LiquidAI: LFM2.5-2.6B

{"about":"### Kompakt modell med agenttrening\n\nLFM2.5-2.6B er en tekstmodell fra Liquid AI laget for oppgaver der instruksjonsfølging, dokumentbehandling og flere påfølgende trinn er viktige. Innen LFM2.5-familien har denne versjonen fått særskilt trening for agentbaserte arbeidsmåter: Utvikleren har trent den på samhandling med verktøy og typiske agentmiljøer. Denne treningen gjelder modellens oppførsel; integrasjonen bestemmer hvilke konkrete handlinger som kan utføres i applikasjonen.\n\nLFM2.5-2.6B bygger på den hybride LFM2-arkitekturen med 2,69 milliarder parametere. Den kombinerer blokker for korte konvolusjoner og gruppert oppmerksomhet. Liquid AI utvikler familien med tanke på kjøring på enheter, men i Ailoot brukes modellen gjennom et tekstgrensesnitt: Brukeren sender meldinger og mottar et tekstsvar.\n\n### Hvor modellen er nyttig\n\nModellen egner seg til å trekke opplysninger ut av tekst, svare på spørsmål om innsendt materiale og behandle lange instruksjoner. Du kan for eksempel sende inn kundekorrespondanse, be om å samle kravene i én liste, deretter finne motsetninger og utarbeide et avklaringsbrev. For svar fra en kunnskapsbase er det nyttig å legge ved fragmentene som er funnet, og angi en regel: Bygg på disse, behold navnene og marker når et nødvendig faktum mangler.\n\nLiquid AIs dokumentasjon oppgir datauttrekk, RAG og langkontekstoppgaver som bruksområder. Utvikleren avgrenser også bruken uttrykkelig: Agentbasert programmering og oppgaver som krever omfattende faktakunnskap uten oppgitte kilder, er ikke anbefalte bruksområder for denne versjonen. Ved fagterminologi bør definisjoner og originaldokumenter tas med i forespørselen.\n\n### Kontekst og språk\n\nI Ailoot er det oppgitt en kontekst på 128 000 tokener for denne modellen. Den omfatter oppgavematerialet og samtalehistorikken; svarlengden må planlegges sammen med disse. Utviklerens modellkort oppgir 16 språk, blant annet russisk, engelsk, kinesisk, tysk og spansk. Dette gjør modellen anvendelig i flerspråklig dokument- og korrespondansebehandling, med ønsket språk og resultatformat angitt i instruksjonen.","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":"Kompakt tekstmodell fra Liquid AI for datauttrekk, dokumentbaserte svar og sammenhengende oppgaver med lang kontekst."}