ai/models/it/liquid-lfm-2-5-2-6b/ Language: it # LiquidAI: LFM2.5-2.6B [Markdown](https://ailoot.ai/models/it/liquid-lfm-2-5-2-6b/index.md) · [JSON](https://ailoot.ai/models/it/liquid-lfm-2-5-2-6b/facts.json) ## [LiquidAI: LFM2.5-2.6B](https://ailoot.ai/models/it/liquid-lfm-2-5-2-6b/) `liquid/lfm-2.5-2.6b` LiquidTestoInput 0,0007 USD / 1KOutput 0,001 USD / 1K Modello testuale compatto di Liquid AI per estrazione di dati, risposte sui documenti e attività progressive con contesto ampio. ### Un modello compatto preparato per scenari agentici LFM2.5-2.6B 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. LFM2.5-2.6B 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. ### Dove è utile Il 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. La 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. ### Contesto e lingue In 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. ### Disponibile tramite Ailoot API Tipi di input `text` Tipi di output `text` Contesto Non specificato nel catalogo Risposta massima Non specificato nel catalogo Input 0,0007 USD */ 1K* Output 0,001 USD */ 1K* Lettura dalla cache 0,00008 USD */ 1K* Tipi di input `text` Tipi di output `text` Contesto Non specificato nel catalogo Risposta massima Non specificato nel catalogo Input 0,0007 USD */ 1K* Output 0,001 USD */ 1K* Lettura dalla cache 0,00008 USD */ 1K* Tipi di input `text` Tipi di output `text` Contesto Non specificato nel catalogo Risposta massima Non specificato nel catalogo Input 0,0007 USD */ 1K* Output 0,001 USD */ 1K* Lettura dalla cache 0,00008 USD */ 1K* Tipi di input `text` Tipi di output `text` Contesto Non specificato nel catalogo Risposta massima Non specificato nel catalogo Input 0,0007 USD */ 1K* Output 0,001 USD */ 1K* Lettura dalla cache 0,00008 USD */ 1K* `liquid/lfm-2.5-2.6b` · JSON ``` {"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."} ``` ## Domande Come scelgo un modello per la mia attività? Individua prima l'input e l'output necessari: testo, immagini, audio o video. Poi confronta i metodi API compatibili, l'ID esatto del modello o il modello a cui punta attualmente l'alias, il prezzo e l'unità di fatturazione. GET /v1/models è gratuito ed elenca i modelli disponibili per la tua chiave. Ogni modello supporta tutti i metodi API e i tipi di contenuto? Usa i metodi API e i tipi di input/output elencati nella scheda del modello. Il supporto per testo, immagini, audio o video dipende dal modello e dal metodo selezionati; controlla il relativo esempio di richiesta prima di inviare i tuoi dati. Qual è la differenza tra un ID modello e un alias? Un ID modello esatto identifica un modello specifico. Un alias punta a un modello e il modello di destinazione può cambiare. Controlla nel catalogo a quale modello punta attualmente l'alias; usa l'ID esatto quando la tua integrazione richiede un modello specifico. Come confronto i prezzi prima di inviare una richiesta? Consulta la scheda del modello per conoscere il prezzo e l'unità di fatturazione del metodo API selezionato. Confronta la stessa unità e lo stesso tipo di input/output; la cronologia delle richieste mostra l'utilizzo effettivo e l'importo addebitato. Cosa offre l’abbonamento? Sconto sull’acquisto di token per lavoro regolare. Scegli piano per volume; condizioni e prezzo sono mostrati alla sottoscrizione. Come applico un codice fino al 50%? Inseriscilo acquistando token. Il totale segue la promozione e lo sconto è visibile prima del pagamento. ## Ailoot · L’azienda e il suo portafoglio di progetti Ailoot si basa su un’esperienza operativa consolidata, un’ampia base di clienti, un servizio stabile e un controllo costante dei KPI. L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. Ailoot mette questa esperienza operativa al servizio dell’accesso API alle funzioni AI nei prodotti dei clienti, negli agenti, nelle applicazioni e nelle automazioni.