Source: https://ailoot.ai/models/uz/liquid-lfm-2-5-embedding-350m-u003a-free/
Canonical: https://ailoot.ai/models/uz/liquid-lfm-2-5-embedding-350m-u003a-free/
Language: uz

# LiquidAI: LFM2.5-Embedding-350M (free)

[Markdown](https://ailoot.ai/models/uz/liquid-lfm-2-5-embedding-350m-u003a-free/index.md) · [JSON](https://ailoot.ai/models/uz/liquid-lfm-2-5-embedding-350m-u003a-free/facts.json)

## [LiquidAI: LFM2.5-Embedding-350M (free)](https://ailoot.ai/models/uz/liquid-lfm-2-5-embedding-350m-u003a-free/)

LiquidAI LFM2.5-Embedding-350M koʻp tilli va tillararo qidiruv uchun har bir matnga bitta 1024 oʻlchamli vektor yaratadi. U 11 tilga va qisqa, 512 tokenli kirishlarga yoʻnaltirilgan; soʻrov va hujjat prefikslari alohida.

- [**Ailoot Ultra · Embeddinglar** `POST /v1/embeddings` `liquid/lfm-2.5-embedding-350m:free`](https://ailoot.ai/models/uz/liquid-lfm-2-5-embedding-350m-u003a-free/#method-0)

Model haqida

Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.

LFM2.5-Embedding-350M — ko‘p tilli va tillararo qidiruv uchun LiquidAI’ning zich bi-enkoderi. U har matn uchun bitta 1024 o‘lchamli vektor hosil qiladi va o‘n bir tildagi qisqa kontekstli qidiruvga mo‘ljallangan. 350M deb nomlangan model oilasi LFM2.5-350M-Base’ning ikki yo‘nalishli moslashuvidan foydalanadi; batafsil model jadvali shu embedding nashri uchun taxminan 354 million parametrni ko‘rsatadi.

#### Ikki yo‘nalishli qidiruv ifodasi

Ishlab chiqaruvchi asosni diqqat va mahalliy konvolutsiyalar tokenning ikkala tomonidagi kontekstdan foydalana oladigan qilib moslashtiradi. CLS uslubidagi pooling qayta ishlangan matnni bitta zich vektorga aylantiradi. Model jadvali o‘n yetti qatlamni tavsiflaydi: o‘nta konvolutsiya bloki, oltita diqqat bloki va pooling bosqichi. Bu bazaviy modelning matn yaratish vazifasi emas, o‘z tayyorlashi va chiqishiga ega qidiruv enkoderidir.

Alohida nomlangan LFM2.5-ColBERT-350M kech bosqichdagi o‘zaro ta’sir uchun har token vektorlarini saqlaydi. Shu ifodaga boshqa indeks va taqqoslash usuli kerak. Bu yerdagi Embedding modeli hujjat yoki so‘rov uchun bitta vektor beradi; hujjatlashtirilgan taqqoslash kosinus o‘xshashligidir.

#### To‘g‘ri asimmetrik promptlardan foydalaning

Qidiruv so‘rovlarini “query:”, manba parchalarini “document:” bilan tayyorlang. Ishlab chiqaruvchi bu promptlarni konfiguratsiyada saqlaydi va rasmiy jarayon mos prompt nomini qo‘llaydi. Model shu prefikslar bilan o‘qitilgani uchun har tomonda tegishli rolni ishlatish alohida tavsiya qilinadi. Bu hujjat prefiksi E5 modellarining “passage:” qoidasidan farq qiladi.

Amaliy mahsulot qidiruv to‘plami qo‘llanadigan tillardagi tavsiflarni saqlashi mumkin. Foydalanuvchining qidiruv ifodasini so‘rov, har mahsulot tavsifini hujjat sifatida tayyorlang. Qidiruv natijasi tegishli yozuvni qaytarishi uchun asl matn, mahsulot identifikatori va tilni vektor bilan saqlang. Qo‘llab-quvvatlash to‘plamida savolga tegishli siyosat yoki ko‘rsatmani aloqasiz qisqa yorliqqa almashtirmasdan saqlang.

#### Tillar va parcha hajmi

Hujjatlashtirilgan tillar to‘plami ingliz, ispan, nemis, fransuz, italyan, portugal, arab, shved, norveg, yapon va koreys tillaridir. Ishlab chiqaruvchi bir til ichida ham, tillar chegarasi orqali ham qidiruvni ochiq maqsad qiladi. Mo‘ljallangan auditoriyadan haqiqiy savollar tayyorlang va qaytgan hujjat matnini shu tillarda tekshiring.

Hujjat uzunligi spetsifikatsiyasi 512 token. Uzun manbani topilgan natijaga kerakli sarlavha, ta’rif va shartlarni saqlaydigan izchil parchalarga bo‘ling. Rol prefiksi va qo‘shilgan kontekst tayyorlangan kirishga kiradi. FAQ javobi, mahsulot izohi yoki texnik hujjatning aniq yo‘naltirilgan bo‘limi butun haddan katta qo‘llanmadan ko‘ra mos birlikdir.

#### O‘qitish va moslashtirish

Ishlab chiqaruvchi uch o‘qitish bosqichini tavsiflaydi: inglizcha kontrastiv dastlabki o‘qitish, ko‘p tilli va tillararo distillatsiya, so‘ng qidirib olingan murakkab salbiy misollar bilan nozik sozlash. Hosil bo‘lgan model mahsulot kataloglari, FAQ va qo‘llab-quvvatlash to‘plamlari, fayl yoki qayd qidiruvi va korporativ bilim qidiruviga mo‘ljallangan. Bular matn ifodalari uchun vazifalar, muayyan ilova joriy qilinganining da’volari emas.

Ishlab chiqaruvchi misoli so‘rov va hujjat vektorlarini normallab, kosinus o‘xshashligiga teng skalyar ko‘paytma bilan reytinglaydi. Manba materiali tayyorlanganda korpus ifodalarini oldindan hisoblang, keyin qidiruv so‘rovini embedding qiling va nomzod hujjatlarni matni hamda identifikatorlari bilan qaytaring. Raqamli taqqoslash mos ifodalardan foydalanishi uchun tanlangan model va rol qoidasini indeks bilan saqlang.

Foydali natija — hujjatlashtirilgan tillar to‘plami bo‘ylab manba materialini topadigan ixcham zich qidiruv indeksi yoki so‘rov vektori. Aynan LFM2.5 Embedding nashri yonidagi ColBERT modeli, eski LFM2 qidiruvchilari va tashqi kvantlangan implementatsiyalardan alohida qoladi. Tanlangan parcha matni o‘quvchi yoki keyingi RAG javob bosqichi ishlatadigan dalildir.

**Ailoot Ultra · Embeddinglar** `POST /v1/embeddings` `liquid/lfm-2.5-embedding-350m:free`

[`liquid/lfm-2.5-embedding-350m:free`](https://ailoot.ai/models/uz/#m=liquid%2Flfm-2.5-embedding-350m%3Afree&route=Ultra&caller=liquid%2Flfm-2.5-embedding-350m%3Afree&fmt=embeddings)

LiquidAI /`liquid/lfm-2.5-embedding-350m:free`

### Boshlash

LiquidAI LFM2.5-Embedding-350M koʻp tilli va tillararo qidiruv uchun har bir matnga bitta 1024 oʻlchamli vektor yaratadi. U 11 tilga va qisqa, 512 tokenli kirishlarga yoʻnaltirilgan; soʻrov va hujjat prefikslari alohida.

Qabul qilinadigan kirish ma’lumotlari

Matn · token\_ids

Natijalar

embedding

### Ailoot da mavjud · kirish ma’lumotlari va usullar

**Ailoot Ultra · Embeddinglar** `POST /v1/embeddings`

Kirish

`text`, `token_ids`

Chiqish

`embedding`

Kontekst

512 tokens

Chiqish formati

json

| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
| --- | --- | --- | --- | --- |
| Maydon`model` | Tur`string` | TalabMajburiy | Qiymatlar va cheklovlar liquid/lfm-2.5-embedding-350m:free | Standart— |
| Maydon`input` | Tur`string\|string[]\|integer[]\|integer[][]` | TalabMajburiy | Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 Shartlar: Bo‘sh bo‘lmagan, bir xil turdagi elementlardan iborat paket. Token ID lari manfiy bo‘lmagan butun sonlardir. Kirish budjeti: Eng ko‘p: 512 · Matn birligi: UTF8 baytlari · Token birligi: Tokenlar massivi elementlari | Standart— |
| Maydon`encoding_format` | Tur`string` | TalabIxtiyoriy | Qiymatlar va cheklovlar float | Standartfloat |
| Maydon`dimensions` | Tur`integer` | TalabQo‘llab-quvvatlanmaydi | Qiymatlar va cheklovlar Eng kam: 1 | Standart— |
| Maydon`user` | Tur`json_value` | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Manba ushbu JSON metama’lumot maydoniga ruxsat beradi; uning ta’minotchi xizmatidagi aniq ma’nosi modelga bog‘liq. | Standart— |
| Maydon`session_id` | Tur`json_value` | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Manba ushbu JSON metama’lumot maydoniga ruxsat beradi; uning ta’minotchi xizmatidagi aniq ma’nosi modelga bog‘liq. | Standart— |
| Maydon`trace` | Tur`json_value` | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Manba ushbu JSON metama’lumot maydoniga ruxsat beradi; uning ta’minotchi xizmatidagi aniq ma’nosi modelga bog‘liq. | Standart— |
| Maydon`provider` | Tur`object` | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: provider.options rad etildi | Standart— |

Kirish materiallari birikmalari

**text\_to\_embedding**

Usul parametrlari va hayot sikli

| Parametr | Parametr talablari |
| --- | --- |
| Parametr`content_type` | Parametr talablariapplication/json |
| Parametr`required` | Parametr talablarimodel, input |
| Parametr`input_shapes` | Parametr talablaristring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Parametr`encoding_format` | Parametr talablarifloat |
| Parametr`dimensions_override` | Parametr talablarifalse |
| Parametr`max_input_budget_units` | Parametr talablari512 |
| Parametr`multimodal_objects` | Parametr talablarifalse |
| Parametr`material_types` | Parametr talablaritext, token\_ids |

Hayot sikli: `synchronous_json`

Har bir vektorning indeksi va o‘lchamini saqlang.

Model nomida multimodal deyilgani aynan shu yo‘nalishda rasm obyektlariga ruxsat borligini anglatmaydi.

### Tariflar

Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.

Tezkor rejim

Standart tarif Tezkor rejim tanlanganda

Flex rejimi

Standart tarif flex rejimi tanlanganda

Maksimal fikrlash darajasi

Standart tarif Maksimal fikrlash darajasi uchun standart (default) tuzatish qo‘llanganda

#### Ailoot tariflari

#### Sozlamalar bo‘yicha narxlar

| Sozlama | Tariflar jadvali | To‘lov |
| --- | --- | --- |
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | To‘lov Kirish · Kirish tokenlari **$0** / 1K token Chiqish · Chiqish tokenlari **$0** / 1K token Kirish · Keshdan o‘qish **—** / 1K token Kirish · Keshga yozish **—** / 1K token Kirish · Keshga yozish, 1 soat **—** / 1K token |

Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. [Summani band qilish va to‘lovni hisoblash tartibi →](https://ailoot.ai/docs/uz/billing/reserve/)

### So‘rov namunalari

#### Ailoot Ultra · Embeddinglar

curlPython SDK

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "liquid/lfm-2.5-embedding-350m:free", "input": ["First document", "Second document"]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
```

```python
from openai import OpenAI
import os

client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='liquid/lfm-2.5-embedding-350m:free',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
```

### Natijalarni olish va saqlash

#### Ailoot Ultra · Embeddinglar

json

##### Barcha tayyor natijalarni saqlash

Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.

Har bir vektorni indeksi bilan saqlang. Vektorlar soni kirish elementlari soniga teng bo‘lishi va o‘lchamlar bir xil bo‘lishi kerak.

##### Asl javobni tekshirish kerak bo‘lsa

Embedding vazifalari uchun endpoint qo‘shilmaydi.

Javob maydonlari

| Maydon | Tur |
| --- | --- |
| Maydon`object` | Turstring |
| Maydon`model` | Turstring |
| Maydon`data[].index` | Turinteger |
| Maydon`data[].embedding` | Turfinite float\[\] |
| Maydon`usage` | Turobject |

Xatolar va keyingi qadamlar

| Javob | Shart | Keyingi qadam |
| --- | --- | --- |
| Javob400 · `invalid_request_error` | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |

### Taxalluslar

#### Model taxalluslari

**Ailoot Ultra** [`liquid/lfm-2.5-embedding-350m:free`](https://ailoot.ai/models/uz/#m=liquid%2Flfm-2.5-embedding-350m%3Afree&route=Ultra&caller=liquid%2Flfm-2.5-embedding-350m%3Afree&fmt=embeddings)

#### Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

#### Chaqirish uchun tegishli ID lar

[`liquid/lfm-2.5-embedding-350m:free`](https://ailoot.ai/models/uz/#m=liquid%2Flfm-2.5-embedding-350m%3Afree&route=Ultra&caller=liquid%2Flfm-2.5-embedding-350m%3Afree&fmt=embeddings)

FAQ · LiquidAI: LFM2.5-Embedding-350M (free)

Qanday kirish ma’lumotlari va natijalar mavjud?

`POST /v1/embeddings` · `liquid/lfm-2.5-embedding-350m:free`: `text`, `token_ids` → `embedding`

So‘rov qaysi maydonlardan foydalanadi?

`POST /v1/embeddings` · `liquid/lfm-2.5-embedding-350m:free`: `model`, `input`, `encoding_format`, `provider`

Qanday cheklovlar amal qiladi?

`POST /v1/embeddings` · `liquid/lfm-2.5-embedding-350m:free`: `ctx`: `512`; `input.budget.maximum`: `512` (UTF8 baytlari); `input.min_items`: `1`

Ailoot’ni Claude Code, OpenCode, Hermes yoki ilovangizga ulang.

## Kompaniya va uning loyihalar portfeli

Kompaniya va uning loyihalar portfeli: millionlab mijozlar; oylik sotuvlar hajmi milliardlarda.

## Tokenlarni chegirma bilan xarid qiling.

Muntazam ish uchun obuna chegirmasi. Token xaridiga promokodlar — 50% gacha.

Obuna

Muntazam so‘rovlaringiz uchun chegirmali tarif tanlang.

50% gacha promokod

Xaridda kod kiriting. Narx amaldagi aksiya bilan qayta hisoblanadi.

Tarixdagi xarajatlar

Har so‘rov uchun model, token va summa saqlanadi.

[Obuna tanlash](https://ailoot.ai/docs/uz/billing/subscriptions/) · [Model narxlarini ko‘rish](https://ailoot.ai/models/uz/)

## API’ni sotadigan mahsulotingizga ulang.

SaaS, ilova va botlar Ailoot ofertasi hamda litsenziya shartnomasiga muvofiq. Qayta sotishga reseller litsenziyasi so‘rang.

Tijorat ilovasi

Xizmatingizning pullik funksiyalariga matn, rasm, video va ovoz yaratishni qo‘shing.

Reseller litsenziyasi

Loyiha tavsifi va kirish sxemasini yuboring. Foydalanish va qayta sotishga yozma shartlarni so‘rang.

Saytdagi hujjatlar

Oferta, litsenziya shartnomasi va ma’lumotlar siyosati ulashdan oldin ochiq.

[Reseller litsenziyasini so‘rash](mailto:support@ailoot.ai) · [Oferta va litsenziya shartnomasi](https://ailoot.ai/legal/offer?lang=uz)

## Ailoot · Kompaniya va uning loyihalar portfeli





Ailoot to‘plangan faoliyat tajribasi, keng mijozlar bazasi, barqaror xizmat va doimiy KPI nazoratiga tayanadi.





Kompaniya va uning loyihalar portfeli: millionlab mijozlar; oylik sotuvlar hajmi milliardlarda.





Ailoot bu faoliyat tajribasini mijozlar mahsulotlari, agentlar, ilovalar va avtomatlashtirishlarda AI imkoniyatlariga API orqali kirishni ta’minlashda qo‘llaydi.