{
  "aboutHtml": "<h3>エージェント向けの学習を施した小型モデル</h3><p>LFM2.5-2.6Bは、指示への追従、文書処理、複数段階の順次実行を重視するLiquid AIのテキストモデルです。LFM2.5ファミリーの中で、この版にはエージェント型の課題に向けた専用の学習が施され、ツールとのやり取りや一般的なエージェントの作業環境で訓練されています。これはモデルの振る舞いに関する学習であり、アプリケーションで実行できる具体的な操作は連携の実装によって決まります。</p><p>LFM2.5-2.6Bは26.9億パラメータのハイブリッドなLFM2アーキテクチャを基盤とし、短い畳み込みとグループ化されたアテンションのブロックを組み合わせています。Liquid AIは端末上での動作を想定してこのファミリーを開発していますが、Ailootではテキストインターフェースを通して利用し、メッセージを渡してテキスト回答を得ます。</p><h3>役立つ場面</h3><p>文章からの情報抽出、提供資料についての質問、長い指示の処理に適しています。例えば顧客とのやり取りを渡し、要件を一つの一覧にまとめ、矛盾を見つけ、確認用のメールを作るよう求められます。ナレッジベースに基づく回答には、検索済みの文章を添え、それだけを根拠にすること、名称を保つこと、必要な事実がない場合に明示することを指示すると有用です。</p><p>Liquid AIの文書では、データ抽出、RAG、長いコンテキストを使う処理が挙げられています。開発元は適用範囲も示しており、エージェントによるプログラミングや、資料なしで大量の事実知識を必要とする課題は、この版の推奨用途ではありません。業界用語を扱う場合は定義と元文書を要求に含めるとよいでしょう。</p><h3>コンテキストと言語</h3><p>Ailootでは128,000トークンのコンテキストが記載されています。資料と会話履歴が含まれるため、回答の分量も合わせて計画します。開発元のモデルカードには、ロシア語、英語、中国語、ドイツ語、スペイン語など16言語が挙げられています。指示の中で出力言語と形式を明示すれば、多言語の文書ややり取りの処理に利用できます。</p>",
  "aboutText": "### エージェント向けの学習を施した小型モデル\n\nLFM2.5-2.6Bは、指示への追従、文書処理、複数段階の順次実行を重視するLiquid AIのテキストモデルです。LFM2.5ファミリーの中で、この版にはエージェント型の課題に向けた専用の学習が施され、ツールとのやり取りや一般的なエージェントの作業環境で訓練されています。これはモデルの振る舞いに関する学習であり、アプリケーションで実行できる具体的な操作は連携の実装によって決まります。\n\nLFM2.5-2.6Bは26.9億パラメータのハイブリッドなLFM2アーキテクチャを基盤とし、短い畳み込みとグループ化されたアテンションのブロックを組み合わせています。Liquid AIは端末上での動作を想定してこのファミリーを開発していますが、Ailootではテキストインターフェースを通して利用し、メッセージを渡してテキスト回答を得ます。\n\n### 役立つ場面\n\n文章からの情報抽出、提供資料についての質問、長い指示の処理に適しています。例えば顧客とのやり取りを渡し、要件を一つの一覧にまとめ、矛盾を見つけ、確認用のメールを作るよう求められます。ナレッジベースに基づく回答には、検索済みの文章を添え、それだけを根拠にすること、名称を保つこと、必要な事実がない場合に明示することを指示すると有用です。\n\nLiquid AIの文書では、データ抽出、RAG、長いコンテキストを使う処理が挙げられています。開発元は適用範囲も示しており、エージェントによるプログラミングや、資料なしで大量の事実知識を必要とする課題は、この版の推奨用途ではありません。業界用語を扱う場合は定義と元文書を要求に含めるとよいでしょう。\n\n### コンテキストと言語\n\nAilootでは128,000トークンのコンテキストが記載されています。資料と会話履歴が含まれるため、回答の分量も合わせて計画します。開発元のモデルカードには、ロシア語、英語、中国語、ドイツ語、スペイン語など16言語が挙げられています。指示の中で出力言語と形式を明示すれば、多言語の文書ややり取りの処理に利用できます。",
  "locale": "ja",
  "methods": [
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> Anthropic Messages</b><code>POST /v1/messages</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>入力の種類</dt><dd><code>text</code></dd></div><div><dt>出力の種類</dt><dd><code>text</code></dd></div><div><dt>コンテキスト</dt><dd>カタログに記載なし</dd></div><div><dt>最大出力</dt><dd>カタログに記載なし</dd></div></dl><dl><div><dt>入力</dt><dd>$0.0007 <em>/ 1K</em></dd></div><div><dt>出力</dt><dd>$0.001 <em>/ 1K</em></dd></div><div><dt>キャッシュ読み取り</dt><dd>$0.00008 <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "liquid/lfm-2.5-2.6b",
        "fmt": "messages",
        "http": "POST",
        "path": "/v1/messages",
        "request_model_id": "liquid/lfm-2.5-2.6b",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|messages|/v1/messages|liquid%2Flfm-2.5-2.6b",
      "ordinal": 0,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> OpenAI Responses</b><code>POST /v1/responses</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>入力の種類</dt><dd><code>text</code></dd></div><div><dt>出力の種類</dt><dd><code>text</code></dd></div><div><dt>コンテキスト</dt><dd>カタログに記載なし</dd></div><div><dt>最大出力</dt><dd>カタログに記載なし</dd></div></dl><dl><div><dt>入力</dt><dd>$0.0007 <em>/ 1K</em></dd></div><div><dt>出力</dt><dd>$0.001 <em>/ 1K</em></dd></div><div><dt>キャッシュ読み取り</dt><dd>$0.00008 <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "liquid/lfm-2.5-2.6b",
        "fmt": "responses",
        "http": "POST",
        "path": "/v1/responses",
        "request_model_id": "liquid/lfm-2.5-2.6b",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|responses|/v1/responses|liquid%2Flfm-2.5-2.6b",
      "ordinal": 1,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> OpenAI Chat</b><code>POST /v1/chat/completions</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>入力の種類</dt><dd><code>text</code></dd></div><div><dt>出力の種類</dt><dd><code>text</code></dd></div><div><dt>コンテキスト</dt><dd>カタログに記載なし</dd></div><div><dt>最大出力</dt><dd>カタログに記載なし</dd></div></dl><dl><div><dt>入力</dt><dd>$0.0007 <em>/ 1K</em></dd></div><div><dt>出力</dt><dd>$0.001 <em>/ 1K</em></dd></div><div><dt>キャッシュ読み取り</dt><dd>$0.00008 <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "liquid/lfm-2.5-2.6b",
        "fmt": "chat",
        "http": "POST",
        "path": "/v1/chat/completions",
        "request_model_id": "liquid/lfm-2.5-2.6b",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|chat|/v1/chat/completions|liquid%2Flfm-2.5-2.6b",
      "ordinal": 2,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> Gemini generateContent</b><code>POST /v1beta/models/liquid/lfm-2.5-2.6b:generateContent</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>入力の種類</dt><dd><code>text</code></dd></div><div><dt>出力の種類</dt><dd><code>text</code></dd></div><div><dt>コンテキスト</dt><dd>カタログに記載なし</dd></div><div><dt>最大出力</dt><dd>カタログに記載なし</dd></div></dl><dl><div><dt>入力</dt><dd>$0.0007 <em>/ 1K</em></dd></div><div><dt>出力</dt><dd>$0.001 <em>/ 1K</em></dd></div><div><dt>キャッシュ読み取り</dt><dd>$0.00008 <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "liquid/lfm-2.5-2.6b",
        "fmt": "gemini",
        "http": "POST",
        "path": "/v1beta/models/liquid/lfm-2.5-2.6b:generateContent",
        "request_model_id": "liquid/lfm-2.5-2.6b",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|gemini|/v1beta/models/liquid/lfm-2.5-2.6b:generateContent|liquid%2Flfm-2.5-2.6b",
      "ordinal": 3,
      "rawMethod": {
        "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_id": "liquid/lfm-2.5-2.6b",
  "page": {
    "canonical": "https://ailoot.ai/models/ja/liquid-lfm-2-5-2-6b/",
    "description": "データ抽出、文書に基づく回答、大きなコンテキストを使う連続作業向けの、Liquid AIの小型テキストモデルです。",
    "locale": "ja",
    "md_url": "https://ailoot.ai/models/ja/liquid-lfm-2-5-2-6b/index.md",
    "title": "LiquidAI: LFM2.5-2.6B",
    "url": "https://ailoot.ai/models/ja/liquid-lfm-2-5-2-6b/"
  },
  "rawModel": {
    "about": "### エージェント向けの学習を施した小型モデル\n\nLFM2.5-2.6Bは、指示への追従、文書処理、複数段階の順次実行を重視するLiquid AIのテキストモデルです。LFM2.5ファミリーの中で、この版にはエージェント型の課題に向けた専用の学習が施され、ツールとのやり取りや一般的なエージェントの作業環境で訓練されています。これはモデルの振る舞いに関する学習であり、アプリケーションで実行できる具体的な操作は連携の実装によって決まります。\n\nLFM2.5-2.6Bは26.9億パラメータのハイブリッドなLFM2アーキテクチャを基盤とし、短い畳み込みとグループ化されたアテンションのブロックを組み合わせています。Liquid AIは端末上での動作を想定してこのファミリーを開発していますが、Ailootではテキストインターフェースを通して利用し、メッセージを渡してテキスト回答を得ます。\n\n### 役立つ場面\n\n文章からの情報抽出、提供資料についての質問、長い指示の処理に適しています。例えば顧客とのやり取りを渡し、要件を一つの一覧にまとめ、矛盾を見つけ、確認用のメールを作るよう求められます。ナレッジベースに基づく回答には、検索済みの文章を添え、それだけを根拠にすること、名称を保つこと、必要な事実がない場合に明示することを指示すると有用です。\n\nLiquid AIの文書では、データ抽出、RAG、長いコンテキストを使う処理が挙げられています。開発元は適用範囲も示しており、エージェントによるプログラミングや、資料なしで大量の事実知識を必要とする課題は、この版の推奨用途ではありません。業界用語を扱う場合は定義と元文書を要求に含めるとよいでしょう。\n\n### コンテキストと言語\n\nAilootでは128,000トークンのコンテキストが記載されています。資料と会話履歴が含まれるため、回答の分量も合わせて計画します。開発元のモデルカードには、ロシア語、英語、中国語、ドイツ語、スペイン語など16言語が挙げられています。指示の中で出力言語と形式を明示すれば、多言語の文書ややり取りの処理に利用できます。",
    "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": "データ抽出、文書に基づく回答、大きなコンテキストを使う連続作業向けの、Liquid AIの小型テキストモデルです。"
  },
  "renderer_schema": {
    "method_order": "rawModel.methods-ordinal",
    "prices": "exact-native-DTO-units-and-selected-renderer-html"
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "データ抽出、文書に基づく回答、大きなコンテキストを使う連続作業向けの、Liquid AIの小型テキストモデルです。",
  "source": {
    "audit_sha256": "5f5d86675ffc81331e29587e8f626144942a46f8159705b3acffbb9bd51d4b7b",
    "bridge_map_sha256": "5f5d86675ffc81331e29587e8f626144942a46f8159705b3acffbb9bd51d4b7b",
    "projection_audit": {
      "parent_manifest_sha256": "dfd3a7a4bc6f960e128026cae1f98f769d1503ffa1c6cf0ccf80066382dbbb9e",
      "raw_model_json_sha256": "ea4ac54f17f863a8f1eb84204dfe992b395ee094bf37047b3f618dc531f4c70c",
      "renderer_sha256": "1040c614d3637bc5bf28c97d445c529cdd141dbe0e11f6de9820bc6d2e53724b"
    },
    "projection_kind": "catalogue-refresh-native-dto-v1",
    "raw_model_json_sha256": "ea4ac54f17f863a8f1eb84204dfe992b395ee094bf37047b3f618dc531f4c70c",
    "renderer_sha256": "1040c614d3637bc5bf28c97d445c529cdd141dbe0e11f6de9820bc6d2e53724b"
  },
  "sourceRevision": "12a2356dad129f2728e64c2001d74ea9ffb521c863601afc5d4c0d68c34f8ca9"
}