models

LiquidAI: LFM2.5-2.6B

Markdown · JSON

LiquidAI: LFM2.5-2.6B

liquid/lfm-2.5-2.6b
LiquidМәтінКіріс 0,0007 $ / 1KШығыс 0,001 $ / 1K

Деректерді 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

Ultra Anthropic MessagesPOST /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
Ultra OpenAI ResponsesPOST /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
Ultra OpenAI ChatPOST /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
Ultra Gemini generateContentPOST /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."}

Сұрақтар

Міндетіме сай модельді қалай таңдаймын?

Алдымен қажетті кіріс пен шығысты анықтаңыз: мәтін, сурет, аудио немесе видео. Содан кейін үйлесімді API әдістерін, модельдің нақты ID мәнін немесе бүркеншік атау қазір сілтейтін модельді, бағаны және есептеу бірлігін салыстырыңыз. GET /v1/models тегін және кілтіңізге қолжетімді модельдер тізімін береді.

Әр модель барлық API әдісін және медиа түрін қолдай ма?

Модель карточкасында көрсетілген API әдістері мен кіріс/шығыс деректерінің түрлерін пайдаланыңыз. Мәтін, сурет, аудио немесе видео қолдауы таңдалған модель мен әдіске байланысты; деректеріңізді жібермес бұрын тиісті сұрау мысалын тексеріңіз.

Модельдің ID мәні мен бүркеншік атаудың айырмашылығы қандай?

Модельдің нақты ID мәні белгілі бір модельді анықтайды. Бүркеншік атау модельге сілтейді және оның нысанасы өзгеруі мүмкін. Каталогтан бүркеншік атаудың қазір қай модельге сілтейтінін тексеріңіз; интеграцияңызға белгілі бір модель қажет болса, нақты ID мәнін пайдаланыңыз.

Сұрау жібермес бұрын бағаларды қалай салыстырамын?

Таңдалған API әдісінің бағасы мен есептеу бірлігін модель карточкасынан қараңыз. Бірдей бірлік пен кіріс/шығыс деректерінің бірдей түрін салыстырыңыз; сұраулар тарихында нақты пайдалану көлемі мен шегерілген сома көрсетіледі.

Жазылым не береді?

Тұрақты жұмысқа токен сатып алу жеңілдігін. Сұрау көлеміне сай тариф таңдаңыз; жазылым шарты мен бағасы рәсімдегенде көрсетіледі.

50% дейінгі промокод жеңілдігін қалай қолданамын?

Токен сатып алғанда промокод енгізіңіз. Соңғы сома науқан шартымен қайта есептеледі; жеңілдік төлемге дейін көрінеді.