LiquidAI: LFM2.5-2.6B (free)

LiquidAI: LFM2.5-2.6B (free) é um modelo de raciocínio compacto da Liquid AI. Ele fica na categoria de texto e é distribuído na api14 sob o id de modelo liquid/lfm-2.5-2.6b:free. A Liquid AI o posiciona como um modelo pequeno construído para tarefas com uso intenso de raciocínio, em vez de tamanho bruto, e o descreve como adequado para fluxos de trabalho de agentes, extração de dados, geração aumentada por recuperação e processamento de contexto longo.

O modelo recebe texto e retorna texto, com uma janela de contexto de 65.536 tokens e uma saída máxima de 8.192 tokens. Seus parâmetros suportados incluem temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, seed, stop, logprobs, top_logprobs, max_tokens e max_completion_tokens. Ele também aceita reasoning e include_reasoning, além de response_format e structured_outputs para geração restrita, e tools e tool_choice para chamada de funções. A combinação de uma janela de contexto de 64K com um teto de saída de 8K o torna prático para entradas longas, mas em que a resposta em si permanece limitada.

Essas capacidades apontam para um conjunto bastante específico de usos. Fluxos de trabalho de agentes são um encaixe natural porque o modelo suporta chamada de ferramentas e saídas estruturadas, então ele pode escolher ferramentas, retornar argumentos em um esquema e iterar sobre etapas. A extração de dados funciona da mesma forma: forneça um documento ou conjunto de registros e solicite JSON ou outro formato estruturado via response_format ou structured_outputs. Para RAG, o contexto longo permite empacotar passagens recuperadas junto com a pergunta sem corte agressivo. O processamento de contexto longo, de forma mais geral, cobre sumarização, classificação e resposta a perguntas sobre entradas grandes, enquanto o parâmetro reasoning permite expor o raciocínio intermediário quando você quiser, e a família logprobs dá suporte a pontuação e verificações de confiança. A Liquid AI desaconselha usá-lo para codificação agêntica, então mantenha agentes de codificação em um modelo diferente.

Como a api14 expõe uma API compatível com a OpenAI, você chama este modelo com o id de modelo liquid/lfm-2.5-2.6b:free usando o mesmo formato de requisição que você já usa para modelos OpenAI. Aponte seu cliente para a URL base da api14, defina o campo model como liquid/lfm-2.5-2.6b:free e envie suas mensagens. Controles de amostragem (temperature, top_p, top_k, min_p, as três penalidades, seed), limites de saída (max_tokens, max_completion_tokens), sequências de parada, opções de saída estruturada (response_format, structured_outputs), chamada de ferramentas (tools, tool_choice), controles de raciocínio (reasoning, include_reasoning) e opções de log de probabilidade (logprobs, top_logprobs) estão todos disponíveis como parâmetros de requisição. O modelo é gratuito na api14, então você pode avaliá-lo sem compromisso pago, embora a listagem gratuita possa vir com suas próprias condições de disponibilidade ou de limite de taxa.

Dois limites vale a pena ter em mente ao escolher. A saída máxima de 8.192 tokens limita quanto o modelo pode produzir em uma única resposta, então trabalhos que precisam de saídas únicas muito longas, como gerar um arquivo grande inteiro, vão precisar de divisão em partes ou de um modelo com teto de saída maior. E a entrada e a saída apenas de texto significam que não há tratamento de imagem ou áudio aqui; se sua tarefa envolve outras modalidades, outro modelo se encaixará melhor.