LiquidAI: LFM2.5-2.6B (free)

LiquidAI: LFM2.5-2.6B (gratis) es un modelo de razonamiento compacto de Liquid AI. Se sitúa en la categoría de texto y se distribuye en api14 bajo el id de modelo liquid/lfm-2.5-2.6b:free. Liquid AI lo posiciona como un modelo pequeño construido para tareas con alta carga de razonamiento en lugar de por tamaño bruto, y lo describe como adecuado para flujos de trabajo de agentes, extracción de datos, generación aumentada por recuperación y procesamiento de contexto largo.

El modelo recibe texto y devuelve texto, con una ventana de contexto de 65.536 tokens y una salida máxima de 8.192 tokens. Sus parámetros admitidos incluyen temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, seed, stop, logprobs, top_logprobs, max_tokens y max_completion_tokens. También acepta reasoning e include_reasoning, además de response_format y structured_outputs para generación restringida, y tools y tool_choice para llamadas a funciones. La combinación de una ventana de contexto de 64K y un techo de salida de 8K lo hace práctico para entradas que son largas pero donde la respuesta en sí permanece acotada.

Esas capacidades apuntan a un conjunto de usos bastante específico. Los flujos de trabajo de agentes encajan de forma natural porque el modelo admite llamadas a herramientas y salidas estructuradas, por lo que puede elegir herramientas, devolver argumentos en un esquema e iterar sobre pasos. La extracción de datos funciona igual: introduce un documento o un conjunto de registros y solicita JSON u otra forma estructurada mediante response_format o structured_outputs. Para RAG, el contexto largo permite incluir pasajes recuperados junto a la pregunta sin recortes agresivos. El procesamiento de contexto largo en general abarca resumen, clasificación y respuesta a preguntas sobre entradas grandes, mientras que el parámetro reasoning permite mostrar el razonamiento intermedio cuando se desea, y la familia logprobs admite puntuación y comprobaciones de confianza. Liquid AI desaconseja usarlo para codificación agéntica, así que mantén los agentes de codificación en un modelo diferente.

Dado que api14 expone una API compatible con OpenAI, llamas a este modelo con el id de modelo liquid/lfm-2.5-2.6b:free usando la misma forma de solicitud que ya utilizas para los modelos de OpenAI. Apunta tu cliente a la URL base de api14, establece el campo model en liquid/lfm-2.5-2.6b:free y envía tus mensajes. Los controles de muestreo (temperature, top_p, top_k, min_p, las tres penalizaciones, seed), los límites de salida (max_tokens, max_completion_tokens), las secuencias de parada, las opciones de salida estructurada (response_format, structured_outputs), las llamadas a herramientas (tools, tool_choice), los controles de razonamiento (reasoning, include_reasoning) y las opciones de probabilidad logarítmica (logprobs, top_logprobs) están todos disponibles como parámetros de solicitud. El modelo es gratis en api14, así que puedes evaluarlo sin un compromiso de pago, aunque el listado gratuito puede venir con sus propias condiciones de disponibilidad o de tasa.

Merece la pena tener en cuenta dos límites al elegirlo. La salida máxima de 8.192 tokens acota cuánto puede producir el modelo en una sola respuesta, así que el trabajo que necesita salidas únicas muy largas, como generar un archivo grande completo, necesitará fragmentación o un modelo con un techo de salida mayor. Y la entrada y salida solo de texto significa que aquí no hay manejo de imágenes ni de audio; si tu tarea implica otras modalidades, otro modelo encajará mejor.