模型

LiquidAI: LFM2.5-24B-A2B

Markdown · JSON

LiquidAI: LFM2.5-24B-A2B

LFM2.5-24B-A2B 是 LiquidAI 用於工具驅動代理的文字推理模型,共有 240 億個參數,啟用參數為 24.5 億個。它在回答前推理,支援工具呼叫與結構描述導向的輸出,公開規格為 128,000 個 token 的上下文及 8,192 個 token 的生成上限。

關於模型

此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項,依所選方法列於下方。

LFM2.5-24B-A2B 是 LiquidAI 的混合專家模型,用於文字推理及使用工具的代理。它總共有 240 億個參數,每個 token 啟用 24.5 億個。推理是每個答案的一部分,因此任務應定義目標、要使用的證據,以及應用程式所需的結果。

為代理提供有範圍的目標

模型適合語言模型選擇下一步、閱讀產生的觀察,再繼續朝成果前進的流程。請以應用程式可以檢查的方式說明目標:找出相關紀錄、比較兩種設定、準備修改提案,或產出結構化評估。

請提供目的明確的工具,並將回傳觀察保留在任務上下文中。模型公布工具呼叫支援,包括介面提供此能力時選擇工具。執行由控制工具的應用程式負責。請將回傳觀察與模型寫出的指令分開,尤其是後續步驟依賴搜尋或查詢結果時。

為知識密集工作取得證據

發布者建議在依賴詳細外部知識的任務中使用檢索或網頁搜尋。請將證據步驟納入流程,不要要求模型捏造它未取得的事實。指出已取得段落,要求答案將結論連結至這些段落。

客服流程可以找出相關政策,並說明如何適用於提供的案例。技術任務可以先比較文件及設定,再提出修改。將重要檢索內容保留在上下文中,讓最終回覆可檢查,不必重複每次查詢。

結構化答案與採樣選擇

公開模型支援結構描述導向的結構化輸出。請依應用程式使用的內容定義小型結果形式,例如所選類別、說明、證據參照及下一步操作。將模型推理過程與下一個元件需要儲存或顯示的欄位分開。

LiquidAI 列出的公開採樣建議為 temperature 0.1、top_k 50 及 repetition_penalty 1.05,已儲存的目錄也重申這些預設值。它們提供可重複的起點,用於評估特定流程。比較具代表性的任務時,請讓所選設定保持一致。

容量與語言

公開服務項目列出 128,000 個 token 的上下文視窗及 8,192 個 token 的生成上限。請準備精簡答案規格,讓最終成果符合該輸出額度。將相關證據保留在一起,並為所需成果留足輸出空間。

開發商列出包含英文、俄文、中文、西班牙文、阿拉伯文及其他語言的多語言集合。使用模型處理多語言工作時,請保留來源術語及應保留的名稱。詞彙固定的任務適合提供明確詞彙表,並在各語言間使用相同輸出慣例。

  • 純文字混合專家推理:總參數 24B,啟用參數 2.45B。
  • 在最終答案之前必須進行推理。
  • 公開規格的工具、工具選擇與依 JSON Schema 產生的結構化輸出。
  • 以檢索為核心的工作流程,適用於依賴知識的任務。
  • 公開規格的上下文為 128,000 個 token,生成上限為 8,192 個 token。
  • 以檢索結果為依據的助理 — 問題、檢索取得的段落及所需的答案版面結構。 與證據相連、可對照段落檢查的答案。
  • 使用工具的初步分類與處置 — 範圍明確的案例與受控的查詢工具。 結構化評估與建議的下一步行動。
  • 設定比較 — 相關設定、文件與比較準則。 已辨識的差異集合及其支持證據。
  • 多語言結構化分析 — 來源文字、詞彙表及一致的結果欄位。 保留受保護術語、可相互比較的記錄。
  • 上下文 — 公開規格的服務上下文視窗:128,000 個 token。
  • 回覆 — 公開規格的生成上限:8,192 個 token。
  • 推理 — 模型在回答前進行推理;強制推理是公開設定的一部分。
  • 輸入/輸出 — 已發布的模型接受文字並回傳文字。
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions liquid/lfm-2.5-24b-a2b

liquid/lfm-2.5-24b-a2b

LiquidAI /liquid/lfm-2.5-24b-a2b

入門

LFM2.5-24B-A2B 是 LiquidAI 用於工具驅動代理的文字推理模型,共有 240 億個參數,啟用參數為 24.5 億個。它在回答前推理,支援工具呼叫與結構描述導向的輸出,公開規格為 128,000 個 token 的上下文及 8,192 個 token 的生成上限。

接受的輸入
文字
結果
文字

Ailoot 可用 · 輸入與方法

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
輸入
text
輸出
text
輸出格式
json 或 SSE
欄位類型要求值與限制預設值
欄位model類型string要求必填值與限制
liquid/lfm-2.5-24b-a2b
預設值—
欄位messages類型message[]要求必填值與限制
項目數下限: 1
預設值—
欄位messages[].role類型string要求必填值與限制
依模型而定
預設值—
欄位messages[].content類型string要求選填值與限制
適用條件: 文字對話
預設值—
欄位stream類型boolean要求選填值與限制預設值false
輸入素材組合

文字 · UTF8 文字

messages[].content

方法參數與生命週期
參數規格
參數content_type規格application/json
參數required規格model, messages
參數material_types規格text
參數messages規格具有 role/content 結構的訊息陣列
參數file_material規格實際 UTF-8 文件以原文文字插入;不推定檔案 ID
參數optional_controls規格stream
參數control_scope規格文字對話;stream 是布林值,預設為 false。
參數output_modalities規格text
參數hosted_operations規格false
參數multimodal_input_binding規格null

方法別名: /chat/completions

生命週期: synchronous_or_streamed

將確切模型 ID 與 messages 一併送出。

上下文長度不是輸出上限。

文字檔案可提供原文文字;圖片/音訊/檔案物件輸入需要精確綁定。

方案

費率資訊不會增加請求選項。支援的參數列於所選方法中。

快速模式
未指定 選取快速模式時
flex 模式
未指定 選取 flex 模式時
最高推理強度
未指定 最高推理強度採用 default 調整值時

Ailoot 費率

各設定的價格

請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。

設定費率表上下文 Token 數大於上下文 Token 數小於或等於費用
設定詞元基本費率費率表基本費率上下文 Token 數大於—上下文 Token 數小於或等於無上限費用
輸入 · 輸入 Token $0.0001 / 1K Token
輸出 · 輸出 Token $0.0014 / 1K Token
輸入 · 讀取快取 $0.00005 / 1K Token
輸入 · 寫入快取 — / 1K Token
輸入 · 寫入快取,1 小時 — / 1K Token
設定請求長度級距 1費率表—上下文 Token 數大於0上下文 Token 數小於或等於無上限費用
輸入 · 輸入 Token $0.0001 / 1K Token
輸出 · 輸出 Token $0.0014 / 1K Token
輸入 · 讀取快取 $0.00005 / 1K Token
輸入 · 寫入快取 — / 1K Token
輸入 · 寫入快取,1 小時 — / 1K Token

Ailoot 會在請求前預留估算金額。取得結果後,依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →

請求範例

Ailoot Ultra · OpenAI Chat

curlPython SDK
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-2.5-24b-a2b","messages":[{"role":"user","content":"hello"}],"stream":false}')

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/chat/completions \
  -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("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model="liquid/lfm-2.5-24b-a2b", messages=[{"role":"user","content":"hello"}], stream=False)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))

接收並儲存結果

Ailoot Ultra · OpenAI Chat

json 或 SSE

保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

保留每個候選項及其內容/工具呼叫/推理。SSE 中依候選項/工具索引組合增量,保留最終完成原因與用量。

需要檢查原始回應時

保留請求/回應 ID 與標頭。未提供通用的文字工作擷取 URL。

回應欄位
欄位類型
欄位choices[].index類型integer
欄位choices[].message.content類型string|null
欄位choices[].message.tool_calls類型tool_call[]
欄位choices[].message.reasoning_content類型string
欄位choices[].message.reasoning_details類型object|array
欄位choices[].finish_reason類型string|null
欄位usage類型object
錯誤與後續步驟
回應條件下一步
回應400 · invalid_request_error條件必要欄位、素材表示方式或參數值無效下一步提出新的建立請求前,先修正指定欄位。

別名

模型別名

Ailoot Ultra liquid/lfm-2.5-24b-a2b

方法路徑別名

/chat/completions

相關呼叫用 ID

liquid/lfm-2.5-24b-a2b

Ailoot Ultra · Anthropic Messages POST /v1/messages liquid/lfm-2.5-24b-a2b

liquid/lfm-2.5-24b-a2b

LiquidAI /liquid/lfm-2.5-24b-a2b

入門

LFM2.5-24B-A2B 是 LiquidAI 用於工具驅動代理的文字推理模型,共有 240 億個參數,啟用參數為 24.5 億個。它在回答前推理,支援工具呼叫與結構描述導向的輸出,公開規格為 128,000 個 token 的上下文及 8,192 個 token 的生成上限。

接受的輸入
文字
結果
json · sse

Ailoot 可用 · 輸入與方法

Ailoot Ultra · Anthropic Messages POST /v1/messages
輸入
text
輸出
json, sse
輸出格式
JSON 或 SSE
欄位類型要求值與限制預設值
欄位model類型string要求必填值與限制
liquid/lfm-2.5-24b-a2b
預設值—
欄位messages類型message[]要求必填值與限制預設值—
欄位messages[].role類型string要求必填值與限制
user, assistant
預設值—
欄位messages[].content類型string要求必填值與限制預設值—
欄位max_tokens類型integer要求必填值與限制預設值—
欄位stream類型boolean要求選填值與限制預設值false
輸入素材組合

文字 · UTF-8 文字

messages[].content 字串

方法參數與生命週期
參數規格
參數content_type規格application/json
參數required規格model, messages, max_tokens
參數optional_controls規格stream
參數material_types規格text
參數text_file_material規格讀取實際 UTF-8 文件,將文字放入指定的 input 或訊息內容字串。

生命週期: synchronous_or_streamed

方案

費率資訊不會增加請求選項。支援的參數列於所選方法中。

快速模式
未指定 選取快速模式時
flex 模式
未指定 選取 flex 模式時
最高推理強度
未指定 最高推理強度採用 default 調整值時

Ailoot 費率

各設定的價格

請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。

設定費率表上下文 Token 數大於上下文 Token 數小於或等於費用
設定詞元基本費率費率表基本費率上下文 Token 數大於—上下文 Token 數小於或等於無上限費用
輸入 · 輸入 Token $0.0001 / 1K Token
輸出 · 輸出 Token $0.0014 / 1K Token
輸入 · 讀取快取 $0.00005 / 1K Token
輸入 · 寫入快取 — / 1K Token
輸入 · 寫入快取,1 小時 — / 1K Token
設定請求長度級距 1費率表—上下文 Token 數大於0上下文 Token 數小於或等於無上限費用
輸入 · 輸入 Token $0.0001 / 1K Token
輸出 · 輸出 Token $0.0014 / 1K Token
輸入 · 讀取快取 $0.00005 / 1K Token
輸入 · 寫入快取 — / 1K Token
輸入 · 寫入快取,1 小時 — / 1K Token

Ailoot 會在請求前預留估算金額。取得結果後,依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →

請求範例

Ailoot Ultra · Anthropic Messages

完整的最小 JSON 請求主體curl · 使用您的 UTF-8 文件Python · 儲存完整結果
{
  "model": "liquid/lfm-2.5-24b-a2b",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'liquid/lfm-2.5-24b-a2b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -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

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'liquid/lfm-2.5-24b-a2b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

接收並儲存結果

Ailoot Ultra · Anthropic Messages

JSON 或 SSE

保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量;第一個文字區塊不是完整輸出。

需要檢查原始回應時

保留請求/回應 ID 與標頭。未提供通用的文字工作擷取 URL。

回應欄位
欄位類型
欄位id類型string
欄位model類型string
欄位content[]類型text|thinking|tool_use|other content block
欄位stop_reason類型string|null
欄位usage類型object
錯誤與後續步驟
回應條件下一步
回應400 · invalid_request_error條件必要欄位、素材表示方式或參數值無效下一步提出新的建立請求前,先修正指定欄位。

別名

模型別名

Ailoot Ultra liquid/lfm-2.5-24b-a2b

方法路徑別名

/chat/completions

相關呼叫用 ID

liquid/lfm-2.5-24b-a2b

FAQ · LiquidAI: LFM2.5-24B-A2B
可以使用哪些輸入與結果?

POST /v1/chat/completions · liquid/lfm-2.5-24b-a2b: text → text

POST /v1/messages · liquid/lfm-2.5-24b-a2b: text → json, sse

請求使用哪些欄位?

POST /v1/chat/completions · liquid/lfm-2.5-24b-a2b: model, messages, stream

POST /v1/messages · liquid/lfm-2.5-24b-a2b: model, messages, max_tokens, stream

適用哪些限制?

POST /v1/chat/completions · liquid/lfm-2.5-24b-a2b: messages.min_items: 1

更多詳情

將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。

公司及其專案組合

公司及其專案組合:數百萬客戶,每月銷售額達數十億。

優惠購買 token。

訂閱優惠適合持續工作,折扣碼購買 token 最高可折 50%。

訂閱
為定期請求選擇優惠方案。
最高 50% 折扣碼
購買時輸入代碼,價格依活動重算。
歷史中的費用
每次請求保存模型、token 與金額。

選擇訂閱 · 查看模型價格

將 API 加入 你銷售的產品。

依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人;轉售請申請經銷授權。

商用應用程式
在付費功能加入文字、圖片、影片與聲音生成。
經銷授權
提供專案說明與存取方式,要求書面使用和轉售條件。
網站文件
串接前可閱讀正式服務條款、授權合約與資料處理政策。

申請經銷授權 · 正式服務條款與授權合約