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

LiquidAI pubblica LFM2.5-Embedding-350M, un modello di embedding testuale di Liquid AI offerto su api14 con l'id modello liquid/lfm-2.5-embedding-350m:free. Si colloca nella categoria embeddings anziche in quella chat, quindi non e un modello conversazionale e non genera risposte in prosa. Il suo unico compito e trasformare il testo in un vettore che ne rappresenta il significato, il che lo rende un componente di base per altri sistemi piuttosto che un endpoint con cui gli utenti parlano direttamente. Il provider lo ha rilasciato il 2026-08-18.

Il modello accetta testo come unico input e restituisce embeddings come unico output. Produce vettori a 1.024 dimensioni, una dimensione che si adatta comodamente alla maggior parte dei vector store e delle librerie di ricerca per similarita senza gestioni speciali. La sua finestra di contesto e di 512 token, e l'output massimo e 460, che in termini di embedding riguarda la rappresentazione vettoriale restituita anziche il testo generato. Poiche la finestra e piuttosto piccola, gli input dovrebbero essere ridotti al passaggio, alla frase o alla breve sezione di documento che si vuole effettivamente rappresentare, e il materiale piu lungo dovrebbe essere suddiviso prima di raggiungere il modello.

Queste caratteristiche indicano alcuni usi pratici. La generazione aumentata dal recupero e quello ovvio: incorpora i chunk dei tuoi documenti una volta, incorpora la domanda in arrivo al momento della query e recupera i chunk piu vicini per similarita vettoriale. La ricerca semantica su un catalogo prodotti, articoli di supporto o note interne funziona allo stesso modo, poiche il modello confronta il significato anziche le parole chiave esatte. Seguono anche attivita di deduplicazione e clustering, in cui si raggruppano o si fondono testi quasi identici confrontando i loro vettori. La classificazione con un head leggero sopra gli embeddings e un'altra opzione, cosi come il reranking dei risultati candidati prima di inviarli a un modello chat.

Chiamarlo tramite api14 significa inviare una richiesta all'endpoint compatibile con OpenAI con il modello impostato su liquid/lfm-2.5-embedding-350m:free. Se usi gia una libreria client OpenAI, punta il suo base URL su api14 e mantieni la stessa forma di chiamata embeddings. Nota che il modello non elenca parametri supportati, quindi flag di tuning aggiuntivi come regolazioni di dimensions o encoding format non sono disponibili; invia il testo di input e leggi il vettore dalla risposta. Mantieni ogni richiesta entro la finestra di 512 token per evitare il troncamento del testo che stai cercando di rappresentare.

Poiche la finestra di contesto e di 512 token e non vengono esposti parametri, questo modello si adatta a testo breve e ben segmentato anziche a documenti interi o conversazioni lunghe. Se devi incorporare grandi blocchi in una sola passata, o hai bisogno di controllo sulla dimensione del vettore o su altre opzioni di richiesta, un modello di embedding diverso sara piu adatto. Per il recupero semplice a livello di frase e paragrafo su input brevi, copre il compito.