modeli

LiquidAI: LFM2.5-2.6B

Markdown · JSON

LiquidAI: LFM2.5-2.6B

liquid/lfm-2.5-2.6b
LiquidBesediloVhod 0,0007 $ / 1KIzhod 0,001 $ / 1K

Kompakten 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

Ultra Anthropic MessagesPOST /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
Ultra OpenAI ResponsesPOST /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
Ultra OpenAI ChatPOST /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
Ultra Gemini generateContentPOST /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."}

Vprašanja

Kako izberem model za svojo nalogo?

Najprej določite potreben vhod in izhod: besedilo, sliko, zvok ali video. Nato primerjajte združljive metode API, točen ID modela ali trenutno ciljno vrednost vzdevka, ceno in obračunsko enoto. Brezplačni GET /v1/models navede modele, dostopne vašemu ključu.

Ali vsak model podpira vse metode API in vrste medijev?

Uporabite metode API ter vrste vhoda in izhoda, navedene na kartici modela. Podpora besedilu, slikam, zvoku ali videu je odvisna od izbranega modela in metode; pred pošiljanjem podatkov preverite ustrezni primer zahteve.

Kakšna je razlika med ID modela in vzdevkom?

Točen ID označuje določen model. Vzdevek kaže na model, njegova ciljna vrednost pa se lahko spremeni. V katalogu preverite trenutno ciljno vrednost vzdevka; ko integracija potrebuje določen model, uporabite točen ID.

Kako primerjam cene pred pošiljanjem zahteve?

Na kartici modela preverite ceno in obračunsko enoto izbrane metode API. Primerjajte enako enoto ter vrsto vhoda in izhoda; zgodovina zahtev prikazuje dejansko porabo in zaračunani znesek.

Kaj omogoča naročnina?

Popust na nakup žetonov za redno delo. Paket izberite po obsegu zahtev; pogoji in cena so prikazani ob naročilu.

Kako uporabim kodo za do 50% popusta?

Promocijsko kodo vnesite ob nakupu žetonov. Končni znesek se preračuna po akcijskih pogojih, višina popusta pa je vidna pred plačilom.