modeller

LiquidAI: LFM2.5-24B-A2B

Markdown · JSON

LiquidAI: LFM2.5-24B-A2B

LFM2.5-24B-A2B er LiquidAIs tekstbaserte resonneringsmodell for verktøydrevne agenter, med totalt 24 milliarder og 2,45 milliarder aktive parametere. Den resonnerer før den svarer, støtter verktøykall og skjemastyrte utdata, og er publisert med en kontekst på 128 000 tokener og en fullføringsgrense på 8 192 tokener.

Om modellen

Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.

LFM2.5-24B-A2B er en mixture-of-experts-modell fra LiquidAI for tekstbasert resonnering og agenter som bruker verktøy. Den har totalt 24 milliarder parametere, med 2,45 milliarder aktive for et token. Resonnering inngår i hvert svar, så oppgaven bør definere målet, underlaget som skal brukes, og resultatet applikasjonen trenger.

Gi en agent et avgrenset mål

Modellen passer til arbeidsflyter der en språkmodell velger neste trinn, leser den resulterende observasjonen og deretter fortsetter mot et sluttresultat. Angi målet i former som applikasjonen kan kontrollere: finn den relevante oppføringen, sammenlign to konfigurasjoner, forbered et endringsforslag eller produser en strukturert vurdering.

Gi verktøyene tydelige formål og behold de returnerte observasjonene i oppgavekonteksten. Modellen publiserer støtte for verktøykall, inkludert valg av et verktøy når grensesnittet tilbyr denne funksjonen. Utførelsen tilhører applikasjonen som kontrollerer verktøyene. Hold en returnert observasjon atskilt fra en instruksjon skrevet av modellen, særlig når et senere trinn avhenger av resultatet fra et søk eller oppslag.

Innhenting for kunnskapsintensivt arbeid

Utgiveren anbefaler innhenting av informasjon eller nettsøk for oppgaver som avhenger av detaljert ekstern kunnskap. Bygg trinnet for underlagsinnhenting inn i arbeidsflyten fremfor å be modellen finne på fakta den ikke har mottatt. Identifiser de innhentede passasjene og be svaret knytte konklusjonene til dem.

For en kundestøtteflyt kan dette bety å finne det relevante regelverket og forklare hvordan det gjelder for den oppgitte saken. For en teknisk oppgave kan det bety å sammenligne dokumentasjonen og konfigurasjonen før en endring foreslås. Behold viktig innhentet innhold i konteksten slik at det endelige svaret kan kontrolleres uten å gjenta alle oppslagene.

Strukturerte svar og samplingsvalg

Den publiserte modellen støtter skjemastyrte strukturerte utdata. Definer en liten resultatstruktur rundt det applikasjonen bruker, som en valgt kategori, en forklaring, referanser til underlaget og en neste handling. Skill modellens resonneringsprosess fra feltene som neste komponent trenger å lagre eller vise.

LiquidAI oppgir temperatur 0,1, top_k 50 og repetition_penalty 1,05 som publiserte samplingsanbefalinger, og den lagrede katalogen gjentar disse standardene. De gir et repeterbart utgangspunkt for å vurdere en bestemt arbeidsflyt. Hold de valgte innstillingene konsekvente når du sammenligner representative oppgaver.

Kapasitet og språk

Den publiserte tjenesteoppføringen angir et kontekstvindu på 128 000 tokener og en fullføringsgrense på 8 192 tokener. Forbered en kortfattet svarspesifikasjon slik at sluttresultatet passer innenfor utdatarammen. Hold relevant underlag samlet og la det være nok utdataplass til det ønskede resultatet.

Produsenten oppgir et flerspråklig sett som omfatter engelsk, russisk, kinesisk, spansk, arabisk og andre språk. Behold kildeterminologi og navn som skal bevares når du bruker modellen til flerspråklig arbeid. En oppgave med et fast ordforråd har nytte av en tydelig ordliste og de samme utdatakonvensjonene på tvers av språk.

Funksjoner

  • Mixture-of-experts-resonnering med bare tekst: totalt 24 milliarder parametere, med 2,45 milliarder aktive.
  • Obligatorisk resonnering før det endelige svaret.
  • Publiserte verktøy, verktøyvalg og strukturerte utdata med JSON-skjema.
  • Innhentingsorienterte arbeidsflyter for kunnskapsavhengige oppgaver.
  • Publisert kontekst på 128 000 tokener og fullføringsgrense på 8 192 tokener.

Bruksområder

  • Assistent støttet av innhentet informasjon — Et spørsmål, innhentede passasjer og et påkrevd svaroppsett. Resultat: Et underlagsknyttet svar som kan kontrolleres mot passasjene.
  • Verktøydrevet triage — En avgrenset sak og kontrollerte oppslagsverktøy. Resultat: En strukturert vurdering og en foreslått neste handling.
  • Konfigurasjonssammenligning — Relevant konfigurasjon, dokumentasjon og sammenligningskriterier. Resultat: Et identifisert sett med forskjeller og støttende underlag.
  • Flerspråklig strukturert analyse — Kildetekst, en ordliste og konsekvente resultatfelt. Resultat: Sammenlignbare oppføringer som beholder terminologien som skal bevares.

Begrensninger

  • Kontekst — Tjenestens publiserte kontekstvindu: 128 000 tokener.
  • Svar — Publisert fullføringsgrense: 8 192 tokener.
  • Resonnering — Modellen resonnerer før den svarer; obligatorisk resonnering inngår i den publiserte konfigurasjonen.
  • Inndata/utdata — Den publiserte modellen tar imot tekst og returnerer tekst.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions liquid/lfm-2.5-24b-a2b

liquid/lfm-2.5-24b-a2b

LiquidAI /liquid/lfm-2.5-24b-a2b

Start

LFM2.5-24B-A2B er LiquidAIs tekstbaserte resonneringsmodell for verktøydrevne agenter, med totalt 24 milliarder og 2,45 milliarder aktive parametere. Den resonnerer før den svarer, støtter verktøykall og skjemastyrte utdata, og er publisert med en kontekst på 128 000 tokener og en fullføringsgrense på 8 192 tokener.

Godkjente inndata
Tekst
Resultater
Tekst

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Inndatatyper
text
Utdatatyper
text
Utdataformat
json eller SSE
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
liquid/lfm-2.5-24b-a2b
Standard—
FeltmessagesTypemessage[]KravPåkrevdVerdier & grenser
Minste antall elementer: 1
Standard—
Feltmessages[].roleTypestringKravPåkrevdVerdier & grenser
Avhenger av modellen
Standard—
Feltmessages[].contentTypestringKravValgfrittVerdier & grenser
Gjelder når: Tekstsamtale
Standard—
FeltstreamTypebooleanKravValgfrittVerdier & grenserStandardfalse
Kombinasjoner av inngående materialer

Tekst · UTF8-tekst

messages[].content

Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, messages
Parametermaterial_typesAvtaletext
ParametermessagesAvtalemeldingstabell med role/content-struktur
Parameterfile_materialAvtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes
Parameteroptional_controlsAvtalestream
Parametercontrol_scopeAvtaleTekstsamtale; stream er en boolsk verdi med false som standard.
Parameteroutput_modalitiesAvtaletext
Parameterhosted_operationsAvtalefalse
Parametermultimodal_input_bindingAvtalenull

Metodealiaser: /chat/completions

Livssyklus: synchronous_or_streamed

Send eksakt modell-ID sammen med messages.

Kontekstlengde er ikke en outputgrense.

En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Ikke angitt Når hurtigmodus er valgt
Flex-modus
Ikke angitt Når flex-modus er valgt
Maksimal resonneringsinnsats
Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats

Ailoot-satser

Priser etter konfigurasjon

Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.

KonfigurasjonPrisplanKonteksttokener, mer ennKonteksttokener, opptil og medKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKonteksttokener, mer enn—Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.0001 / 1K tokener
Utdata · Utgående tokener $0.0014 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.00005 / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonNivå 1 for forespørselslengdePrisplan—Konteksttokener, mer enn0Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.0001 / 1K tokener
Utdata · Utgående tokener $0.0014 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.00005 / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

Ailoot Ultra · OpenAI Chat

curlPython SDK
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model":"liquid/lfm-2.5-24b-a2b","messages":[{"role":"user","content":"hello"}],"stream":false}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model="liquid/lfm-2.5-24b-a2b", messages=[{"role":"user","content":"hello"}], stream=False)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))

Motta og lagre resultater

Ailoot Ultra · OpenAI Chat

json eller SSE

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.

Hvis det opprinnelige svaret må kontrolleres

Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.

Svarfelter
FeltType
Feltchoices[].indexTypeinteger
Feltchoices[].message.contentTypestring|null
Feltchoices[].message.tool_callsTypetool_call[]
Feltchoices[].message.reasoning_contentTypestring
Feltchoices[].message.reasoning_detailsTypeobject|array
Feltchoices[].finish_reasonTypestring|null
FeltusageTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

Ailoot Ultra liquid/lfm-2.5-24b-a2b

Aliaser for metodestier

/chat/completions

Tilknyttede anroper-ID-er

liquid/lfm-2.5-24b-a2b

Ailoot Ultra · Anthropic Messages POST /v1/messages liquid/lfm-2.5-24b-a2b

liquid/lfm-2.5-24b-a2b

LiquidAI /liquid/lfm-2.5-24b-a2b

Start

LFM2.5-24B-A2B er LiquidAIs tekstbaserte resonneringsmodell for verktøydrevne agenter, med totalt 24 milliarder og 2,45 milliarder aktive parametere. Den resonnerer før den svarer, støtter verktøykall og skjemastyrte utdata, og er publisert med en kontekst på 128 000 tokener og en fullføringsgrense på 8 192 tokener.

Godkjente inndata
Tekst
Resultater
json · sse

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · Anthropic Messages POST /v1/messages
Inndatatyper
text
Utdatatyper
json, sse
Utdataformat
JSON eller SSE
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
liquid/lfm-2.5-24b-a2b
Standard—
FeltmessagesTypemessage[]KravPåkrevdVerdier & grenserStandard—
Feltmessages[].roleTypestringKravPåkrevdVerdier & grenser
user, assistant
Standard—
Feltmessages[].contentTypestringKravPåkrevdVerdier & grenserStandard—
Feltmax_tokensTypeintegerKravPåkrevdVerdier & grenserStandard—
FeltstreamTypebooleanKravValgfrittVerdier & grenserStandardfalse
Kombinasjoner av inngående materialer

Tekst · UTF-8-tekst

messages[].content-streng

Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, messages, max_tokens
Parameteroptional_controlsAvtalestream
Parametermaterial_typesAvtaletext
Parametertext_file_materialAvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen.

Livssyklus: synchronous_or_streamed

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Ikke angitt Når hurtigmodus er valgt
Flex-modus
Ikke angitt Når flex-modus er valgt
Maksimal resonneringsinnsats
Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats

Ailoot-satser

Priser etter konfigurasjon

Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.

KonfigurasjonPrisplanKonteksttokener, mer ennKonteksttokener, opptil og medKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKonteksttokener, mer enn—Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.0001 / 1K tokener
Utdata · Utgående tokener $0.0014 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.00005 / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonNivå 1 for forespørselslengdePrisplan—Konteksttokener, mer enn0Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.0001 / 1K tokener
Utdata · Utgående tokener $0.0014 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.00005 / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

Ailoot Ultra · Anthropic Messages

Komplett, minimal JSON-kroppcurl · bruk UTF-8-dokumentet dittPython · lagre hele resultatet
{
  "model": "liquid/lfm-2.5-24b-a2b",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'liquid/lfm-2.5-24b-a2b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'liquid/lfm-2.5-24b-a2b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Motta og lagre resultater

Ailoot Ultra · Anthropic Messages

JSON eller SSE

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.

Hvis det opprinnelige svaret må kontrolleres

Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.

Svarfelter
FeltType
FeltidTypestring
FeltmodelTypestring
Feltcontent[]Typetext|thinking|tool_use|other content block
Feltstop_reasonTypestring|null
FeltusageTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

Ailoot Ultra liquid/lfm-2.5-24b-a2b

Aliaser for metodestier

/chat/completions

Tilknyttede anroper-ID-er

liquid/lfm-2.5-24b-a2b

FAQ · LiquidAI: LFM2.5-24B-A2B
Hvilke inndata og resultater er tilgjengelige?

POST /v1/chat/completions · liquid/lfm-2.5-24b-a2b: text → text

POST /v1/messages · liquid/lfm-2.5-24b-a2b: text → json, sse

Hvilke felt bruker forespørselen?

POST /v1/chat/completions · liquid/lfm-2.5-24b-a2b: model, messages, stream

POST /v1/messages · liquid/lfm-2.5-24b-a2b: model, messages, max_tokens, stream

Hvilke grenser gjelder?

POST /v1/chat/completions · liquid/lfm-2.5-24b-a2b: messages.min_items: 1

Flere detaljer

Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon.

Selskapet og dets prosjektportefølje

Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder.

Kjøp tokener med rabatt.

Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp.

Abonnement
Velg et rabattabonnement for faste forespørsler.
Kampanjekode opptil 50%
Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje.
Kostnader i historikken
Modell, tokener og beløp lagres for hver forespørsel.

Velg abonnement · Se modellpriser

Koble API-et til produktet du selger.

SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg.

Kommersiell applikasjon
Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten.
Forhandlerlisens
Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg.
Dokumenter på nettstedet
Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling.

Be om forhandlerlisens · Offentlig tilbud og lisensavtale