LiquidAI: LFM2.5-2.6B

LiquidAI: LFM2.5-2.6B adalah model teks dari Liquid AI. Model ini termasuk dalam keluarga LFM2.5, dan 2.6B dalam namanya merujuk pada kelas ukurannya dalam lini tersebut. Liquid AI memposisikannya sebagai model penalaran yang ringkas, yang berarti perilaku penalaran merupakan bagian dari tujuan model ini dibangun, bukan sesuatu yang ditambahkan setelahnya. Model ini berada dalam kategori teks, sehingga bekerja dengan bahasa, bukan gambar, audio, atau media lainnya.

Pada sisi input, model ini hanya menerima teks, dan hanya menghasilkan teks. Jendela konteksnya adalah 128.000 token, cukup besar untuk menampung dokumen substansial, riwayat percakapan panjang, atau muatan pengambilan multi-dokumen dalam satu permintaan. Output maksimumnya adalah 8.192 token, sehingga respons dibatasi jauh di bawah kapasitas input. Penalaran adalah bagian utama dari antarmuka: parameter yang didukung mencakup reasoning dan include_reasoning, yang memungkinkan Anda mengontrol dan menampilkan output penalaran model. Model ini juga mendukung structured outputs dan response_format, sehingga Anda dapat membatasi generasi ke skema tertentu alih-alih teks bebas.

Kemampuan tersebut mengarah pada serangkaian penggunaan yang cukup spesifik. Liquid AI menyebut alur kerja agen, ekstraksi data, RAG, dan pemrosesan konteks panjang sebagai kecocokan yang dituju. Ekstraksi data dan structured outputs cocok secara alami: Anda memasukkan dokumen dan meminta field kembali dalam bentuk yang terdefinisi. RAG diuntungkan oleh konteks 128.000 token, karena bagian yang diambil dapat dimasukkan tanpa pemangkasan agresif. Alur kerja agen didukung melalui parameter tools dan tool_choice, yang memungkinkan model memanggil fungsi yang Anda definisikan. Pemrosesan konteks panjang mencakup peringkasan, tanya jawab atas input besar, dan tugas serupa di mana seluruh dokumen perlu terlihat sekaligus.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "liquid/lfm-2.5-2.6b". Karena antarmukanya mengikuti format OpenAI, pustaka klien OpenAI yang ada dapat digunakan dengan mengubah base URL dan model id. Parameter permintaan yang didukung adalah 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 dan top_p. Itu mencakup kontrol sampling, penalti, urutan stop, seeding untuk reproduksibilitas, batas token, pemanggilan alat, output terstruktur, dan inspeksi probabilitas log.

Satu keterbatasan perlu dicatat sejak awal. Liquid AI menyarankan agar tidak menggunakan model ini untuk agentic coding, jadi jika beban kerja Anda adalah generasi kode atau agen coding, model lain kemungkinan lebih cocok. Batas output 8.192 token juga penting untuk tugas yang membutuhkan respons tunggal yang sangat panjang. Namun, untuk tugas teks di area yang disebutkan di atas, kombinasi jendela konteks besar, dukungan penalaran, pemanggilan alat, dan structured outputs menjadikannya kandidat yang wajar untuk dievaluasi.