LiquidAI: LFM2.5-Embedding-350M (free)

LiquidAI menerbitkan LFM2.5-Embedding-350M, sebuah model penyematan teks dari Liquid AI yang ditawarkan di api14 dengan id model liquid/lfm-2.5-embedding-350m:free. Model ini berada di kategori embeddings, bukan kategori chat, sehingga bukan model percakapan dan tidak menghasilkan balasan prosa. Tugas tunggalnya adalah mengubah teks menjadi vektor yang merepresentasikan makna, yang menjadikannya blok pembangun bagi sistem lain, bukan endpoint yang diajak bicara langsung oleh pengguna. Penyedia merilisnya pada 2026-08-18.

Model ini menerima teks sebagai satu-satunya input dan mengembalikan embeddings sebagai satu-satunya output. Model ini menghasilkan vektor berdimensi 1.024, ukuran yang cocok dengan nyaman di sebagian besar penyimpanan vektor dan pustaka pencarian kemiripan tanpa penanganan khusus. Jendela konteksnya adalah 512 token, dan output maksimumnya adalah 460, yang dalam istilah embedding berkaitan dengan representasi vektor yang dikembalikan, bukan teks yang dihasilkan. Karena jendelanya cukup kecil, input harus dipangkas ke bagian, kalimat, atau potongan dokumen pendek yang benar-benar ingin direpresentasikan, dan materi yang lebih panjang harus dipisah sebelum mencapai model.

Karakteristik tersebut menunjukkan beberapa penggunaan praktis. Retrieval augmented generation adalah yang paling jelas: sematkan potongan dokumen Anda sekali, sematkan pertanyaan yang masuk saat kueri, lalu ambil kembali potongan terdekat berdasarkan kemiripan vektor. Pencarian semantik atas katalog produk, artikel dukungan, atau catatan internal bekerja dengan cara yang sama, karena model mencocokkan berdasarkan makna, bukan kata kunci persis. Tugas deduplikasi dan pengelompokan juga menyusul, di mana Anda mengelompokkan atau menggabungkan teks yang hampir identik dengan membandingkan vektornya. Klasifikasi dengan head ringan di atas embeddings adalah opsi lain, begitu juga reranking hasil kandidat sebelum mengirimkannya ke model chat.

Memanggilnya melalui api14 berarti mengirim permintaan ke endpoint yang kompatibel dengan OpenAI dengan model diatur ke liquid/lfm-2.5-embedding-350m:free. Jika Anda sudah menggunakan pustaka klien OpenAI, arahkan base URL-nya ke api14 dan pertahankan bentuk panggilan embeddings yang sama. Perhatikan bahwa model ini tidak mencantumkan parameter yang didukung, sehingga flag penyetelan tambahan seperti penyesuaian dimensions atau encoding format tidak tersedia; kirim teks input Anda dan baca vektor kembali dari respons. Jaga setiap permintaan tetap dalam jendela 512 token untuk menghindari pemotongan teks yang ingin Anda representasikan.

Karena jendela konteksnya 512 token dan tidak ada parameter yang diekspos, model ini cocok untuk teks pendek yang tersegmentasi dengan baik, bukan untuk seluruh dokumen atau percakapan panjang. Jika Anda perlu menyematkan blok besar dalam satu proses, atau Anda perlu kontrol atas ukuran vektor atau opsi permintaan lainnya, model embedding yang berbeda akan lebih cocok. Untuk pengambilan tingkat kalimat dan paragraf yang sederhana pada input pendek, model ini memenuhi tugas tersebut.