LiquidAI: LFM2.5-2.6B

{"about":"### Um modelo compacto preparado para cenários com agentes\n\nO LFM2.5-2.6B é um modelo textual da Liquid AI criado para tarefas em que são importantes o cumprimento de instruções, o processamento de documentos e a realização sucessiva de vários passos. Na família LFM2.5, esta versão recebeu preparação específica para cenários com agentes: o fabricante treinou-a em interações com ferramentas e ambientes de trabalho típicos de agentes. Esse treino diz respeito ao comportamento do modelo; as ações concretas na aplicação são definidas pela integração.\n\nO LFM2.5-2.6B baseia-se na arquitetura híbrida LFM2, com 2,69 mil milhões de parâmetros. Combina blocos de convolução curta e atenção agrupada. A Liquid AI desenvolve esta família tendo em vista a execução em dispositivos, mas na Ailoot o modelo é utilizado através de uma interface textual: o utilizador envia mensagens e recebe uma resposta em texto.\n\n### Onde é útil\n\nO modelo é adequado à extração de informação de texto, a perguntas sobre materiais fornecidos e ao processamento de instruções longas. Por exemplo, pode fornecer correspondência com um cliente, pedir a reunião dos requisitos numa lista única e depois identificar contradições e preparar uma carta de esclarecimento. Para responder com base numa base de conhecimento, é útil juntar os excertos encontrados e definir uma regra: apoiar-se neles, conservar os nomes e assinalar a ausência de um facto necessário.\n\nA documentação da Liquid AI inclui extração de dados, RAG e cenários de contexto longo entre as áreas de utilização. O fabricante delimita expressamente o âmbito de aplicação: a programação com agentes e as tarefas que exigem muitos conhecimentos factuais sem fontes fornecidas não estão entre as utilizações recomendadas desta versão. Ao trabalhar com terminologia setorial, é preferível incluir definições e documentos de origem no pedido.\n\n### Contexto e idiomas\n\nNa Ailoot está indicado um contexto de 128 000 tokens para este modelo. Inclui os materiais da tarefa e o histórico da conversa; a extensão da resposta deve ser planeada em conjunto com eles. A ficha do fabricante enumera 16 idiomas, incluindo russo, inglês, chinês, alemão e espanhol. Isto permite utilizar o modelo no processamento multilingue de documentos e correspondência, mantendo nas instruções o idioma e o formato pretendidos para o resultado.","alias_of":null,"aliases":[],"author":"Liquid","canonical_model":"liquid/lfm-2.5-2.6b","ctx":null,"formats":["chat","gemini","messages","responses"],"id":"liquid/lfm-2.5-2.6b","input":["text"],"kind":"text","max_out":null,"methods":[{"cache_read":0.08,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"anthropic","fast_multiplier":1,"flex_multiplier":1,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":0.7,"input":["text"],"label":"Anthropic Messages","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1/messages","request_model_id":"liquid/lfm-2.5-2.6b","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.08,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":0.7,"input":["text"],"label":"OpenAI Responses","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1/responses","request_model_id":"liquid/lfm-2.5-2.6b","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.08,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":0.7,"input":["text"],"label":"OpenAI Chat","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1/chat/completions","request_model_id":"liquid/lfm-2.5-2.6b","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.08,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"gemini","fast_multiplier":1,"flex_multiplier":1,"fmt":"gemini","http":"POST","img_in":null,"img_out":null,"in":0.7,"input":["text"],"label":"Gemini generateContent","max_out":null,"max_tool_calls":null,"out":1.0,"output":["text"],"path":"/v1beta/models/liquid/lfm-2.5-2.6b:generateContent","request_model_id":"liquid/lfm-2.5-2.6b","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"liquid/lfm-2.5-2.6b","request_model_id":"liquid/lfm-2.5-2.6b","route_label":"Ultra"}],"name":"LiquidAI: LFM2.5-2.6B","price":{"in":0.7,"in_label":null,"out":1.0,"out_label":null,"sort_in":0.7,"sort_out":1.0,"varies":false},"public_id":"liquid/lfm-2.5-2.6b","short":"Modelo textual compacto da Liquid AI para extração de dados, respostas sobre documentos e tarefas sucessivas com contexto amplo."}