LFM2.5-2.6B — текстовая модель Liquid AI, созданная для задач, в которых важны следование инструкции, обработка документов и последовательное выполнение нескольких шагов. В семействе LFM2.5 эта версия получила отдельную подготовку для агентных сценариев: разработчик обучал её на взаимодействии с инструментами и типичными рабочими средами агентов. Такое обучение относится к поведению модели; конкретные действия в приложении задаёт интеграция.
В основе LFM2.5-2.6B — гибридная архитектура LFM2 с 2,69 млрд параметров. Она сочетает блоки короткой свёртки и группового внимания. Liquid AI разрабатывает это семейство с расчётом на работу на устройствах, однако в Ailoot модель используется через текстовый интерфейс: пользователь передаёт сообщения и получает текстовый ответ.
Модель подходит для извлечения сведений из текста, вопросов по переданным материалам и обработки длинных инструкций. Например, можно передать переписку с заказчиком, попросить собрать требования в единый список, затем выделить противоречия и подготовить уточняющее письмо. Для ответа по базе знаний полезно приложить найденные фрагменты и задать правило: опираться на них, сохранять названия и отмечать отсутствие нужного факта.
В документации Liquid AI среди рабочих направлений указаны извлечение данных, RAG и сценарии с длинным контекстом. Разработчик отдельно ограничивает область применения: агентное программирование и задания, требующие большого объёма фактических знаний без предоставленных источников, не относятся к рекомендуемым задачам этой версии. При работе с отраслевыми терминами лучше включать в запрос определения и исходные документы.
В Ailoot для этой модели указан контекст 128 000 токенов. В него входят материалы задачи и история диалога; размер ответа следует планировать вместе с ними. Карточка разработчика перечисляет 16 языков, включая русский, английский, китайский, немецкий и испанский. Это позволяет использовать модель в многоязычной обработке документов и переписки, сохраняя в инструкции желаемый язык и формат результата.
", "aboutText": "### Компактная модель с агентной подготовкой\n\nLFM2.5-2.6B — текстовая модель Liquid AI, созданная для задач, в которых важны следование инструкции, обработка документов и последовательное выполнение нескольких шагов. В семействе LFM2.5 эта версия получила отдельную подготовку для агентных сценариев: разработчик обучал её на взаимодействии с инструментами и типичными рабочими средами агентов. Такое обучение относится к поведению модели; конкретные действия в приложении задаёт интеграция.\n\nВ основе LFM2.5-2.6B — гибридная архитектура LFM2 с 2,69 млрд параметров. Она сочетает блоки короткой свёртки и группового внимания. Liquid AI разрабатывает это семейство с расчётом на работу на устройствах, однако в Ailoot модель используется через текстовый интерфейс: пользователь передаёт сообщения и получает текстовый ответ.\n\n### Где она полезна\n\nМодель подходит для извлечения сведений из текста, вопросов по переданным материалам и обработки длинных инструкций. Например, можно передать переписку с заказчиком, попросить собрать требования в единый список, затем выделить противоречия и подготовить уточняющее письмо. Для ответа по базе знаний полезно приложить найденные фрагменты и задать правило: опираться на них, сохранять названия и отмечать отсутствие нужного факта.\n\nВ документации Liquid AI среди рабочих направлений указаны извлечение данных, RAG и сценарии с длинным контекстом. Разработчик отдельно ограничивает область применения: агентное программирование и задания, требующие большого объёма фактических знаний без предоставленных источников, не относятся к рекомендуемым задачам этой версии. При работе с отраслевыми терминами лучше включать в запрос определения и исходные документы.\n\n### Контекст и языки\n\nВ Ailoot для этой модели указан контекст 128 000 токенов. В него входят материалы задачи и история диалога; размер ответа следует планировать вместе с ними. Карточка разработчика перечисляет 16 языков, включая русский, английский, китайский, немецкий и испанский. Это позволяет использовать модель в многоязычной обработке документов и переписки, сохраняя в инструкции желаемый язык и формат результата.", "locale": "ru", "methods": [ { "html": "POST /v1/messagestexttextPOST /v1/responsestexttextPOST /v1/chat/completionstexttextPOST /v1beta/models/liquid/lfm-2.5-2.6b:generateContenttexttext