LiquidAI: LFM2.5-2.6B (free)

LiquidAI: LFM2.5-2.6B (gratis) is een compact redeneermodel van Liquid AI. Het valt in de tekstcategorie en wordt gedistribueerd op api14 onder de model-id liquid/lfm-2.5-2.6b:free. Liquid AI positioneert het als een klein model dat is gebouwd voor redeneerintensieve taken in plaats van ruwe omvang, en beschrijft het als geschikt voor agentworkflows, gegevensextractie, retrieval augmented generation en verwerking van lange contexten.

Het model neemt tekst als invoer en geeft tekst terug, met een contextvenster van 65.536 tokens en een maximale uitvoer van 8.192 tokens. De ondersteunde parameters zijn temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, seed, stop, logprobs, top_logprobs, max_tokens en max_completion_tokens. Het accepteert ook reasoning en include_reasoning, plus response_format en structured_outputs voor beperkte generatie, en tools en tool_choice voor function calling. De combinatie van een contextvenster van 64K en een uitvoerplafond van 8K maakt het praktisch voor invoer die lang is maar waarbij het antwoord zelf beperkt blijft.

Die mogelijkheden wijzen op een tamelijk specifieke set toepassingen. Agentworkflows passen van nature goed, omdat het model tool calling en gestructureerde uitvoer ondersteunt, zodat het tools kan kiezen, argumenten in een schema kan retourneren en over stappen kan itereren. Gegevensextractie werkt op dezelfde manier: voer een document of recordset in en vraag JSON of een andere gestructureerde vorm aan via response_format of structured_outputs. Voor RAG laat de lange context toe dat je opgehaalde passages samen met de vraag verpakt zonder agressief te trimmen. Verwerking van lange contexten omvat meer in het algemeen samenvatting, classificatie en vraagbeantwoording over grote invoer, terwijl de parameter reasoning je tussentijdse redeneringen laat tonen wanneer je dat wilt, en de logprobs-familie ondersteunt scoring en betrouwbaarheidscontroles. Liquid AI raadt af om het te gebruiken voor agentic coding, dus houd coding-agents op een ander model.

Omdat api14 een OpenAI-compatibele API biedt, roep je dit model aan met de model-id liquid/lfm-2.5-2.6b:free met dezelfde requestvorm die je al gebruikt voor OpenAI-modellen. Richt je client op de api14 base-URL, stel het veld model in op liquid/lfm-2.5-2.6b:free en stuur je messages. Sampling-instellingen (temperature, top_p, top_k, min_p, de drie penalties, seed), uitvoerlimieten (max_tokens, max_completion_tokens), stop-reeksen, opties voor gestructureerde uitvoer (response_format, structured_outputs), tool calling (tools, tool_choice), redeneerinstellingen (reasoning, include_reasoning) en opties voor logwaarschijnlijkheid (logprobs, top_logprobs) zijn allemaal beschikbaar als requestparameters. Het model is gratis op api14, dus je kunt het evalueren zonder betaalde verplichting, al kan de gratis vermelding eigen beschikbaarheids- of tariefvoorwaarden hebben.

Twee beperkingen zijn het onthouden waard wanneer je kiest. De maximale uitvoer van 8.192 tokens begrenst hoeveel het model in één antwoord kan produceren, dus werk dat zeer lange enkele uitvoer nodig heeft, zoals het genereren van een heel groot bestand, zal chunking vereisen of een model met een hoger uitvoerplafond. En de invoer en uitvoer zijn alleen tekst, wat betekent dat er hier geen beeld- of audioverwerking is; als je taak andere modaliteiten omvat, past een ander model beter.