LiquidAI: LFM2.5-2.6B

LiquidAI: LFM2.5-2.6B is een tekstmodel van Liquid AI. Het behoort tot de LFM2.5-familie, en de 2.6B in de naam verwijst naar zijn grootteklasse binnen die lijn. Liquid AI positioneert het als een compact redeneermodel, wat betekent dat het redeneergedrag deel uitmaakt van waar het model voor gebouwd is, in plaats van iets dat er achteraf aan is toegevoegd. Het valt in de tekstcategorie, dus het werkt met taal en niet met afbeeldingen, audio of andere media.

Aan de invoerkant accepteert het model alleen tekst, en het produceert alleen tekst. Het contextvenster is 128.000 tokens, wat groot genoeg is om substantiële documenten, lange gespreksgeschiedenissen of multi-document retrieval-payloads in één verzoek te bevatten. De maximale uitvoer is 8.192 tokens, dus antwoorden zijn ruim onder de invoercapaciteit begrensd. Redeneren is een eersteklas onderdeel van de interface: de ondersteunde parameters omvatten reasoning en include_reasoning, waarmee je de redeneeruitvoer van het model kunt sturen en zichtbaar maken. Het ondersteunt ook structured outputs en response_format, zodat je generatie kunt beperken tot een schema in plaats van vrije tekst.

Die mogelijkheden wijzen op een tamelijk specifieke set toepassingen. Liquid AI noemt agent-workflows, data-extractie, RAG en long-context-verwerking als de beoogde toepassing. Data-extractie en structured outputs gaan van nature samen: je voert een document in en vraagt om velden terug in een gedefinieerde vorm. RAG profiteert van de context van 128.000 tokens, omdat opgehaalde passages kunnen worden ingepakt zonder agressief trimmen. Agent-workflows worden ondersteund via de parameters tools en tool_choice, waarmee het model functies kan aanroepen die je definieert. Long-context-verwerking dekt samenvatting, vraagbeantwoording over grote invoeren en vergelijkbare taken waarbij het hele document in één keer zichtbaar moet zijn.

Je roept het model aan via de OpenAI-compatibele API van api14 met het model-id "liquid/lfm-2.5-2.6b". Omdat de interface het OpenAI-formaat volgt, werken bestaande OpenAI-clientbibliotheken met een wijziging van de base URL en het model-id. De verzoekparameters die het ondersteunt zijn 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 en top_p. Dat dekt sampling-instellingen, penalties, stop-sequenties, seeding voor reproduceerbaarheid, tokenlimieten, tool calling, structured output en inspectie van log probabilities.

Eén beperking is het vermelden waard vooraf. Liquid AI raadt af om dit model te gebruiken voor agentic coding, dus als je workload codegeneratie of een coding agent is, is een ander model waarschijnlijk beter geschikt. Het uitvoerplafond van 8.192 tokens is ook van belang voor taken die zeer lange enkele antwoorden nodig hebben. Voor teksttaken in de hierboven genoemde gebieden maakt de combinatie van een groot contextvenster, ondersteuning voor redeneren, tool calling en structured outputs het echter een redelijke kandidaat om te evalueren.