LiquidAI: LFM2.5-2.6B

{"about":"### โมเดลขนาดกะทัดรัดที่เตรียมสำหรับงานเอเจนต์\n\nLFM2.5-2.6B เป็นโมเดลข้อความของ Liquid AI สำหรับงานที่ให้ความสำคัญกับการทำตามคำสั่ง การประมวลผลเอกสาร และการทำหลายขั้นตามลำดับ ในตระกูล LFM2.5 รุ่นนี้ได้รับการเตรียมแยกสำหรับกรณีเอเจนต์ โดยผู้พัฒนาฝึกกับการโต้ตอบเครื่องมือและสภาพแวดล้อมการทำงานทั่วไปของเอเจนต์ การฝึกนี้เกี่ยวกับพฤติกรรมโมเดล ส่วนการกระทำจริงในแอปพลิเคชันกำหนดโดยการเชื่อมต่อ\n\nLFM2.5-2.6B ใช้สถาปัตยกรรมลูกผสม LFM2 มี 2.69 พันล้านพารามิเตอร์ ผสมบล็อกคอนโวลูชันระยะสั้นกับกลไกความสนใจแบบกลุ่ม Liquid AI พัฒนาตระกูลนี้โดยคำนึงถึงการทำงานบนอุปกรณ์ แต่ใน Ailoot ใช้ผ่านส่วนติดต่อข้อความ: ผู้ใช้ส่งข้อความและรับคำตอบเป็นข้อความ\n\n### มีประโยชน์กับงานใด\n\nโมเดลเหมาะกับการดึงข้อมูลจากข้อความ ถามตอบจากข้อมูลที่ส่งให้ และประมวลผลคำสั่งยาว เช่น ส่งการติดต่อกับลูกค้า ขอให้รวบรวมข้อกำหนดเป็นรายการเดียว จากนั้นหาความขัดแย้งและร่างจดหมายขอรายละเอียดเพิ่ม สำหรับการตอบจากฐานความรู้ ควรแนบส่วนที่ค้นพบและกำหนดกฎให้ยึดข้อมูลเหล่านั้น คงชื่อเดิม และระบุเมื่อไม่มีข้อเท็จจริงที่ต้องการ\n\nเอกสาร Liquid AI ระบุแนวทางการทำงานด้านการดึงข้อมูล RAG และบริบทยาว ผู้พัฒนาจำกัดขอบเขตการใช้งานแยกไว้อย่างชัดเจน: การเขียนโปรแกรมแบบเอเจนต์และงานที่ต้องใช้ความรู้ข้อเท็จจริงปริมาณมากโดยไม่มีแหล่งข้อมูลให้ ไม่ใช่งานที่แนะนำสำหรับรุ่นนี้ เมื่อใช้ศัพท์เฉพาะอุตสาหกรรม ควรแนบคำจำกัดความและเอกสารต้นทางในคำขอ\n\n### บริบทและภาษา\n\nใน Ailoot โมเดลนี้ระบุบริบทไว้ที่ 128,000 โทเคน ซึ่งรวมข้อมูลของงานและประวัติสนทนา ต้องวางแผนขนาดคำตอบร่วมกับข้อมูลเหล่านี้ หน้ารุ่นของผู้พัฒนาระบุ 16 ภาษา รวมถึงรัสเซีย อังกฤษ จีน เยอรมัน และสเปน จึงใช้ในงานเอกสารและการติดต่อหลายภาษาได้ โดยระบุภาษาและรูปแบบผลลัพธ์ที่ต้องการไว้ในคำสั่ง","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":"โมเดลข้อความขนาดกะทัดรัดของ Liquid AI สำหรับดึงข้อมูล ตอบคำถามจากเอกสาร และงานต่อเนื่องที่ใช้บริบทขนาดใหญ่"}