LiquidAI: LFM2.5-2.6B (free)

LiquidAI: LFM2.5-2.6B (free) è un modello di ragionamento compatto di Liquid AI. Si colloca nella categoria testo ed è distribuito su api14 con l'id modello liquid/lfm-2.5-2.6b:free. Liquid AI lo posiziona come un modello piccolo costruito per attività ad alto carico di ragionamento più che per la dimensione pura, e lo descrive come adatto a flussi di lavoro agentici, estrazione dati, generazione aumentata dal recupero e elaborazione a contesto lungo.

Il modello accetta testo in input e restituisce testo in output, con una finestra di contesto di 65.536 token e un output massimo di 8.192 token. I parametri supportati includono temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, seed, stop, logprobs, top_logprobs, max_tokens e max_completion_tokens. Accetta anche reasoning e include_reasoning, oltre a response_format e structured_outputs per la generazione vincolata, e tools e tool_choice per il function calling. La combinazione di una finestra di contesto da 64K e un tetto di output da 8K lo rende pratico per input lunghi ma in cui la risposta stessa resta contenuta.

Queste capacità indicano un insieme di utilizzi piuttosto specifico. I flussi di lavoro agentici sono un adattamento naturale perché il modello supporta il tool calling e gli output strutturati, quindi può scegliere strumenti, restituire argomenti secondo uno schema e iterare sui passaggi. L'estrazione dati funziona allo stesso modo: fornisci un documento o un insieme di record e richiedi JSON o un'altra forma strutturata tramite response_format o structured_outputs. Per la RAG, il contesto lungo consente di inserire i passaggi recuperati insieme alla domanda senza tagli aggressivi. L'elaborazione a contesto lungo in generale copre riassunto, classificazione e risposta a domande su input di grandi dimensioni, mentre il parametro reasoning permette di far emergere il ragionamento intermedio quando lo si desidera, e la famiglia logprobs supporta scoring e verifiche di confidenza. Liquid AI sconsiglia di usarlo per la programmazione agentica, quindi mantieni gli agenti di coding su un modello diverso.

Poiché api14 espone un'API compatibile con OpenAI, chiami questo modello con l'id modello liquid/lfm-2.5-2.6b:free usando la stessa forma di richiesta che già usi per i modelli OpenAI. Punta il tuo client all'URL di base di api14, imposta il campo model su liquid/lfm-2.5-2.6b:free e invia i tuoi messaggi. I controlli di campionamento (temperature, top_p, top_k, min_p, le tre penalità, seed), i limiti di output (max_tokens, max_completion_tokens), le sequenze di stop, le opzioni di output strutturato (response_format, structured_outputs), il tool calling (tools, tool_choice), i controlli di ragionamento (reasoning, include_reasoning) e le opzioni di log probabilità (logprobs, top_logprobs) sono tutti disponibili come parametri di richiesta. Il modello è gratuito su api14, quindi puoi valutarlo senza un impegno a pagamento, anche se la disponibilità gratuita può comportare proprie condizioni di disponibilità o di limite di frequenza.

Due limiti vale la pena tenere a mente quando scegli. L'output massimo di 8.192 token limita quanto il modello può produrre in una singola risposta, quindi un lavoro che richiede output singoli molto lunghi, come generare un intero file di grandi dimensioni, necessiterà di suddivisione in blocchi o di un modello con un tetto di output più alto. E l'input e l'output solo testo significano che qui non c'è gestione di immagini o audio; se la tua attività coinvolge altre modalità, un altro modello sarà più adatto.