LiquidAI: LFM2.5-Embedding-350M (free)

LiquidAI, Liquid AI tarafından geliştirilen ve api14 üzerinde liquid/lfm-2.5-embedding-350m:free model kimliğiyle sunulan bir metin gömme modeli olan LFM2.5-Embedding-350M'yi yayımladı. Sohbet kategorisi yerine embeddings kategorisinde yer alır, dolayısıyla konuşma amaçlı bir model değildir ve düzyazı yanıtlar üretmez. Tek işi, metni anlamı temsil eden bir vektöre dönüştürmektir; bu da onu kullanıcıların doğrudan konuştuğu bir uç nokta değil, diğer sistemler için bir yapı taşı haline getirir. Sağlayıcı modeli 2026-08-18 tarihinde yayımladı.

Model girdi olarak yalnızca metni kabul eder ve çıktı olarak yalnızca gömmeler döndürür. 1.024 boyutlu vektörler üretir; bu boyut, özel bir işlem gerektirmeden çoğu vektör deposuna ve benzerlik arama kütüphanesine rahatça sığar. Bağlam penceresi 512 token'dır ve maksimum çıktı 460'tır; gömme açısından bu, üretilen metinden ziyade döndürülen vektör temsiliyle ilgilidir. Pencere oldukça küçük olduğundan, girdiler gerçekten temsil edilmesini istediğiniz pasaja, cümleye veya kısa belge bölümüne göre kısaltılmalı ve daha uzun materyaller modele ulaşmadan önce bölünmelidir.

Bu özellikler birkaç pratik kullanıma işaret eder. Erişim destekli üretim en belirgin olanıdır: belge parçalarınızı bir kez gömün, sorgu anında gelen soruyu gömün ve vektör benzerliğine göre en yakın parçaları geri getirin. Bir ürün kataloğu, destek makaleleri veya dahili notlar üzerinde anlamsal arama da aynı şekilde çalışır, çünkü model tam anahtar sözcükler yerine anlama göre eşleşir. Yinelenenleri ayıklama ve kümeleme görevleri de bunu izler; burada vektörlerini karşılaştırarak neredeyse aynı olan metinleri gruplar veya birleştirirsiniz. Gömmelerin üzerine hafif bir katman eklenerek sınıflandırma da başka bir seçenektir; aday sonuçları bir sohbet modeline göndermeden önce yeniden sıralamak da öyle.

api14 üzerinden çağırmak, model liquid/lfm-2.5-embedding-350m:free olarak ayarlanmış şekilde OpenAI uyumlu uç noktaya bir istek göndermek anlamına gelir. Zaten bir OpenAI istemci kütüphanesi kullanıyorsanız, temel URL'sini api14'e yönlendirin ve aynı embeddings çağrı biçimini koruyun. Modelin desteklenen parametre listelemediğini unutmayın; bu nedenle dimensions veya encoding format ayarlamaları gibi ek ayar bayrakları mevcut değildir; girdi metninizi gönderin ve vektörü yanıttan okuyun. Temsil etmeye çalıştığınız metnin kesilmesini önlemek için her isteği 512 token'lık pencere içinde tutun.

Bağlam penceresi 512 token olduğu ve hiçbir parametre açığa çıkarılmadığı için bu model, tüm belgeler veya uzun konuşmalar yerine kısa, iyi bölümlenmiş metinler için uygundur. Büyük blokları tek geçişte gömmek istiyorsanız veya vektör boyutu ya da diğer istek seçenekleri üzerinde kontrol istiyorsanız, farklı bir gömme modeli daha iyi uyum sağlar. Kısa girdilerde basit cümle ve paragraf düzeyinde erişim için bu işi karşılar.