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

LiquidAI는 LFM2.5-Embedding-350M을 공개합니다. 이는 Liquid AI의 텍스트 임베딩 모델로, api14에서 모델 id liquid/lfm-2.5-embedding-350m:free로 제공됩니다. 이 모델은 채팅 카테고리가 아니라 임베딩 카테고리에 속하므로, 대화형 모델이 아니며 산문 형식의 답변을 생성하지 않습니다. 이 모델의 단일 역할은 텍스트를 의미를 나타내는 벡터로 바꾸는 것이며, 따라서 사용자가 직접 대화하는 엔드포인트라기보다 다른 시스템을 구성하는 요소입니다. 제공자는 2026-08-18에 이를 출시했습니다.

이 모델은 텍스트만 입력으로 받고 임베딩만 출력으로 반환합니다. 이 모델은 1,024차원 벡터를 생성하며, 이 크기는 대부분의 벡터 저장소와 유사도 검색 라이브러리에 특별한 처리 없이 무리 없이 들어갑니다. 컨텍스트 윈도는 512 토큰이고 최대 출력은 460이며, 임베딩 측면에서 이는 생성된 텍스트가 아니라 반환되는 벡터 표현과 관련됩니다. 윈도가 상당히 작기 때문에 입력은 실제로 표현하려는 구절, 문장 또는 짧은 문서 구간으로 다듬어야 하며, 더 긴 자료는 모델에 도달하기 전에 분할해야 합니다.

이러한 특성은 몇 가지 실용적인 용도를 가리킵니다. 검색 증강 생성이 가장 명확한 예입니다. 문서 청크를 한 번 임베딩하고, 쿼리 시점에 들어오는 질문을 임베딩한 다음, 벡터 유사도로 가장 가까운 청크를 가져오면 됩니다. 제품 카탈로그, 지원 문서 또는 내부 메모에 대한 의미 검색도 같은 방식으로 작동합니다. 이 모델은 정확한 키워드가 아니라 의미를 기준으로 매칭하기 때문입니다. 중복 제거와 클러스터링 작업도 이어집니다. 여기서는 벡터를 비교하여 거의 동일한 텍스트를 그룹화하거나 하나로 합칩니다. 임베딩 위에 가벼운 헤드를 올린 분류도 또 다른 선택지이며, 후보 결과를 채팅 모델로 보내기 전에 재순위화하는 것도 마찬가지입니다.

api14를 통해 호출한다는 것은 model을 liquid/lfm-2.5-embedding-350m:free로 설정하여 OpenAI 호환 엔드포인트에 요청을 보낸다는 뜻입니다. 이미 OpenAI 클라이언트 라이브러리를 사용하고 있다면 base URL을 api14로 지정하고 동일한 embeddings 호출 형태를 유지하세요. 이 모델은 지원되는 파라미터를 나열하지 않으므로 dimensions나 encoding format 조정 같은 추가 튜닝 플래그는 사용할 수 없습니다. 입력 텍스트를 보내고 응답에서 벡터를 읽으세요. 표현하려는 텍스트가 잘리지 않도록 각 요청을 512 토큰 윈도 안에 유지하세요.

컨텍스트 윈도가 512 토큰이고 노출되는 파라미터가 없기 때문에, 이 모델은 전체 문서나 긴 대화보다는 짧고 잘 분할된 텍스트에 적합합니다. 큰 블록을 한 번에 임베딩해야 하거나 벡터 크기 또는 기타 요청 옵션을 제어해야 한다면 다른 임베딩 모델이 더 잘 맞습니다. 짧은 입력에 대한 단순한 문장 및 문단 수준 검색에는 이 모델이 그 역할을 해냅니다.