نستخدم ملفات تعريف الارتباط. تُبقيك ملفات تعريف الارتباط وتخزين المتصفح مسجّلًا للدخول وتتذكر تفضيلاتك. وبإذنك نقيس أيضًا كيفية استخدام الموقع. يمكنك في أي وقت. راجع سياسة ملفات تعريف الارتباط.
liquid/lfm-3-1.7bيعمل من رصيدك بالأسعار أعلاه. تبدأ الحسابات الجديدة باستخدام مجاني.
الإعدادات
LiquidAI: LFM3-1.7B هو نموذج نصي من LiquidAI. إنه نموذج مدمج يضم 1.7 مليار معامل، ويقدمه مزوده كخيار صغير لكنه قادر على مهام توليد النصوص. أصدره المزود في 6 نوفمبر 2026. تم تدريب النموذج لاحقا على الوكلاء واستدعاء الأدوات والمخرجات المنظمة، وهو يستدل قبل أن يجيب.
يقبل النموذج النص كمدخل ويعيد النص كمخرج، لذا يناسب خطوط المعالجة النصية فقط. نافذة السياق لديه هي 262,144 رمزا، وهي كبيرة بما يكفي لاستيعاب مستندات طويلة أو محادثات ممتدة أو ملفات برمجية كبيرة في طلب واحد. الحد الأقصى للمخرج هو 8,192 رمزا، لذا تظل الردود محدودة حتى عندما يكون المدخل طويلا جدا. ولأنه يستدل قبل الإجابة، يمكنه معالجة المشكلة خطوة بخطوة قبل إنتاج رده النهائي.
تشير هذه القدرات إلى بعض الاستخدامات العملية. السياق الطويل يناسب المهام التي تحتاج إلى العديد من المستندات أو سجل طويل في العرض دفعة واحدة، مثل تلخيص ملف كبير، أو الإجابة عن أسئلة عبر نص مفرغ طويل، أو العمل عبر قاعدة برمجية كاملة. استدعاء الأدوات والمخرجات المنظمة يجعلانه مناسبا بشكل معقول لسير عمل الوكلاء حيث يجب على النموذج أن يقرر أي دالة يستدعي وأن يعيد البيانات بشكل ثابت. تساعد خطوة الاستدلال في المهام التي تستفيد من التفكير الوسيط، مثل التحليل أو التخطيط متعدد الخطوات. كما يجعل حجمه الصغير مرشحا حيث يفضل نموذج مدمج على نموذج أكبر.
يمكنك استدعاء النموذج عبر واجهة api14 المتوافقة مع OpenAI باستخدام معرف النموذج "liquid/lfm-3-1.7b". ولأن الواجهة تتبع تنسيق OpenAI، يمكنك توجيه عميل OpenAI موجود إلى api14 وتمرير ذلك المعرف في حقل model. يدعم النموذج مجموعة واسعة من معاملات الطلب: frequency_penalty و presence_penalty و repetition_penalty و temperature و top_p و top_k و min_p للتحكم في أخذ العينات؛ و max_tokens و max_completion_tokens لطول المخرج؛ و stop لتسلسلات التوقف؛ و seed لأخذ عينات قابل للتكرار؛ و logprobs و top_logprobs لاحتمالات على مستوى الرمز؛ و response_format و structured_outputs للردود المنظمة؛ و tools و tool_choice لاستدعاء الدوال؛ و reasoning و include_reasoning لسلوك الاستدلال؛ و frequency_penalty إلى جانب العقوبات الأخرى المذكورة بالفعل.
أحد الأمور التي يجب وضعها في الاعتبار هو التعامل مع البيانات. قد يتم الاحتفاظ بالمطالبات والمخرجات واستخدامها، لذا إذا كان عبء عملك يتضمن محتوى حساسا أو خاضعا للتنظيم، فإن تلك السياسة تهم عند تقرير ما إذا كان هذا النموذج مناسبا. كما يجدر ملاحظة حد المخرج البالغ 8,192 رمزا للمهام التي تحتاج إلى ردود فردية طويلة جدا. لتوليد النصوص المباشر، وقراءة السياق الطويل، واستخدام الأدوات على نمط الوكلاء، يغطي النموذج الأساسيات عبر واجهة قياسية متوافقة مع OpenAI.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "liquid/lfm-3-1.7b",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
لا توجد مواضيع في هذا المجتمع بعد. افتح أول موضوع عن LiquidAI: LFM3-1.7B.
frequency_penaltyinclude_reasoninglogprobsmax_completion_tokensmax_tokensmin_ppresence_penaltyreasoningrepetition_penaltyresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_ktop_logprobstop_p