LiquidAI: LFM2.5-24B-A2B

LiquidAI: LFM2.5-24B-A2B es un modelo de texto de LiquidAI. Es un modelo de razonamiento de mezcla de expertos con 24B de parámetros totales y 2.45B de parámetros activos. El proveedor lo describe como un modelo que siempre razona antes de responder, y como diseñado para agentes que llaman a herramientas. Se sitúa en la categoría de texto, por lo que recibe texto y devuelve texto.

El modelo acepta entrada de texto y produce salida de texto, con una ventana de contexto de 128,000 tokens y una salida máxima de 8,192 tokens. Como es un modelo de razonamiento, elabora su razonamiento antes de producir una respuesta, y los parámetros include_reasoning y reasoning permiten controlar cómo se maneja ese razonamiento en la respuesta. También admite el uso de herramientas a través de los parámetros tools y tool_choice, junto con salidas estructuradas y response_format para restringir la forma de la salida. El comportamiento de muestreo puede ajustarse con temperature, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, seed y stop, y logprobs con top_logprobs están disponibles si necesitas probabilidades a nivel de token.

Esas capacidades apuntan a algunos usos prácticos. Los agentes que llaman a herramientas son el encaje más claro, ya que el modelo está diseñado para razonar y luego invocar herramientas, lo que se adapta a flujos de trabajo que necesitan buscar información, llamar funciones o encadenar pasos. Las salidas estructuradas lo convierten en una opción razonable para extraer campos de documentos o devolver resultados legibles por máquina que alimentan otro sistema. La ventana de contexto de 128,000 tokens admite entradas largas como documentos extensos, historiales de conversación largos o archivos de código considerables, y el paso de razonamiento ayuda en tareas que se benefician de trabajar un problema antes de responder, como el análisis de varios pasos o la planificación.

Puedes llamar al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "liquid/lfm-2.5-24b-a2b". Las solicitudes siguen el formato de chat completions de OpenAI, por lo que los SDK y clientes de OpenAI existentes funcionan con un cambio de URL base e id de modelo. Los parámetros de solicitud admitidos son frequency_penalty, include_reasoning, logprobs, max_completion_tokens, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k y top_logprobs.

Ten en cuenta el límite de salida: las respuestas están limitadas a 8,192 tokens, por lo que las tareas que necesitan una única respuesta muy larga pueden requerir dividir el trabajo en varias llamadas. El modelo es solo de texto, así que si tu entrada incluye imágenes o audio necesitarás un modelo diferente. Para la generación de texto sencilla y de gran volumen donde el razonamiento y las llamadas a herramientas no aportan valor, un modelo más simple puede ser más barato y rápido, pero para trabajo de estilo agente y extracción estructurada el conjunto de características de este modelo es una buena opción.