LiquidAI: LFM2.5-2.6B

{"about":"### 에이전트 학습을 거친 소형 모델\n\nLFM2.5-2.6B는 지시 준수, 문서 처리, 여러 단계의 순차 수행을 중시하는 Liquid AI의 텍스트 모델입니다. LFM2.5 계열에서 이 버전은 에이전트 시나리오를 위한 별도 학습을 받았습니다. 개발사는 도구와의 상호작용 및 일반적인 에이전트 작업 환경으로 학습했습니다. 이는 모델의 행동에 관한 학습이며, 애플리케이션에서 가능한 구체적 동작은 통합 방식이 정합니다.\n\nLFM2.5-2.6B는 26억 9천만 매개변수의 LFM2 하이브리드 구조를 기반으로 합니다. 짧은 합성곱 블록과 그룹화된 어텐션 블록을 결합합니다. Liquid AI는 기기 내 실행을 고려해 이 계열을 개발하지만, Ailoot에서는 사용자가 메시지를 전달하고 텍스트 답변을 받는 인터페이스로 이용합니다.\n\n### 유용한 작업\n\n텍스트에서 정보 추출, 제공 자료에 대한 질문, 긴 지시 처리에 적합합니다. 예를 들어 고객과의 대화 내역을 전달하고 요구사항을 하나의 목록으로 모은 뒤 모순을 찾고 확인 메일을 작성하도록 요청할 수 있습니다. 지식 기반 답변에는 검색된 조각을 첨부하고, 이를 근거로 삼고 명칭을 유지하며 필요한 사실이 없으면 표시하라는 규칙을 주면 좋습니다.\n\nLiquid AI 문서는 데이터 추출, RAG, 긴 맥락 시나리오를 활용 분야로 제시합니다. 개발사는 적용 범위도 제한합니다. 에이전트 코딩과 제공된 자료 없이 방대한 사실 지식을 요구하는 과제는 이 버전의 권장 작업에 포함되지 않습니다. 업계 용어를 다룰 때는 정의와 원본 문서를 요청에 넣는 것이 좋습니다.\n\n### 맥락과 언어\n\nAiloot에는 이 모델의 맥락이 128,000토큰으로 표시되어 있습니다. 과제 자료와 대화 기록이 여기에 포함되므로 답변 크기도 함께 계획해야 합니다. 개발사 모델 카드에는 러시아어, 영어, 중국어, 독일어, 스페인어 등을 포함한 16개 언어가 나열되어 있습니다. 원하는 결과 언어와 형식을 지시에 명시해 다국어 문서와 대화 처리에 활용할 수 있습니다.","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":"데이터 추출, 문서 기반 답변, 긴 맥락을 사용하는 연속 작업을 위한 Liquid AI의 소형 텍스트 모델입니다."}