LFM2.5-2.6B is een tekstmodel van Liquid AI voor taken waarin instructies volgen, documenten verwerken en meerdere stappen achter elkaar uitvoeren belangrijk zijn. Binnen de LFM2.5-familie kreeg deze versie specifieke training voor agenttoepassingen: de ontwikkelaar trainde het model op interactie met gereedschappen en gangbare werkomgevingen van agents. Die training betreft het modelgedrag; de integratie bepaalt de concrete handelingen in een toepassing.
LFM2.5-2.6B is gebaseerd op de hybride LFM2-architectuur met 2,69 miljard parameters. Ze combineert blokken voor korte convoluties met gegroepeerde aandacht. Liquid AI ontwikkelt deze familie met gebruik op apparaten voor ogen. In Ailoot wordt het model echter via een tekstinterface gebruikt: je stuurt berichten en ontvangt tekst als antwoord.
Het model is geschikt voor het extraheren van informatie uit tekst, vragen over aangeleverd materiaal en het verwerken van lange instructies. Je kunt bijvoorbeeld correspondentie met een klant meesturen, de eisen tot één lijst laten bundelen en vervolgens tegenstrijdigheden laten aanwijzen en een verduidelijkende brief laten opstellen. Voeg voor antwoorden uit een kennisbank de gevonden fragmenten toe en leg als regel vast dat het model zich daarop baseert, namen behoudt en ontbrekende feiten benoemt.
Liquid AI noemt gegevensextractie, RAG en toepassingen met lange context als werkgebieden in de documentatie. De ontwikkelaar begrenst het toepassingsgebied ook expliciet: agentisch programmeren en taken die veel feitenkennis zonder aangeleverde bronnen vereisen, behoren niet tot de aanbevolen taken voor deze versie. Neem bij vakterminologie de definities en oorspronkelijke documenten op in de aanvraag.
In Ailoot is voor dit model een context van 128 000 tokens opgegeven. Daarin vallen het taakmateriaal en de gespreksgeschiedenis; plan de antwoordomvang samen met die onderdelen. De modelkaart van de ontwikkelaar vermeldt 16 talen, waaronder Russisch, Engels, Chinees, Duits en Spaans. Dat maakt gebruik bij meertalige document- en correspondentieverwerking mogelijk. Geef in de instructie de gewenste taal en het resultaatformaat aan.
", "aboutText": "### Compact model met agenttraining\n\nLFM2.5-2.6B is een tekstmodel van Liquid AI voor taken waarin instructies volgen, documenten verwerken en meerdere stappen achter elkaar uitvoeren belangrijk zijn. Binnen de LFM2.5-familie kreeg deze versie specifieke training voor agenttoepassingen: de ontwikkelaar trainde het model op interactie met gereedschappen en gangbare werkomgevingen van agents. Die training betreft het modelgedrag; de integratie bepaalt de concrete handelingen in een toepassing.\n\nLFM2.5-2.6B is gebaseerd op de hybride LFM2-architectuur met 2,69 miljard parameters. Ze combineert blokken voor korte convoluties met gegroepeerde aandacht. Liquid AI ontwikkelt deze familie met gebruik op apparaten voor ogen. In Ailoot wordt het model echter via een tekstinterface gebruikt: je stuurt berichten en ontvangt tekst als antwoord.\n\n### Waar het model bruikbaar is\n\nHet model is geschikt voor het extraheren van informatie uit tekst, vragen over aangeleverd materiaal en het verwerken van lange instructies. Je kunt bijvoorbeeld correspondentie met een klant meesturen, de eisen tot één lijst laten bundelen en vervolgens tegenstrijdigheden laten aanwijzen en een verduidelijkende brief laten opstellen. Voeg voor antwoorden uit een kennisbank de gevonden fragmenten toe en leg als regel vast dat het model zich daarop baseert, namen behoudt en ontbrekende feiten benoemt.\n\nLiquid AI noemt gegevensextractie, RAG en toepassingen met lange context als werkgebieden in de documentatie. De ontwikkelaar begrenst het toepassingsgebied ook expliciet: agentisch programmeren en taken die veel feitenkennis zonder aangeleverde bronnen vereisen, behoren niet tot de aanbevolen taken voor deze versie. Neem bij vakterminologie de definities en oorspronkelijke documenten op in de aanvraag.\n\n### Context en talen\n\nIn Ailoot is voor dit model een context van 128 000 tokens opgegeven. Daarin vallen het taakmateriaal en de gespreksgeschiedenis; plan de antwoordomvang samen met die onderdelen. De modelkaart van de ontwikkelaar vermeldt 16 talen, waaronder Russisch, Engels, Chinees, Duits en Spaans. Dat maakt gebruik bij meertalige document- en correspondentieverwerking mogelijk. Geef in de instructie de gewenste taal en het resultaatformaat aan.", "locale": "nl", "methods": [ { "html": "POST /v1/messagestexttextPOST /v1/responsestexttextPOST /v1/chat/completionstexttextPOST /v1beta/models/liquid/lfm-2.5-2.6b:generateContenttexttext