LiquidAI: LFM2.5-24B-A2B

LiquidAI: LFM2.5-24B-A2B is een tekstmodel van LiquidAI. Het is een mixture-of-experts reasoning model met 24B totale parameters en 2,45B actieve parameters. De provider beschrijft het als een model dat altijd redeneert voordat het antwoordt, en als gebouwd voor agents die tools aanroepen. Het valt in de tekstcategorie, dus het neemt tekst in en geeft tekst terug.

Het model accepteert tekstinvoer en produceert tekstuitvoer, met een contextvenster van 128.000 tokens en een maximale uitvoer van 8.192 tokens. Omdat het een reasoning model is, werkt het zijn redenering door voordat het een antwoord produceert, en met de parameters include_reasoning en reasoning kunt u bepalen hoe die redenering in het antwoord wordt verwerkt. Het ondersteunt ook toolgebruik via de parameters tools en tool_choice, samen met structured outputs en response_format om de vorm van de uitvoer te beperken. Samplinggedrag kan worden afgestemd met temperature, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, seed en stop, en logprobs met top_logprobs zijn beschikbaar als u waarschijnlijkheden op tokenniveau nodig hebt.

Die mogelijkheden wijzen op een paar praktische toepassingen. Tool-aanroepende agents zijn de duidelijkste match, omdat het model is ontworpen om te redeneren en vervolgens tools aan te roepen, wat past bij workflows waarin iets moet worden opgezocht, functies moeten worden aangeroepen of stappen aan elkaar moeten worden gekoppeld. Structured outputs maken het een redelijke keuze voor het extraheren van velden uit documenten of het retourneren van machineleesbare resultaten die naar een ander systeem gaan. Het contextvenster van 128.000 tokens ondersteunt lange invoer zoals grote documenten, lange gespreksgeschiedenissen of omvangrijke codebestanden, en de redeneerstap helpt bij taken die baat hebben bij het doorwerken van een probleem voordat wordt geantwoord, zoals analyse of planning in meerdere stappen.

U roept het model aan via de OpenAI-compatibele API van api14 met het model-id "liquid/lfm-2.5-24b-a2b". Verzoeken volgen het OpenAI chat completions-formaat, dus bestaande OpenAI SDK's en clients werken met een wijziging van de base URL en het model-id. De ondersteunde verzoekparameters 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 en top_logprobs.

Houd het uitvoerplafond in gedachten: antwoorden zijn beperkt tot 8.192 tokens, dus taken die één zeer lang antwoord nodig hebben, kunnen vereisen dat het werk over meerdere aanroepen wordt gesplitst. Het model is alleen tekst, dus als uw invoer afbeeldingen of audio bevat, hebt u een ander model nodig. Voor eenvoudige tekstgeneratie met hoog volume, waarbij redenering en toolaanroepen geen waarde toevoegen, kan een eenvoudiger model goedkoper en sneller zijn, maar voor agent-achtig werk en gestructureerde extractie sluit de functieset van dit model goed aan.