LiquidAI: LFM2.5-2.6B
liquid/lfm-2.5-2.6bДеректерді алуға, құжаттар бойынша жауап беруге және үлкен контексті бірізді міндеттерге арналған ықшам Liquid AI мәтін моделі.
Агенттік дайындықтан өткен ықшам модель
LFM2.5-2.6B — нұсқауды орындау, құжат өңдеу және бірнеше қадамды ретімен жасау маңызды міндеттерге арналған Liquid AI мәтін моделі. LFM2.5 тобында бұл нұсқа агенттік сценарийлерге жеке дайындалған: әзірлеуші оны құралдармен және агенттердің әдеттегі жұмыс орталарымен өзара әрекетке үйреткен. Мұндай оқыту модельдің мінез-құлқына қатысты; қолданбадағы нақты әрекеттерді интеграция анықтайды.
LFM2.5-2.6B негізі — 2,69 млрд параметрі бар LFM2 гибридті архитектурасы. Ол қысқа үйірткі мен топтық назар блоктарын біріктіреді. Liquid AI бұл топты құрылғыларда жұмыс істеуге есептеп дамытады, бірақ Ailoot-та модель мәтіндік интерфейс арқылы қолданылады: пайдаланушы хабарламалар беріп, мәтіндік жауап алады.
Қайда пайдалы
Модель мәтіннен мәлімет алуға, берілген материалдар бойынша сұрақтарға және ұзын нұсқауларды өңдеуге жарайды. Мысалы, тапсырыс берушімен хат алмасуды беріп, талаптарды бір тізімге жинауды, кейін қайшылықтарды бөліп, нақтылау хатын дайындауды сұрауға болады. Білім базасы бойынша жауап үшін табылған үзінділерді қосып, соларға сүйену, атауларды сақтау және қажет фактінің жоқтығын белгілеу ережесін берген пайдалы.
Liquid AI құжаттамасында жұмыс бағыттары ретінде деректерді алу, RAG және ұзын контекст сценарийлері көрсетілген. Әзірлеуші қолдану аясын бөлек шектейді: агенттік бағдарламалау мен берілген дереккөздерсіз көп нақты білімді қажет ететін тапсырмалар бұл нұсқаға ұсынылмайды. Салалық терминдермен жұмыс істегенде сұрауға анықтамалар мен бастапқы құжаттарды қосқан дұрыс.
Контекст және тілдер
Ailoot-та бұл модельге 128 000 токендік контекст көрсетілген. Оған міндет материалдары мен диалог тарихы кіреді; жауап көлемін солармен бірге жоспарлау керек. Әзірлеуші карточкасында орыс, ағылшын, қытай, неміс, испан тілдерін қамтитын 16 тіл аталған. Бұл нұсқауда қажетті тіл мен нәтиже пішімін сақтай отырып, модельді құжаттар мен хат алмасуды көптілді өңдеуге пайдалануға мүмкіндік береді.
Ailoot API арқылы қолжетімді
POST /v1/messages- Кіріс
text- Шығыс
text- Контекст
- Каталогта көрсетілмеген
- Жауаптың ең көп көлемі
- Каталогта көрсетілмеген
- Кіріс
- 0,0007 $ / 1K
- Шығыс
- 0,001 $ / 1K
- Кэшті оқу
- 0,00008 $ / 1K
POST /v1/responses- Кіріс
text- Шығыс
text- Контекст
- Каталогта көрсетілмеген
- Жауаптың ең көп көлемі
- Каталогта көрсетілмеген
- Кіріс
- 0,0007 $ / 1K
- Шығыс
- 0,001 $ / 1K
- Кэшті оқу
- 0,00008 $ / 1K
POST /v1/chat/completions- Кіріс
text- Шығыс
text- Контекст
- Каталогта көрсетілмеген
- Жауаптың ең көп көлемі
- Каталогта көрсетілмеген
- Кіріс
- 0,0007 $ / 1K
- Шығыс
- 0,001 $ / 1K
- Кэшті оқу
- 0,00008 $ / 1K
POST /v1beta/models/liquid/lfm-2.5-2.6b:generateContent- Кіріс
text- Шығыс
text- Контекст
- Каталогта көрсетілмеген
- Жауаптың ең көп көлемі
- Каталогта көрсетілмеген
- Кіріс
- 0,0007 $ / 1K
- Шығыс
- 0,001 $ / 1K
- Кэшті оқу
- 0,00008 $ / 1K
liquid/lfm-2.5-2.6b · JSON
{"about":"### Агенттік дайындықтан өткен ықшам модель\n\nLFM2.5-2.6B — нұсқауды орындау, құжат өңдеу және бірнеше қадамды ретімен жасау маңызды міндеттерге арналған Liquid AI мәтін моделі. LFM2.5 тобында бұл нұсқа агенттік сценарийлерге жеке дайындалған: әзірлеуші оны құралдармен және агенттердің әдеттегі жұмыс орталарымен өзара әрекетке үйреткен. Мұндай оқыту модельдің мінез-құлқына қатысты; қолданбадағы нақты әрекеттерді интеграция анықтайды.\n\nLFM2.5-2.6B негізі — 2,69 млрд параметрі бар LFM2 гибридті архитектурасы. Ол қысқа үйірткі мен топтық назар блоктарын біріктіреді. Liquid AI бұл топты құрылғыларда жұмыс істеуге есептеп дамытады, бірақ Ailoot-та модель мәтіндік интерфейс арқылы қолданылады: пайдаланушы хабарламалар беріп, мәтіндік жауап алады.\n\n### Қайда пайдалы\n\nМодель мәтіннен мәлімет алуға, берілген материалдар бойынша сұрақтарға және ұзын нұсқауларды өңдеуге жарайды. Мысалы, тапсырыс берушімен хат алмасуды беріп, талаптарды бір тізімге жинауды, кейін қайшылықтарды бөліп, нақтылау хатын дайындауды сұрауға болады. Білім базасы бойынша жауап үшін табылған үзінділерді қосып, соларға сүйену, атауларды сақтау және қажет фактінің жоқтығын белгілеу ережесін берген пайдалы.\n\nLiquid AI құжаттамасында жұмыс бағыттары ретінде деректерді алу, RAG және ұзын контекст сценарийлері көрсетілген. Әзірлеуші қолдану аясын бөлек шектейді: агенттік бағдарламалау мен берілген дереккөздерсіз көп нақты білімді қажет ететін тапсырмалар бұл нұсқаға ұсынылмайды. Салалық терминдермен жұмыс істегенде сұрауға анықтамалар мен бастапқы құжаттарды қосқан дұрыс.\n\n### Контекст және тілдер\n\nAiloot-та бұл модельге 128 000 токендік контекст көрсетілген. Оған міндет материалдары мен диалог тарихы кіреді; жауап көлемін солармен бірге жоспарлау керек. Әзірлеуші карточкасында орыс, ағылшын, қытай, неміс, испан тілдерін қамтитын 16 тіл аталған. Бұл нұсқауда қажетті тіл мен нәтиже пішімін сақтай отырып, модельді құжаттар мен хат алмасуды көптілді өңдеуге пайдалануға мүмкіндік береді.","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":"Деректерді алуға, құжаттар бойынша жауап беруге және үлкен контексті бірізді міндеттерге арналған ықшам Liquid AI мәтін моделі."}