हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।
LiquidAI: LFM2.5-2.6B
liquid/lfm-2.5-2.6bLiquidAI: LFM2.5-2.6B अभी आज़माएं
ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।
एक API. हर मॉडल.
सेशन लागत $0.00
सेटिंग्स
उन्नत पैरामीटर
LiquidAI: LFM2.5-2.6B एक नज़र में
- इनपुट कीमत 433 टेक्स्ट मॉडल के मीडियन से 22% कम है।
- 1,28,000 tokens की context window, लंबे दस्तावेज़ों और कई चरणों वाली बातचीत के लिए काफी।
- agents और integrations के लिए tool (function) calling सपोर्ट करता है।
- schema के साथ structured JSON output सपोर्ट करता है।
- reasoning effort नियंत्रण सपोर्ट करता है।
- एक सामान्य request (1,000 इनपुट / 500 आउटपुट tokens) की लागत लगभग $0.00210 है।
LiquidAI: LFM2.5-2.6B के बारे में
LiquidAI: LFM2.5-2.6B, Liquid AI का एक टेक्स्ट मॉडल है। यह LFM2.5 परिवार से संबंधित है, और नाम में मौजूद 2.6B उस लाइन के भीतर इसके आकार वर्ग को दर्शाता है। Liquid AI इसे एक कॉम्पैक्ट रीज़निंग मॉडल के रूप में प्रस्तुत करता है, जिसका अर्थ है कि रीज़निंग व्यवहार मॉडल के निर्माण का हिस्सा है, न कि बाद में जोड़ी गई कोई चीज़। यह टेक्स्ट श्रेणी में आता है, इसलिए यह छवियों, ऑडियो या अन्य मीडिया के बजाय भाषा के साथ काम करता है।
इनपुट की ओर, मॉडल केवल टेक्स्ट स्वीकार करता है, और केवल टेक्स्ट उत्पन्न करता है। इसकी कॉन्टेक्स्ट विंडो 128,000 टोकन है, जो एक ही अनुरोध में बड़े दस्तावेज़ों, लंबे बातचीत इतिहास या बहु-दस्तावेज़ रिट्रीवल पेलोड को रखने के लिए पर्याप्त बड़ी है। अधिकतम आउटपुट 8,192 टोकन है, इसलिए प्रतिक्रियाएँ इनपुट क्षमता से काफी नीचे सीमित रहती हैं। रीज़निंग इंटरफ़ेस का प्रथम-श्रेणी का हिस्सा है: समर्थित पैरामीटर में reasoning और include_reasoning शामिल हैं, जो आपको मॉडल के रीज़निंग आउटपुट को नियंत्रित और प्रदर्शित करने देते हैं। यह structured outputs और response_format का भी समर्थन करता है, ताकि आप जनरेशन को मुक्त टेक्स्ट के बजाय किसी स्कीमा तक सीमित कर सकें।
ये क्षमताएँ उपयोगों के एक काफी विशिष्ट समूह की ओर संकेत करती हैं। Liquid AI एजेंट वर्कफ़्लो, डेटा एक्सट्रैक्शन, RAG और लंबे कॉन्टेक्स्ट प्रोसेसिंग को इच्छित उपयोग बताता है। डेटा एक्सट्रैक्शन और structured outputs स्वाभाविक रूप से साथ आते हैं: आप एक दस्तावेज़ देते हैं और परिभाषित रूप में फ़ील्ड वापस मांगते हैं। RAG को 128,000 टोकन कॉन्टेक्स्ट से लाभ मिलता है, क्योंकि प्राप्त अंशों को आक्रामक कटौती के बिना भरा जा सकता है। एजेंट वर्कफ़्लो को tools और tool_choice पैरामीटर के माध्यम से समर्थन मिलता है, जो मॉडल को आपके द्वारा परिभाषित फ़ंक्शन कॉल करने देते हैं। लंबे कॉन्टेक्स्ट प्रोसेसिंग में सारांशीकरण, बड़े इनपुट पर प्रश्न उत्तर, और समान कार्य शामिल हैं जहाँ पूरा दस्तावेज़ एक साथ दिखाई देना आवश्यक है।
आप मॉडल को api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी "liquid/lfm-2.5-2.6b" का उपयोग करके कॉल करते हैं। चूँकि इंटरफ़ेस OpenAI प्रारूप का पालन करता है, मौजूदा OpenAI क्लाइंट लाइब्रेरीज़ बेस URL और मॉडल आईडी बदलने के साथ काम करती हैं। यह जिन अनुरोध पैरामीटर का समर्थन करता है वे हैं 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, top_logprobs और top_p। इसमें सैंपलिंग नियंत्रण, पेनल्टी, स्टॉप अनुक्रम, पुनरुत्पादन के लिए सीडिंग, टोकन सीमाएँ, टूल कॉलिंग, structured output और लॉग प्रायिकता निरीक्षण शामिल हैं।
एक सीमा शुरुआत में ही ध्यान देने योग्य है। Liquid AI इस मॉडल को एजेंटिक कोडिंग के लिए उपयोग करने की सलाह नहीं देता, इसलिए यदि आपका कार्यभार कोड जनरेशन या कोडिंग एजेंट है, तो कोई अन्य मॉडल संभवतः बेहतर उपयुक्त होगा। 8,192 टोकन की आउटपुट सीमा भी उन कार्यों के लिए मायने रखती है जिनमें बहुत लंबी एकल प्रतिक्रियाएँ चाहिए। हालाँकि, ऊपर सूचीबद्ध क्षेत्रों के टेक्स्ट कार्यों के लिए, बड़ी कॉन्टेक्स्ट विंडो, रीज़निंग समर्थन, टूल कॉलिंग और structured outputs का संयोजन इसे मूल्यांकन के लिए एक उचित उम्मीदवार बनाता है।
LiquidAI: LFM2.5-2.6B API कैसे कॉल करें
- अपने dashboard में API key बनाएं।
- अपनी भाषा के लिए आधिकारिक openai SDK इंस्टॉल करें।
- baseURL को https://api14.com/api/v1 और model को "liquid/lfm-2.5-2.6b" पर सेट करें।
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-2.5-2.6b",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
समर्थित parameters
frequency_penaltyinclude_reasoninglogprobsmax_completion_tokensmax_tokensmin_ppresence_penaltyreasoningrepetition_penaltyresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_ktop_logprobstop_pस्पेसिफिकेशन
- Context लंबाई
- 1,28,000
- अधिकतम आउटपुट
- 8,192
- इनपुट
- text
- आउटपुट
- text
api14 पर requests · पिछले 7 दिन
LiquidAI: LFM2.5-2.6B: अक्सर पूछे जाने वाले सवाल
- LiquidAI: LFM2.5-2.6B API की कीमत कितनी है?
- LiquidAI: LFM2.5-2.6B की कीमत इनपुट $1.22 / 1M टोकन है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
- LiquidAI: LFM2.5-2.6B की context window कितनी है?
- LiquidAI: LFM2.5-2.6B हर request में 1,28,000 tokens तक पढ़ता है, prompt, इतिहास और दस्तावेज़ मिलाकर। यह हर जवाब में 8,192 आउटपुट tokens तक लिखता है।
- LiquidAI: LFM2.5-2.6B क्या कर सकता है?
- LiquidAI: LFM2.5-2.6B text स्वीकार करता है और text लौटाता है। यह टूल कॉलिंग, संरचित JSON आउटपुट, reasoning effort नियंत्रण सपोर्ट करता है।
- अपने कोड से LiquidAI: LFM2.5-2.6B कैसे कॉल करूं?
- किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "liquid/lfm-2.5-2.6b" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
- LiquidAI: LFM2.5-2.6B के विकल्प क्या हैं?
- मिलती-जुलती कीमत वाले टेक्स्ट मॉडल: Meta: Llama 4 Maverick, DeepSeek: DeepSeek V4 Flash Vision Exp, Google: Gemini 3.1 Flash Lite (batch)। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।
LiquidAI: LFM2.5-2.6B कम्युनिटी
नया टॉपिकइस कम्युनिटी में अभी कोई टॉपिक नहीं है। LiquidAI: LFM2.5-2.6B के बारे में पहला टॉपिक खोलें।