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: LFM2.5-24B-A2B
liquid/lfm-2.5-24b-a2bLiquidAI: LFM2.5-24B-A2B 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: LFM2.5-24B-A2B एक नज़र में
- इनपुट कीमत 434 टेक्स्ट मॉडल के मीडियन से 89% 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 $0.00140 है।
LiquidAI: LFM2.5-24B-A2B के बारे में
LiquidAI: LFM2.5-24B-A2B, LiquidAI का एक टेक्स्ट मॉडल है। यह एक mixture-of-experts रीज़निंग मॉडल है जिसमें कुल 24B पैरामीटर और 2.45B सक्रिय पैरामीटर हैं। प्रोवाइडर इसे ऐसा बताता है कि यह जवाब देने से पहले हमेशा रीज़निंग करता है, और यह उन एजेंट्स के लिए बनाया गया है जो टूल्स को कॉल करते हैं। यह टेक्स्ट श्रेणी में आता है, इसलिए यह टेक्स्ट इनपुट लेता है और टेक्स्ट आउटपुट देता है।
मॉडल टेक्स्ट इनपुट स्वीकार करता है और टेक्स्ट आउटपुट देता है, जिसमें 128,000 टोकन की कॉन्टेक्स्ट विंडो और अधिकतम 8,192 टोकन का आउटपुट है। चूंकि यह एक रीज़निंग मॉडल है, यह जवाब देने से पहले अपनी रीज़निंग पर काम करता है, और include_reasoning तथा reasoning पैरामीटर आपको यह नियंत्रित करने देते हैं कि रिस्पॉन्स में उस रीज़निंग को कैसे संभाला जाए। यह tools और tool_choice पैरामीटर के ज़रिए टूल उपयोग का भी समर्थन करता है, साथ ही आउटपुट का आकार सीमित करने के लिए structured outputs और response_format का भी। सैंपलिंग व्यवहार को temperature, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, seed और stop से ट्यून किया जा सकता है, और अगर आपको टोकन-स्तर की प्रायिकताएं चाहिए तो logprobs के साथ top_logprobs उपलब्ध हैं।
ये क्षमताएं कुछ व्यावहारिक उपयोगों की ओर इशारा करती हैं। टूल-कॉलिंग एजेंट्स सबसे स्पष्ट फिट हैं, क्योंकि मॉडल रीज़निंग करने और फिर टूल्स को इनवोक करने के लिए डिज़ाइन किया गया है, जो ऐसे वर्कफ़्लो के लिए उपयुक्त है जिनमें जानकारी खोजनी हो, फ़ंक्शन कॉल करने हों या चरणों को एक साथ जोड़ना हो। Structured outputs इसे दस्तावेज़ों से फ़ील्ड निकालने या मशीन-पठनीय परिणाम लौटाने के लिए एक उचित विकल्प बनाते हैं जो किसी अन्य सिस्टम में जाते हैं। 128,000 टोकन की कॉन्टेक्स्ट विंडो बड़े दस्तावेज़ों, लंबे बातचीत इतिहास या बड़ी कोड फ़ाइलों जैसे लंबे इनपुट का समर्थन करती है, और रीज़निंग चरण उन कार्यों में मदद करता है जिनमें जवाब देने से पहले किसी समस्या पर काम करना फ़ायदेमंद होता है, जैसे मल्टी-स्टेप विश्लेषण या प्लानिंग।
आप मॉडल को api14 के OpenAI-संगत API के ज़रिए मॉडल आईडी "liquid/lfm-2.5-24b-a2b" का उपयोग करके कॉल करते हैं। रिक्वेस्ट OpenAI chat completions प्रारूप का पालन करती हैं, इसलिए मौजूदा OpenAI SDKs और क्लाइंट बेस URL और मॉडल आईडी बदलने के साथ काम करते हैं। समर्थित रिक्वेस्ट पैरामीटर 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 और top_logprobs।
आउटपुट की सीमा का ध्यान रखें: रिस्पॉन्स 8,192 टोकन तक सीमित हैं, इसलिए जिन कार्यों में एक बहुत लंबा एकल उत्तर चाहिए, उनमें काम को कई कॉल्स में बांटना पड़ सकता है। मॉडल केवल टेक्स्ट है, इसलिए अगर आपके इनपुट में इमेज या ऑडियो शामिल है तो आपको एक अलग मॉडल चाहिए। सीधे, उच्च-मात्रा वाले टेक्स्ट जनरेशन के लिए जहां रीज़निंग और टूल कॉल्स कोई मूल्य नहीं जोड़ते, एक सरल मॉडल सस्ता और तेज़ हो सकता है, लेकिन एजेंट-शैली और संरचित एक्सट्रैक्शन काम के लिए इस मॉडल का फ़ीचर सेट एक अच्छा मेल है।
LiquidAI: LFM2.5-24B-A2B 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-2.5-24b-a2b" 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-2.5-24b-a2b",
"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_logprobsस्पेसिफिकेशन
- Context लंबाई
- 1,28,000
- अधिकतम आउटपुट
- 8,192
- इनपुट
- text
- आउटपुट
- text
api14 पर requests · पिछले 7 दिन
LiquidAI: LFM2.5-24B-A2B: अक्सर पूछे जाने वाले सवाल
- LiquidAI: LFM2.5-24B-A2B API की कीमत कितनी है?
- LiquidAI: LFM2.5-24B-A2B की कीमत इनपुट $0.18 / 1M tokens है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
- LiquidAI: LFM2.5-24B-A2B की context window कितनी है?
- LiquidAI: LFM2.5-24B-A2B 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: LFM2.5-24B-A2B क्या कर सकता है?
- LiquidAI: LFM2.5-24B-A2B text स्वीकार करता है और text लौटाता है। यह tool calling, structured JSON output, reasoning effort नियंत्रण सपोर्ट करता है।
- अपने कोड से LiquidAI: LFM2.5-24B-A2B कैसे कॉल करूं?
- किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "liquid/lfm-2.5-24b-a2b" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
- LiquidAI: LFM2.5-24B-A2B के विकल्प क्या हैं?
- मिलती-जुलती कीमत वाले टेक्स्ट मॉडल: MiniMax: MiniMax M3.1 Flash, DeepSeek: DeepSeek V4.1 Flash 1017, Upstage: Solar Pro 4। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।
LiquidAI: LFM2.5-24B-A2B कम्युनिटी
नया टॉपिकइस कम्युनिटी में अभी कोई टॉपिक नहीं है। LiquidAI: LFM2.5-24B-A2B के बारे में पहला टॉपिक खोलें।