LiquidAI: LFM2.5-2.6B (free)

LiquidAI: LFM2.5-2.6B (free) ist ein kompaktes Reasoning-Modell von Liquid AI. Es gehört zur Textkategorie und wird auf api14 unter der Modell-ID liquid/lfm-2.5-2.6b:free bereitgestellt. Liquid AI positioniert es als kleines Modell, das für reasoning-intensive Aufgaben statt für reine Größe gebaut wurde, und beschreibt es als geeignet für Agent-Workflows, Datenextraktion, Retrieval Augmented Generation und Long-Context-Verarbeitung.

Das Modell nimmt Text entgegen und gibt Text zurück, mit einem Kontextfenster von 65.536 Tokens und einer maximalen Ausgabe von 8.192 Tokens. Zu den unterstützten Parametern gehören temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, seed, stop, logprobs, top_logprobs, max_tokens und max_completion_tokens. Es akzeptiert außerdem reasoning und include_reasoning, dazu response_format und structured_outputs für eingeschränkte Generierung sowie tools und tool_choice für Function Calling. Die Kombination aus einem 64K-Kontextfenster und einer Obergrenze von 8K für die Ausgabe macht es praktikabel für Eingaben, die lang sind, während die Antwort selbst begrenzt bleibt.

Diese Fähigkeiten deuten auf eine ziemlich spezifische Gruppe von Anwendungen hin. Agent-Workflows passen natürlich, weil das Modell Tool Calling und strukturierte Ausgaben unterstützt, sodass es Tools auswählen, Argumente in einem Schema zurückgeben und über Schritte iterieren kann. Datenextraktion funktioniert genauso: ein Dokument oder einen Datensatz einspeisen und JSON oder eine andere strukturierte Form über response_format oder structured_outputs anfordern. Für RAG erlaubt der lange Kontext, abgerufene Passagen zusammen mit der Frage zu bündeln, ohne aggressiv zu kürzen. Long-Context-Verarbeitung allgemein deckt Zusammenfassung, Klassifikation und Fragebeantwortung über große Eingaben ab, während der Parameter reasoning erlaubt, Zwischenreasoning sichtbar zu machen, wenn man es möchte, und die logprobs-Familie Bewertung und Konfidenzprüfungen unterstützt. Liquid AI rät davon ab, es für agentisches Coding zu verwenden, also sollten Coding-Agents auf einem anderen Modell laufen.

Da api14 eine OpenAI-kompatible API bereitstellt, ruft man dieses Modell mit der Modell-ID liquid/lfm-2.5-2.6b:free mit derselben Request-Form auf, die man bereits für OpenAI-Modelle verwendet. Richten Sie Ihren Client auf die api14-Basis-URL, setzen Sie das Feld model auf liquid/lfm-2.5-2.6b:free und senden Sie Ihre Nachrichten. Sampling-Steuerung (temperature, top_p, top_k, min_p, die drei Penalties, seed), Ausgabegrenzen (max_tokens, max_completion_tokens), Stop-Sequenzen, Optionen für strukturierte Ausgabe (response_format, structured_outputs), Tool Calling (tools, tool_choice), Reasoning-Steuerung (reasoning, include_reasoning) und Optionen für Log-Wahrscheinlichkeiten (logprobs, top_logprobs) sind alle als Request-Parameter verfügbar. Das Modell ist auf api14 kostenlos, sodass Sie es ohne bezahlte Verpflichtung evaluieren können, wobei das kostenlose Angebot eigene Verfügbarkeits- oder Ratenbedingungen mit sich bringen kann.

Zwei Grenzen sollten Sie bei der Auswahl im Hinterkopf behalten. Die maximale Ausgabe von 8.192 Tokens begrenzt, wie viel das Modell in einer Antwort erzeugen kann, sodass Arbeiten, die sehr lange einzelne Ausgaben benötigen, etwa das Generieren einer ganzen großen Datei, Chunking oder ein Modell mit höherer Ausgabegrenze erfordern. Und die rein textbasierte Ein- und Ausgabe bedeutet, dass hier keine Bild- oder Audioverarbeitung stattfindet; wenn Ihre Aufgabe andere Modalitäten umfasst, passt ein anderes Modell besser.