LFM2.5-2.6B är en textmodell från Liquid AI för uppgifter där instruktionsföljning, dokumentbearbetning och flera steg i följd är viktiga. Inom familjen LFM2.5 har den här versionen fått särskild träning för agentflöden: utvecklaren tränade den på verktygsinteraktion och typiska agentmiljöer. Träningen gäller modellens beteende; de konkreta handlingarna i applikationen bestäms av integrationen.
LFM2.5-2.6B bygger på hybridarkitekturen LFM2 med 2,69 miljarder parametrar. Den kombinerar block för kort konvolution och grupperad uppmärksamhet. Liquid AI utvecklar familjen för användning på enheter, men i Ailoot API används modellen via ett textgränssnitt: användaren skickar meddelanden och får ett textsvar.
Modellen passar för att hämta uppgifter ur text, besvara frågor om tillhandahållet material och bearbeta långa instruktioner. Du kan till exempel skicka korrespondens med en kund, be om att kraven samlas i en lista, sedan identifiera motsägelser och ta fram ett brev med följdfrågor. För kunskapsbaserade svar är det bra att bifoga hittade avsnitt och ange regeln att utgå från dem, behålla benämningarna och markera när nödvändiga fakta saknas.
Liquid AI:s dokumentation anger dataextraktion, RAG och långkontextflöden som användningsområden. Utvecklaren avgränsar också användningen: agentbaserad programmering och uppgifter som kräver omfattande faktakunskaper utan tillhandahållna källor hör inte till de rekommenderade uppgifterna för den här versionen. Vid arbete med branschtermer är det bättre att ta med definitioner och källdokument i begäran.
För modellen i Ailoot API anges en kontext på 128 000 token. Uppgiftens material och konversationshistoriken ingår; svarsstorleken bör planeras tillsammans med dem. Utvecklarens modellkort listar 16 språk, bland annat ryska, engelska, kinesiska, tyska och spanska. Det gör att modellen kan användas för flerspråkig dokument- och korrespondensbearbetning, med önskat språk och resultatformat angivna i instruktionen.
", "aboutText": "### En kompakt modell med agentträning\n\nLFM2.5-2.6B är en textmodell från Liquid AI för uppgifter där instruktionsföljning, dokumentbearbetning och flera steg i följd är viktiga. Inom familjen LFM2.5 har den här versionen fått särskild träning för agentflöden: utvecklaren tränade den på verktygsinteraktion och typiska agentmiljöer. Träningen gäller modellens beteende; de konkreta handlingarna i applikationen bestäms av integrationen.\n\nLFM2.5-2.6B bygger på hybridarkitekturen LFM2 med 2,69 miljarder parametrar. Den kombinerar block för kort konvolution och grupperad uppmärksamhet. Liquid AI utvecklar familjen för användning på enheter, men i Ailoot API används modellen via ett textgränssnitt: användaren skickar meddelanden och får ett textsvar.\n\n### Där modellen är användbar\n\nModellen passar för att hämta uppgifter ur text, besvara frågor om tillhandahållet material och bearbeta långa instruktioner. Du kan till exempel skicka korrespondens med en kund, be om att kraven samlas i en lista, sedan identifiera motsägelser och ta fram ett brev med följdfrågor. För kunskapsbaserade svar är det bra att bifoga hittade avsnitt och ange regeln att utgå från dem, behålla benämningarna och markera när nödvändiga fakta saknas.\n\nLiquid AI:s dokumentation anger dataextraktion, RAG och långkontextflöden som användningsområden. Utvecklaren avgränsar också användningen: agentbaserad programmering och uppgifter som kräver omfattande faktakunskaper utan tillhandahållna källor hör inte till de rekommenderade uppgifterna för den här versionen. Vid arbete med branschtermer är det bättre att ta med definitioner och källdokument i begäran.\n\n### Kontext och språk\n\nFör modellen i Ailoot API anges en kontext på 128 000 token. Uppgiftens material och konversationshistoriken ingår; svarsstorleken bör planeras tillsammans med dem. Utvecklarens modellkort listar 16 språk, bland annat ryska, engelska, kinesiska, tyska och spanska. Det gör att modellen kan användas för flerspråkig dokument- och korrespondensbearbetning, med önskat språk och resultatformat angivna i instruktionen.", "locale": "sv", "methods": [ { "html": "POST /v1/messagestexttextPOST /v1/responsestexttextPOST /v1/chat/completionstexttextPOST /v1beta/models/liquid/lfm-2.5-2.6b:generateContenttexttext