LiquidAI: LFM2.5-2.6B (free)

LiquidAI: LFM2.5-2.6B (free) to kompaktowy model rozumowania od Liquid AI. Należy do kategorii tekstowych i jest dystrybuowany na api14 pod identyfikatorem modelu liquid/lfm-2.5-2.6b:free. Liquid AI pozycjonuje go jako mały model zbudowany z myślą o zadaniach wymagających intensywnego rozumowania, a nie o samą wielkość, i opisuje go jako odpowiedni do przepływów pracy agentów, ekstrakcji danych, generowania wspomaganego wyszukiwaniem oraz przetwarzania długiego kontekstu.

Model przyjmuje tekst na wejściu i zwraca tekst na wyjściu, z oknem kontekstu wynoszącym 65 536 tokenów i maksymalnym wyjściem 8 192 tokenów. Obsługiwane parametry obejmują temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, seed, stop, logprobs, top_logprobs, max_tokens oraz max_completion_tokens. Przyjmuje także reasoning i include_reasoning, a ponadto response_format i structured_outputs do generowania z ograniczeniami oraz tools i tool_choice do wywoływania funkcji. Połączenie okna kontekstu 64K i limitu wyjścia 8K czyni go praktycznym dla danych wejściowych, które są długie, ale sama odpowiedź pozostaje ograniczona.

Te możliwości wskazują na dość konkretny zestaw zastosowań. Przepływy pracy agentów pasują w naturalny sposób, ponieważ model obsługuje wywoływanie narzędzi i ustrukturyzowane wyjścia, więc może wybierać narzędzia, zwracać argumenty zgodnie ze schematem i iterować po krokach. Ekstrakcja danych działa tak samo: podaj dokument lub zestaw rekordów i zażądaj JSON-a lub innego ustrukturyzowanego kształtu przez response_format albo structured_outputs. W przypadku RAG długi kontekst pozwala upakować pobrane fragmenty razem z pytaniem bez agresywnego przycinania. Przetwarzanie długiego kontekstu ogólnie obejmuje streszczanie, klasyfikację i odpowiadanie na pytania dotyczące dużych danych wejściowych, natomiast parametr reasoning pozwala ujawnić pośrednie rozumowanie, gdy tego chcesz, a rodzina logprobs wspiera ocenianie i sprawdzanie pewności. Liquid AI odradza używanie go do agentowego kodowania, więc agentów kodujących pozostaw przy innym modelu.

Ponieważ api14 udostępnia API zgodne z OpenAI, wywołujesz ten model z identyfikatorem liquid/lfm-2.5-2.6b:free, używając tego samego kształtu żądania, którego już używasz dla modeli OpenAI. Skieruj klienta na bazowy adres URL api14, ustaw pole model na liquid/lfm-2.5-2.6b:free i wyślij swoje wiadomości. Kontrolki próbkowania (temperature, top_p, top_k, min_p, trzy kary, seed), limity wyjścia (max_tokens, max_completion_tokens), sekwencje stop, opcje ustrukturyzowanego wyjścia (response_format, structured_outputs), wywoływanie narzędzi (tools, tool_choice), kontrolki rozumowania (reasoning, include_reasoning) oraz opcje logarytmu prawdopodobieństwa (logprobs, top_logprobs) są dostępne jako parametry żądania. Model jest darmowy na api14, więc możesz go ocenić bez płatnego zobowiązania, choć darmowa oferta może wiązać się z własnymi warunkami dostępności lub limitów.

Przy wyborze warto pamiętać o dwóch ograniczeniach. Maksymalne wyjście 8 192 tokenów ogranicza to, ile model może wygenerować w jednej odpowiedzi, więc prace wymagające bardzo długich pojedynczych wyjść, takie jak generowanie całego dużego pliku, będą wymagały dzielenia na fragmenty lub modelu z wyższym limitem wyjścia. A wejście i wyjście wyłącznie tekstowe oznacza, że nie ma tu obsługi obrazu ani dźwięku; jeśli twoje zadanie obejmuje inne modalności, lepiej pasować będzie inny model.