LiquidAI: LFM2.5-2.6B

LiquidAI: LFM2.5-2.6B är en textmodell från Liquid AI. Den tillhör LFM2.5-familjen, och 2.6B i namnet syftar på dess storleksklass inom den serien. Liquid AI positionerar den som en kompakt resonemangsmodell, vilket innebär att resonemangsbeteendet är en del av vad modellen byggdes för att göra snarare än något som lagts till i efterhand. Den tillhör kategorin text, så den arbetar med språk snarare än bilder, ljud eller andra medier.

På inputsidan accepterar modellen endast text, och den producerar endast text. Dess kontextfönster är 128 000 tokens, vilket är tillräckligt stort för att rymma omfattande dokument, långa konversationshistoriker eller nyttolaster för hämtning från flera dokument i en enda begäran. Den maximala utdatan är 8 192 tokens, så svaren är väl begränsade under inputkapaciteten. Resonemang är en förstklassig del av gränssnittet: de stödda parametrarna inkluderar reasoning och include_reasoning, vilka låter dig styra och visa modellens resonemangsutdata. Den stöder även strukturerade utdata och response_format, så du kan begränsa genereringen till ett schema snarare än fri text.

Dessa förmågor pekar mot en ganska specifik uppsättning användningsområden. Liquid AI anger agentarbetsflöden, datautvinning, RAG och långkontextbearbetning som den avsedda tillämpningen. Datautvinning och strukturerade utdata hänger naturligt ihop: du matar in ett dokument och begär fält tillbaka i en definierad form. RAG drar nytta av kontexten på 128 000 tokens, eftersom hämtade avsnitt kan packas in utan aggressiv trimning. Agentarbetsflöden stöds genom parametrarna tools och tool_choice, vilka låter modellen anropa funktioner du definierar. Långkontextbearbetning täcker sammanfattning, frågebesvarande över stora indata och liknande uppgifter där hela dokumentet behöver vara synligt samtidigt.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id:t "liquid/lfm-2.5-2.6b". Eftersom gränssnittet följer OpenAI-formatet fungerar befintliga OpenAI-klientbibliotek med en ändring av bas-URL och modell-id. Begärans parametrar som den stöder är 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 och top_p. Det täcker samplingskontroller, straff, stoppsekvenser, seedning för reproducerbarhet, tokengränser, verktygsanrop, strukturerade utdata och inspektion av loggsannolikheter.

En begränsning är värd att notera redan från början. Liquid AI avråder från att använda denna modell för agentisk kodning, så om din arbetsbelastning är kodgenerering eller en kodningsagent är en annan modell sannolikt en bättre matchning. Taket på 8 192 tokens för utdata spelar också roll för uppgifter som kräver mycket långa enskilda svar. För textuppgifter inom de områden som listas ovan gör kombinationen av ett stort kontextfönster, resonemangsstöd, verktygsanrop och strukturerade utdata den dock till en rimlig kandidat att utvärdera.