LFM2.5-2.6B to model tekstowy Liquid AI stworzony do zadań, w których ważne są przestrzeganie instrukcji, przetwarzanie dokumentów i sekwencyjne wykonywanie kilku kroków. W rodzinie LFM2.5 ta wersja przeszła osobne przygotowanie do scenariuszy agentowych: twórca uczył ją interakcji z narzędziami i typowymi środowiskami pracy agentów. Takie uczenie dotyczy zachowania modelu; konkretne działania w aplikacji wyznacza integracja.
Podstawą LFM2.5-2.6B jest hybrydowa architektura LFM2 z 2,69 mld parametrów. Łączy bloki krótkiej konwolucji i uwagi grupowej. Liquid AI rozwija tę rodzinę z myślą o pracy na urządzeniach, jednak w Ailoot model jest używany przez interfejs tekstowy: użytkownik przekazuje wiadomości i otrzymuje odpowiedź tekstową.
Model nadaje się do wyodrębniania informacji z tekstu, pytań o dostarczone materiały i przetwarzania długich instrukcji. Można na przykład przekazać korespondencję z klientem, poprosić o zebranie wymagań w jedną listę, następnie wskazać sprzeczności i przygotować wiadomość z pytaniami doprecyzowującymi. Przy odpowiedzi z bazy wiedzy warto dołączyć znalezione fragmenty i ustalić regułę: opierać się na nich, zachowywać nazwy i zaznaczać brak potrzebnego faktu.
Dokumentacja Liquid AI wymienia wśród zastosowań wyodrębnianie danych, RAG i scenariusze z długim kontekstem. Twórca osobno ogranicza zakres zastosowania: programowanie agentowe i zadania wymagające rozległej wiedzy faktograficznej bez dostarczonych źródeł nie należą do zalecanych zadań tej wersji. Przy terminologii branżowej lepiej dołączyć do zapytania definicje i dokumenty źródłowe.
W Ailoot dla tego modelu podano kontekst 128 000 tokenów. Obejmuje on materiały zadania i historię rozmowy; rozmiar odpowiedzi należy planować łącznie z nimi. Karta twórcy wymienia 16 języków, w tym rosyjski, angielski, chiński, niemiecki i hiszpański. Pozwala to używać modelu w wielojęzycznym przetwarzaniu dokumentów i korespondencji, określając w instrukcji oczekiwany język i format wyniku.
", "aboutText": "### Kompaktowy model przygotowany do pracy agentowej\n\nLFM2.5-2.6B to model tekstowy Liquid AI stworzony do zadań, w których ważne są przestrzeganie instrukcji, przetwarzanie dokumentów i sekwencyjne wykonywanie kilku kroków. W rodzinie LFM2.5 ta wersja przeszła osobne przygotowanie do scenariuszy agentowych: twórca uczył ją interakcji z narzędziami i typowymi środowiskami pracy agentów. Takie uczenie dotyczy zachowania modelu; konkretne działania w aplikacji wyznacza integracja.\n\nPodstawą LFM2.5-2.6B jest hybrydowa architektura LFM2 z 2,69 mld parametrów. Łączy bloki krótkiej konwolucji i uwagi grupowej. Liquid AI rozwija tę rodzinę z myślą o pracy na urządzeniach, jednak w Ailoot model jest używany przez interfejs tekstowy: użytkownik przekazuje wiadomości i otrzymuje odpowiedź tekstową.\n\n### Gdzie jest przydatny\n\nModel nadaje się do wyodrębniania informacji z tekstu, pytań o dostarczone materiały i przetwarzania długich instrukcji. Można na przykład przekazać korespondencję z klientem, poprosić o zebranie wymagań w jedną listę, następnie wskazać sprzeczności i przygotować wiadomość z pytaniami doprecyzowującymi. Przy odpowiedzi z bazy wiedzy warto dołączyć znalezione fragmenty i ustalić regułę: opierać się na nich, zachowywać nazwy i zaznaczać brak potrzebnego faktu.\n\nDokumentacja Liquid AI wymienia wśród zastosowań wyodrębnianie danych, RAG i scenariusze z długim kontekstem. Twórca osobno ogranicza zakres zastosowania: programowanie agentowe i zadania wymagające rozległej wiedzy faktograficznej bez dostarczonych źródeł nie należą do zalecanych zadań tej wersji. Przy terminologii branżowej lepiej dołączyć do zapytania definicje i dokumenty źródłowe.\n\n### Kontekst i języki\n\nW Ailoot dla tego modelu podano kontekst 128 000 tokenów. Obejmuje on materiały zadania i historię rozmowy; rozmiar odpowiedzi należy planować łącznie z nimi. Karta twórcy wymienia 16 języków, w tym rosyjski, angielski, chiński, niemiecki i hiszpański. Pozwala to używać modelu w wielojęzycznym przetwarzaniu dokumentów i korespondencji, określając w instrukcji oczekiwany język i format wyniku.", "locale": "pl", "methods": [ { "html": "POST /v1/messagestexttextPOST /v1/responsestexttextPOST /v1/chat/completionstexttextPOST /v1beta/models/liquid/lfm-2.5-2.6b:generateContenttexttext