LiquidAI: LFM2.5-2.6B

{"about":"### Kompaktiškas modelis su agentiniu parengimu\n\nLFM2.5-2.6B — Liquid AI teksto modelis užduotims, kuriose svarbus instrukcijų laikymasis, dokumentų apdorojimas ir nuoseklus kelių žingsnių vykdymas. LFM2.5 šeimoje ši versija atskirai parengta agentiniams scenarijams: kūrėjas ją mokė sąveikauti su įrankiais ir įprastomis agentų darbo aplinkomis. Šis mokymas apibūdina modelio elgseną; konkrečius veiksmus programoje nustato integracija.\n\nLFM2.5-2.6B pagrindas — hibridinė LFM2 architektūra su 2,69 mlrd. parametrų. Ji jungia trumpos konvoliucijos ir grupinio dėmesio blokus. Liquid AI šią šeimą kuria darbui įrenginiuose, tačiau Ailoot modelis naudojamas per tekstinę sąsają: naudotojas perduoda pranešimus ir gauna tekstinį atsakymą.\n\n### Kur naudingas\n\nModelis tinka informacijai iš teksto išgauti, klausimams pagal pateiktą medžiagą ir ilgoms instrukcijoms apdoroti. Pavyzdžiui, galima pateikti susirašinėjimą su užsakovu, paprašyti surinkti reikalavimus į bendrą sąrašą, tada išskirti prieštaravimus ir parengti patikslinimo laišką. Atsakymui pagal žinių bazę naudinga pridėti rastus fragmentus ir nustatyti taisyklę: remtis jais, išsaugoti pavadinimus ir pažymėti, jei reikiamo fakto nėra.\n\nLiquid AI dokumentacijoje tarp darbo krypčių nurodyti duomenų išgavimas, RAG ir ilgo konteksto scenarijai. Kūrėjas atskirai apriboja taikymo sritį: agentinis programavimas ir užduotys, kurioms reikia daug faktinių žinių be pateiktų šaltinių, šiai versijai nerekomenduojamos. Dirbant su srities terminais geriau užklausoje pateikti apibrėžimus ir pirminius dokumentus.\n\n### Kontekstas ir kalbos\n\nAiloot šiam modeliui nurodytas 128 000 žetonų kontekstas. Jis apima užduoties medžiagą ir pokalbio istoriją; atsakymo dydį reikia planuoti kartu su jais. Kūrėjo kortelėje išvardyta 16 kalbų, įskaitant rusų, anglų, kinų, vokiečių ir ispanų. Tai leidžia modelį naudoti daugiakalbiam dokumentų bei susirašinėjimo apdorojimui, instrukcijoje nurodant pageidaujamą rezultato kalbą ir formatą.","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":"Kompaktiškas Liquid AI teksto modelis duomenims išgauti, atsakymams pagal dokumentus ir nuoseklioms užduotims su dideliu kontekstu."}