LFM2.5-2.6B 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.
LFM2.5-2.6B 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.
Modellen 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.
Liquid 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.
I 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.
", "aboutText": "### 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.", "locale": "nb", "methods": [ { "html": "POST /v1/messagestexttextPOST /v1/responsestexttextPOST /v1/chat/completionstexttextPOST /v1beta/models/liquid/lfm-2.5-2.6b:generateContenttexttext