Source: https://ailoot.ai/models/vi/liquid-lfm-2-5-2-6b/ Canonical: https://ailoot.ai/models/vi/liquid-lfm-2-5-2-6b/ Language: vi # LiquidAI: LFM2.5-2.6B [Markdown](https://ailoot.ai/models/vi/liquid-lfm-2-5-2-6b/index.md) · [JSON](https://ailoot.ai/models/vi/liquid-lfm-2-5-2-6b/facts.json) ## [LiquidAI: LFM2.5-2.6B](https://ailoot.ai/models/vi/liquid-lfm-2-5-2-6b/) `liquid/lfm-2.5-2.6b` LiquidVăn bảnĐầu vào 0,0007 US$ / 1KĐầu ra 0,001 US$ / 1K Mô hình văn bản gọn của Liquid AI để trích dữ liệu, trả lời theo tài liệu và thực hiện tác vụ tuần tự với ngữ cảnh lớn. ### Mô hình gọn được huấn luyện cho tác tử LFM2.5-2.6B là mô hình văn bản Liquid AI cho các tác vụ cần tuân thủ chỉ dẫn, xử lý tài liệu và thực hiện nhiều bước tuần tự. Trong họ LFM2.5, phiên bản này được huấn luyện riêng cho quy trình tác tử: nhà phát triển huấn luyện trên tương tác với công cụ và môi trường tác tử điển hình. Việc huấn luyện mô tả hành vi mô hình; hành động cụ thể trong ứng dụng do phần tích hợp quyết định. LFM2.5-2.6B dựa trên kiến trúc lai LFM2 với 2,69 tỷ tham số, kết hợp khối tích chập ngắn và chú ý theo nhóm. Liquid AI phát triển họ này để chạy trên thiết bị, nhưng trong Ailoot API, mô hình được dùng qua giao diện văn bản: người dùng gửi tin nhắn và nhận câu trả lời văn bản. ### Khi nào hữu ích Mô hình phù hợp để trích thông tin, trả lời theo tài liệu cung cấp và xử lý chỉ dẫn dài. Ví dụ, gửi thư từ với khách hàng, yêu cầu gom yêu cầu thành danh sách thống nhất, sau đó chỉ ra mâu thuẫn và soạn thư làm rõ. Với câu trả lời từ cơ sở tri thức, nên đính kèm các đoạn tìm được và đặt quy tắc: dựa vào chúng, giữ tên và đánh dấu khi thiếu thông tin cần thiết. Tài liệu Liquid AI nêu các hướng trích dữ liệu, RAG và quy trình ngữ cảnh dài. Nhà phát triển cũng giới hạn phạm vi: lập trình bằng tác tử và tác vụ cần lượng lớn kiến thức thực tế mà không cung cấp nguồn không nằm trong các tác vụ được khuyến nghị cho phiên bản này. Với thuật ngữ ngành, nên đưa định nghĩa và tài liệu gốc vào yêu cầu. ### Ngữ cảnh và ngôn ngữ Ailoot API nêu ngữ cảnh 128 000 token cho mô hình này. Ngữ cảnh gồm tài liệu tác vụ và lịch sử hội thoại; cần lên kế hoạch độ dài câu trả lời cùng với chúng. Thẻ nhà phát triển liệt kê 16 ngôn ngữ, gồm tiếng Nga, Anh, Trung, Đức và Tây Ban Nha. Nhờ vậy có thể dùng mô hình xử lý tài liệu và thư từ đa ngôn ngữ, đồng thời giữ ngôn ngữ mong muốn và định dạng kết quả trong chỉ dẫn. ### Có sẵn qua Ailoot API Đầu vào `text` Đầu ra `text` Ngữ cảnh Không nêu trong danh mục Độ dài câu trả lời tối đa Không nêu trong danh mục Đầu vào 0,0007 US$ */ 1K* Đầu ra 0,001 US$ */ 1K* Đọc bộ nhớ đệm 0,00008 US$ */ 1K* Đầu vào `text` Đầu ra `text` Ngữ cảnh Không nêu trong danh mục Độ dài câu trả lời tối đa Không nêu trong danh mục Đầu vào 0,0007 US$ */ 1K* Đầu ra 0,001 US$ */ 1K* Đọc bộ nhớ đệm 0,00008 US$ */ 1K* Đầu vào `text` Đầu ra `text` Ngữ cảnh Không nêu trong danh mục Độ dài câu trả lời tối đa Không nêu trong danh mục Đầu vào 0,0007 US$ */ 1K* Đầu ra 0,001 US$ */ 1K* Đọc bộ nhớ đệm 0,00008 US$ */ 1K* Đầu vào `text` Đầu ra `text` Ngữ cảnh Không nêu trong danh mục Độ dài câu trả lời tối đa Không nêu trong danh mục Đầu vào 0,0007 US$ */ 1K* Đầu ra 0,001 US$ */ 1K* Đọc bộ nhớ đệm 0,00008 US$ */ 1K* `liquid/lfm-2.5-2.6b` · JSON ``` {"about":"### Mô hình gọn được huấn luyện cho tác tử\n\nLFM2.5-2.6B là mô hình văn bản Liquid AI cho các tác vụ cần tuân thủ chỉ dẫn, xử lý tài liệu và thực hiện nhiều bước tuần tự. Trong họ LFM2.5, phiên bản này được huấn luyện riêng cho quy trình tác tử: nhà phát triển huấn luyện trên tương tác với công cụ và môi trường tác tử điển hình. Việc huấn luyện mô tả hành vi mô hình; hành động cụ thể trong ứng dụng do phần tích hợp quyết định.\n\nLFM2.5-2.6B dựa trên kiến trúc lai LFM2 với 2,69 tỷ tham số, kết hợp khối tích chập ngắn và chú ý theo nhóm. Liquid AI phát triển họ này để chạy trên thiết bị, nhưng trong Ailoot API, mô hình được dùng qua giao diện văn bản: người dùng gửi tin nhắn và nhận câu trả lời văn bản.\n\n### Khi nào hữu ích\n\nMô hình phù hợp để trích thông tin, trả lời theo tài liệu cung cấp và xử lý chỉ dẫn dài. Ví dụ, gửi thư từ với khách hàng, yêu cầu gom yêu cầu thành danh sách thống nhất, sau đó chỉ ra mâu thuẫn và soạn thư làm rõ. Với câu trả lời từ cơ sở tri thức, nên đính kèm các đoạn tìm được và đặt quy tắc: dựa vào chúng, giữ tên và đánh dấu khi thiếu thông tin cần thiết.\n\nTài liệu Liquid AI nêu các hướng trích dữ liệu, RAG và quy trình ngữ cảnh dài. Nhà phát triển cũng giới hạn phạm vi: lập trình bằng tác tử và tác vụ cần lượng lớn kiến thức thực tế mà không cung cấp nguồn không nằm trong các tác vụ được khuyến nghị cho phiên bản này. Với thuật ngữ ngành, nên đưa định nghĩa và tài liệu gốc vào yêu cầu.\n\n### Ngữ cảnh và ngôn ngữ\n\nAiloot API nêu ngữ cảnh 128 000 token cho mô hình này. Ngữ cảnh gồm tài liệu tác vụ và lịch sử hội thoại; cần lên kế hoạch độ dài câu trả lời cùng với chúng. Thẻ nhà phát triển liệt kê 16 ngôn ngữ, gồm tiếng Nga, Anh, Trung, Đức và Tây Ban Nha. Nhờ vậy có thể dùng mô hình xử lý tài liệu và thư từ đa ngôn ngữ, đồng thời giữ ngôn ngữ mong muốn và định dạng kết quả trong chỉ dẫn.","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":"Mô hình văn bản gọn của Liquid AI để trích dữ liệu, trả lời theo tài liệu và thực hiện tác vụ tuần tự với ngữ cảnh lớn."} ``` ## Câu hỏi Làm sao chọn mô hình cho tác vụ của tôi? Trước tiên xác định đầu vào và đầu ra cần thiết: văn bản, hình ảnh, âm thanh hay video. Sau đó so sánh phương thức API tương thích, ID mô hình chính xác hoặc mô hình đích hiện tại của bí danh, giá và đơn vị tính phí. GET /v1/models miễn phí và liệt kê các mô hình mà khóa của bạn có thể truy cập. Mỗi mô hình có hỗ trợ mọi phương thức API và loại nội dung không? Dùng các phương thức API và loại đầu vào, đầu ra được liệt kê trên thẻ mô hình. Việc hỗ trợ văn bản, hình ảnh, âm thanh hay video phụ thuộc vào mô hình và phương thức đã chọn; xem ví dụ yêu cầu trước khi gửi dữ liệu. ID mô hình khác bí danh như thế nào? ID chính xác chỉ một mô hình cụ thể. Bí danh trỏ đến một mô hình và mô hình đích có thể thay đổi. Kiểm tra mô hình đích hiện tại của bí danh trong danh mục; dùng ID chính xác khi tích hợp cần một mô hình cụ thể. Làm sao so sánh giá trước khi gửi yêu cầu? Xem giá và đơn vị tính phí của phương thức API đã chọn trên thẻ mô hình. So sánh cùng đơn vị và loại đầu vào, đầu ra; lịch sử yêu cầu hiển thị mức sử dụng thực tế và số tiền đã trừ. Thuê bao mang lại gì? Giảm giá mua token cho nhu cầu thường xuyên. Chọn gói theo khối lượng yêu cầu; điều khoản và giá thuê bao hiển thị khi đăng ký. Làm sao áp dụng mã giảm đến 50%? Nhập mã khuyến mãi khi mua token. Tổng tiền được tính lại theo điều kiện chương trình; mức giảm hiển thị trước khi thanh toán. ## Ailoot · Công ty và danh mục dự án của công ty Ailoot dựa trên kinh nghiệm vận hành tích lũy, cơ sở khách hàng lớn, dịch vụ ổn định và việc kiểm soát KPI liên tục. Công ty và danh mục dự án của công ty: hàng triệu khách hàng; doanh số hàng tỷ mỗi tháng. Ailoot áp dụng kinh nghiệm vận hành này để cung cấp quyền truy cập API vào các tính năng AI trong sản phẩm của khách hàng, tác tử, ứng dụng và quy trình tự động hóa.