LiquidAI: LFM2.5-2.6B
liquid/lfm-2.5-2.6bKompakten besedilni model Liquid AI za izluščevanje podatkov, odgovore po dokumentih in zaporedne naloge z velikim kontekstom.
Kompakten model z agentskim učenjem
LFM2.5-2.6B je besedilni model Liquid AI za naloge, pri katerih so pomembni sledenje navodilom, obdelava dokumentov in več zaporednih korakov. Ta različica družine LFM2.5 je bila posebej pripravljena za agentske poteke: razvijalec jo je učil interakcij z orodji in tipičnimi agentskimi okolji. To učenje zadeva vedenje modela; konkretna dejanja v aplikaciji določa integracija.
LFM2.5-2.6B temelji na hibridni arhitekturi LFM2 z 2,69 milijarde parametrov. Združuje bloke kratke konvolucije in skupinske pozornosti. Liquid AI družino razvija tudi za izvajanje na napravah, v Ailoot pa model uporablja besedilni vmesnik: uporabnik pošlje sporočila in prejme besedilni odgovor.
Kje je uporaben
Model je primeren za izluščevanje podatkov, vprašanja o predloženem gradivu in obdelavo dolgih navodil. Iz dopisovanja z naročnikom lahko denimo pripravi enoten seznam zahtev, izpostavi protislovja in sestavi pismo za pojasnila. Pri odgovarjanju iz zbirke znanja priložite najdene odseke in določite pravilo: opirati se nanje, ohraniti imena ter označiti manjkajoče dejstvo.
Dokumentacija Liquid AI navaja izluščevanje podatkov, RAG in dolg kontekst. Razvijalec posebej omejuje uporabo: agentsko programiranje in naloge, ki brez priloženih virov zahtevajo obsežno dejstveno znanje, za to različico niso priporočene. Pri strokovnih izrazih vključite definicije in izvirne dokumente.
Kontekst in jeziki
V Ailoot je naveden kontekst 128 000 žetonov. Vključuje gradivo in zgodovino pogovora; skupaj z njima načrtujte dolžino odgovora. Razvijalčeva kartica našteva 16 jezikov, tudi ruščino, angleščino, kitajščino, nemščino in španščino. Model je tako uporaben za večjezično obdelavo dokumentov in dopisovanja, pri čemer v navodilu ohranite želeni jezik in obliko rezultata.
Na voljo prek Ailoot API
POST /v1/messages- Vhod
text- Izhod
text- Kontekst
- Ni navedeno v katalogu
- Največji odgovor
- Ni navedeno v katalogu
- Vhod
- 0,0007 $ / 1K
- Izhod
- 0,001 $ / 1K
- Branje predpomnilnika
- 0,00008 $ / 1K
POST /v1/responses- Vhod
text- Izhod
text- Kontekst
- Ni navedeno v katalogu
- Največji odgovor
- Ni navedeno v katalogu
- Vhod
- 0,0007 $ / 1K
- Izhod
- 0,001 $ / 1K
- Branje predpomnilnika
- 0,00008 $ / 1K
POST /v1/chat/completions- Vhod
text- Izhod
text- Kontekst
- Ni navedeno v katalogu
- Največji odgovor
- Ni navedeno v katalogu
- Vhod
- 0,0007 $ / 1K
- Izhod
- 0,001 $ / 1K
- Branje predpomnilnika
- 0,00008 $ / 1K
POST /v1beta/models/liquid/lfm-2.5-2.6b:generateContent- Vhod
text- Izhod
text- Kontekst
- Ni navedeno v katalogu
- Največji odgovor
- Ni navedeno v katalogu
- Vhod
- 0,0007 $ / 1K
- Izhod
- 0,001 $ / 1K
- Branje predpomnilnika
- 0,00008 $ / 1K
liquid/lfm-2.5-2.6b · JSON
{"about":"### Kompakten model z agentskim učenjem\n\nLFM2.5-2.6B je besedilni model Liquid AI za naloge, pri katerih so pomembni sledenje navodilom, obdelava dokumentov in več zaporednih korakov. Ta različica družine LFM2.5 je bila posebej pripravljena za agentske poteke: razvijalec jo je učil interakcij z orodji in tipičnimi agentskimi okolji. To učenje zadeva vedenje modela; konkretna dejanja v aplikaciji določa integracija.\n\nLFM2.5-2.6B temelji na hibridni arhitekturi LFM2 z 2,69 milijarde parametrov. Združuje bloke kratke konvolucije in skupinske pozornosti. Liquid AI družino razvija tudi za izvajanje na napravah, v Ailoot pa model uporablja besedilni vmesnik: uporabnik pošlje sporočila in prejme besedilni odgovor.\n\n### Kje je uporaben\n\nModel je primeren za izluščevanje podatkov, vprašanja o predloženem gradivu in obdelavo dolgih navodil. Iz dopisovanja z naročnikom lahko denimo pripravi enoten seznam zahtev, izpostavi protislovja in sestavi pismo za pojasnila. Pri odgovarjanju iz zbirke znanja priložite najdene odseke in določite pravilo: opirati se nanje, ohraniti imena ter označiti manjkajoče dejstvo.\n\nDokumentacija Liquid AI navaja izluščevanje podatkov, RAG in dolg kontekst. Razvijalec posebej omejuje uporabo: agentsko programiranje in naloge, ki brez priloženih virov zahtevajo obsežno dejstveno znanje, za to različico niso priporočene. Pri strokovnih izrazih vključite definicije in izvirne dokumente.\n\n### Kontekst in jeziki\n\nV Ailoot je naveden kontekst 128 000 žetonov. Vključuje gradivo in zgodovino pogovora; skupaj z njima načrtujte dolžino odgovora. Razvijalčeva kartica našteva 16 jezikov, tudi ruščino, angleščino, kitajščino, nemščino in španščino. Model je tako uporaben za večjezično obdelavo dokumentov in dopisovanja, pri čemer v navodilu ohranite želeni jezik in obliko rezultata.","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":"Kompakten besedilni model Liquid AI za izluščevanje podatkov, odgovore po dokumentih in zaporedne naloge z velikim kontekstom."}