modele

LiquidAI: LFM2.5-24B-A2B

Markdown · JSON

LiquidAI: LFM2.5-24B-A2B

LFM2.5-24B-A2B to model rozumowania tekstowego LiquidAI dla agentów korzystających z narzędzi, z 24B parametrów ogółem i 2,45B aktywnych. Rozumuje przed odpowiedzią, obsługuje wywołania narzędzi i wyjście kierowane schematem, z opublikowanym kontekstem 128 000 tokenów i limitem odpowiedzi 8 192 tokenów.

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

LFM2.5-24B-A2B to model mieszanki ekspertów LiquidAI do rozumowania tekstowego i agentów używających narzędzi. Ma 24 miliardy parametrów ogółem, z 2,45 miliarda aktywnych dla tokenu. Rozumowanie jest częścią każdej odpowiedzi, więc zadanie powinno definiować cel, dowody do użycia i wynik potrzebny aplikacji.

Nadaj agentowi ograniczony cel

Model pasuje do procesów, w których model językowy wybiera następny krok, odczytuje wynikową obserwację, a następnie kontynuuje w kierunku rezultatu. Określ cel w kategoriach, które aplikacja może sprawdzić: znalezienie odpowiedniego rekordu, porównanie dwóch konfiguracji, przygotowanie propozycji zmiany lub stworzenie ustrukturyzowanej oceny.

Dostarcz narzędzia o jasnych celach i zachowuj zwrócone obserwacje w kontekście zadania. Model publikuje obsługę wywoływania narzędzi, w tym wyboru narzędzia, gdy interfejs zapewnia tę możliwość. Wykonanie należy do aplikacji sterującej narzędziami. Oddzielaj zwróconą obserwację od instrukcji napisanej przez model, zwłaszcza gdy późniejszy krok zależy od wyniku wyszukiwania lub odczytu.

Wyszukiwanie dla pracy wymagającej wiedzy

Wydawca zaleca pozyskiwanie informacji lub wyszukiwanie w sieci dla zadań zależnych od szczegółowej wiedzy zewnętrznej. Włącz krok gromadzenia dowodów do procesu, zamiast prosić model o wymyślanie faktów, których nie otrzymał. Oznacz odnalezione fragmenty i poproś, aby odpowiedź wiązała wnioski z tymi fragmentami.

W procesie wsparcia może to oznaczać znalezienie odpowiedniej polityki i wyjaśnienie jej zastosowania do podanego przypadku. W zadaniu technicznym może to oznaczać porównanie dokumentacji i konfiguracji przed proponowaniem zmiany. Zachowuj ważne odnalezione treści w kontekście, aby odpowiedź końcową można było sprawdzić bez powtarzania każdego wyszukiwania.

Ustrukturyzowane odpowiedzi i wybór próbkowania

Opublikowany model obsługuje ustrukturyzowane wyjście kierowane schematem. Zdefiniuj niewielki format wyniku wokół tego, co wykorzystuje aplikacja, na przykład wybraną kategorię, wyjaśnienie, odniesienia do dowodów i następne działanie. Oddzielaj proces rozumowania modelu od pól, które kolejny komponent musi przechować lub wyświetlić.

LiquidAI podaje temperature 0,1, top_k 50 i repetition_penalty 1,05 jako opublikowane zalecenia próbkowania, a zapisany katalog powtarza te wartości domyślne. Zapewniają powtarzalny punkt wyjścia do oceny konkretnego procesu. Zachowuj spójność wybranych ustawień przy porównywaniu reprezentatywnych zadań.

Pojemność i język

Opublikowany wpis usługi podaje okno kontekstu 128 000 tokenów i limit odpowiedzi 8 192 tokenów. Przygotuj zwięzłą specyfikację odpowiedzi, aby końcowy rezultat mieścił się w tym limicie wyjścia. Zachowuj razem odpowiednie dowody i pozostaw wystarczająco dużo miejsca na żądany rezultat.

Producent wymienia wielojęzyczny zestaw obejmujący angielski, rosyjski, chiński, hiszpański, arabski i inne języki. Zachowuj terminologię źródłową i nazwy wymagające zachowania, korzystając z modelu w pracy wielojęzycznej. Zadanie ze stałym słownictwem korzysta z jednoznacznego słownika i tych samych konwencji wyjścia w różnych językach.

Możliwości

  • Rozumowanie wyłącznie tekstowe w mieszance ekspertów: 24B parametrów ogółem, 2,45B aktywnych.
  • Obowiązkowe rozumowanie przed odpowiedzią końcową.
  • Opublikowane narzędzia, wybór narzędzia i ustrukturyzowane wyjście zgodne z JSON-schema.
  • Procesy zorientowane na pozyskiwanie informacji dla zadań wymagających wiedzy.
  • Opublikowany kontekst 128 000 tokenów i limit odpowiedzi 8 192 tokenów.

Zastosowania

  • Asystent oparty na wyszukanych informacjach — Pytanie, odnalezione fragmenty i wymagany układ odpowiedzi. Wynik: Odpowiedź powiązana z dowodami, którą można sprawdzić w tych fragmentach.
  • Wstępne sortowanie spraw z użyciem narzędzi — Przypadek o ograniczonym zakresie i kontrolowane narzędzia wyszukiwania. Wynik: Ustrukturyzowana ocena i proponowane następne działanie.
  • Porównanie konfiguracji — Odpowiednia konfiguracja, dokumentacja i kryteria porównania. Wynik: Zestaw zidentyfikowanych różnic ze wspierającymi dowodami.
  • Ustrukturyzowana analiza wielojęzyczna — Tekst źródłowy, słownik i spójne pola wyników. Wynik: Porównywalne rekordy zachowujące chronioną terminologię.

Ograniczenia

  • Kontekst — Opublikowane okno kontekstu usługi: 128 000 tokenów.
  • Odpowiedź — Opublikowany limit odpowiedzi: 8 192 tokeny.
  • Rozumowanie — Model rozumuje przed odpowiedzią; obowiązkowe rozumowanie jest częścią opublikowanej konfiguracji.
  • Wejście/wyjście — Opublikowany model przyjmuje tekst i zwraca 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 to model rozumowania tekstowego LiquidAI dla agentów korzystających z narzędzi, z 24B parametrów ogółem i 2,45B aktywnych. Rozumuje przed odpowiedzią, obsługuje wywołania narzędzi i wyjście kierowane schematem, z opublikowanym kontekstem 128 000 tokenów i limitem odpowiedzi 8 192 tokenów.

Akceptowane dane wejściowe
Tekst
Wyniki
Tekst

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Wejście
text
Wyjście
text
Format wyjściowy
json lub SSE
PoleTypWymaganieWartości i limityDomyślnie
PolemodelTypstringWymaganieWymaganeWartości i limity
liquid/lfm-2.5-24b-a2b
Domyślnie—
PolemessagesTypmessage[]WymaganieWymaganeWartości i limity
Minimalna liczba elementów: 1
Domyślnie—
Polemessages[].roleTypstringWymaganieWymaganeWartości i limity
Zależy od modelu
Domyślnie—
Polemessages[].contentTypstringWymaganieOpcjonalneWartości i limity
Obowiązuje, gdy: Rozmowa tekstowa
Domyślnie—
PolestreamTypbooleanWymaganieOpcjonalneWartości i limityDomyślniefalse
Kombinacje materiałów wejściowych

Tekst · tekst UTF8

messages[].content

Parametry i cykl życia metody
ParametrKontrakt
Parametrcontent_typeKontraktapplication/json
ParametrrequiredKontraktmodel, messages
Parametrmaterial_typesKontrakttext
ParametrmessagesKontrakttablica wiadomości o strukturze role/content
Parametrfile_materialKontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku
Parametroptional_controlsKontraktstream
Parametrcontrol_scopeKontraktRozmowa tekstowa; stream jest wartością logiczną i domyślnie wynosi false.
Parametroutput_modalitiesKontrakttext
Parametrhosted_operationsKontraktfalse
Parametrmultimodal_input_bindingKontraktnull

Aliasy metody: /chat/completions

Cykl życia: synchronous_or_streamed

Wyślij dokładne ID modelu wraz z messages.

Długość kontekstu nie jest limitem wyjścia.

Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.

Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki
Nie określono Gdy wybrany jest tryb szybki
Tryb flex
Nie określono Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania
Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)

Stawki Ailoot

Ceny według konfiguracji

Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.

KonfiguracjaTabela stawekTokeny kontekstu, więcej niżTokeny kontekstu, do podanej wartości włącznieOpłata
KonfiguracjaPodstawowe stawki za tokenyTabela stawekStawka podstawowaTokeny kontekstu, więcej niż—Tokeny kontekstu, do podanej wartości włącznieBez górnej granicyOpłata
Wejście · Tokeny wejściowe $0.0001 / 1K tokenów
Wyjście · Tokeny wyjściowe $0.0014 / 1K tokenów
Wejście · Odczyt cache $0.00005 / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów
KonfiguracjaPrzedział długości żądania 1Tabela stawek—Tokeny kontekstu, więcej niż0Tokeny kontekstu, do podanej wartości włącznieBez górnej granicyOpłata
Wejście · Tokeny wejściowe $0.0001 / 1K tokenów
Wyjście · Tokeny wyjściowe $0.0014 / 1K tokenów
Wejście · Odczyt cache $0.00005 / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

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"))

Odbieranie i zapisywanie wyników

Ailoot Ultra · OpenAI Chat

json lub SSE

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.

Pola odpowiedzi
PoleTyp
Polechoices[].indexTypinteger
Polechoices[].message.contentTypstring|null
Polechoices[].message.tool_callsTyptool_call[]
Polechoices[].message.reasoning_contentTypstring
Polechoices[].message.reasoning_detailsTypobject|array
Polechoices[].finish_reasonTypstring|null
PoleusageTypobject
Błędy i dalsze kroki
OdpowiedźWarunekNastępny krok
Odpowiedź400 · invalid_request_errorWarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametruNastępny krokPopraw wskazane pola przed nowym żądaniem utworzenia.

Aliasy

Aliasy modelu

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

Aliasy ścieżek metod

/chat/completions

Powiązane ID modeli

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 to model rozumowania tekstowego LiquidAI dla agentów korzystających z narzędzi, z 24B parametrów ogółem i 2,45B aktywnych. Rozumuje przed odpowiedzią, obsługuje wywołania narzędzi i wyjście kierowane schematem, z opublikowanym kontekstem 128 000 tokenów i limitem odpowiedzi 8 192 tokenów.

Akceptowane dane wejściowe
Tekst
Wyniki
json · sse

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · Anthropic Messages POST /v1/messages
Wejście
text
Wyjście
json, sse
Format wyjściowy
JSON lub SSE
PoleTypWymaganieWartości i limityDomyślnie
PolemodelTypstringWymaganieWymaganeWartości i limity
liquid/lfm-2.5-24b-a2b
Domyślnie—
PolemessagesTypmessage[]WymaganieWymaganeWartości i limityDomyślnie—
Polemessages[].roleTypstringWymaganieWymaganeWartości i limity
user, assistant
Domyślnie—
Polemessages[].contentTypstringWymaganieWymaganeWartości i limityDomyślnie—
Polemax_tokensTypintegerWymaganieWymaganeWartości i limityDomyślnie—
PolestreamTypbooleanWymaganieOpcjonalneWartości i limityDomyślniefalse
Kombinacje materiałów wejściowych

Tekst · tekst UTF-8

ciąg messages[].content

Parametry i cykl życia metody
ParametrKontrakt
Parametrcontent_typeKontraktapplication/json
ParametrrequiredKontraktmodel, messages, max_tokens
Parametroptional_controlsKontraktstream
Parametrmaterial_typesKontrakttext
Parametrtext_file_materialKontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości.

Cykl życia: synchronous_or_streamed

Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki
Nie określono Gdy wybrany jest tryb szybki
Tryb flex
Nie określono Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania
Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)

Stawki Ailoot

Ceny według konfiguracji

Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.

KonfiguracjaTabela stawekTokeny kontekstu, więcej niżTokeny kontekstu, do podanej wartości włącznieOpłata
KonfiguracjaPodstawowe stawki za tokenyTabela stawekStawka podstawowaTokeny kontekstu, więcej niż—Tokeny kontekstu, do podanej wartości włącznieBez górnej granicyOpłata
Wejście · Tokeny wejściowe $0.0001 / 1K tokenów
Wyjście · Tokeny wyjściowe $0.0014 / 1K tokenów
Wejście · Odczyt cache $0.00005 / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów
KonfiguracjaPrzedział długości żądania 1Tabela stawek—Tokeny kontekstu, więcej niż0Tokeny kontekstu, do podanej wartości włącznieBez górnej granicyOpłata
Wejście · Tokeny wejściowe $0.0001 / 1K tokenów
Wyjście · Tokeny wyjściowe $0.0014 / 1K tokenów
Wejście · Odczyt cache $0.00005 / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

Ailoot Ultra · Anthropic Messages

Kompletna minimalna treść żądania JSONcurl · użyj swojego dokumentu UTF-8Python · zapisz kompletny wynik
{
  "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))

Odbieranie i zapisywanie wyników

Ailoot Ultra · Anthropic Messages

JSON lub SSE

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.

Pola odpowiedzi
PoleTyp
PoleidTypstring
PolemodelTypstring
Polecontent[]Typtext|thinking|tool_use|other content block
Polestop_reasonTypstring|null
PoleusageTypobject
Błędy i dalsze kroki
OdpowiedźWarunekNastępny krok
Odpowiedź400 · invalid_request_errorWarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametruNastępny krokPopraw wskazane pola przed nowym żądaniem utworzenia.

Aliasy

Aliasy modelu

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

Aliasy ścieżek metod

/chat/completions

Powiązane ID modeli

liquid/lfm-2.5-24b-a2b

FAQ · LiquidAI: LFM2.5-24B-A2B
Jakie dane wejściowe i wyniki są dostępne?

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

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

Jakich pól używa żądanie?

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

Jakie limity obowiązują?

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

Więcej szczegółów

Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją.

Firma i jej portfel projektów

Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach.

Kupuj tokeny z rabatem.

Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny.

Subskrypcja
Wybierz plan z rabatem do regularnych żądań.
Kod promocyjny do 50%
Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji.
Koszty w historii
Model, tokeny i kwota są zapisywane dla każdego żądania.

Wybierz subskrypcję · Sprawdź ceny modeli

Połącz API z produktem, który sprzedajesz.

SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską.

Aplikacja komercyjna
Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi.
Licencja resellerska
Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży.
Dokumenty na stronie
Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem.

Poproś o licencję resellerską · Oferta i umowa licencyjna