LFM 2.5 2.6B
Red Neuronal
LFM 2.5 2.6B es un modelo de razonamiento compacto de Liquid AI para escenarios de agentes, extracción de datos y RAG.
Características
- Entrada
- texto, imágenes, documentos
- Salida
- texto
- Tamaño del contexto
- 65 536 tokens
- Longitud máxima de respuesta
- 8 192 tokens
- Niveles de razonamiento
- bajo, medio, alto
- Funciones
- razonamiento, llamada a funciones
Cómo funciona LFM 2.5 2.6B?
LFM 2.5 2.6B es un modelo de razonamiento compacto de Liquid AI. Su pequeño tamaño lo hace útil donde se necesita un flujo constante de solicitudes similares: escenarios de agentes, extracción de datos, RAG y trabajo con contexto largo. El desarrollador señala que el modelo no está diseñado para programación de agentes, por lo que para pipelines de código es mejor elegir otro. En BotHub, puedes ejecutarlo sin VPN ni tarjetas extranjeras; el pago se realiza con tarjetas rusas en rublos y se cobra por uso de tokens, sin suscripción. Todos los modelos están en una sola ventana, lo que facilita comparar resultados y cambiar entre ellos. Además, una API compatible con OpenAI permite reemplazar el modelo en un sistema multimodal sin reescribir la integración. Las solicitudes están cifradas y los equipos tienen acceso a contratos, facturas, EDI y un panel de administración con límites. Casos de uso: agentes que clasifican y enrutan solicitudes entrantes; extracción de campos de documentos y correos a formato estructurado; asistentes de bases de conocimiento internas mediante RAG; resúmenes de informes largos; primera capa rápida antes de un modelo grande.Preguntas frecuentes sobre LFM 2.5 2.6B
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
El modelo trabaja con texto, acepta documentos e imágenes, sabe razonar antes de responder y llamar a funciones. La ventana de contexto es de 128 000 tokens, por lo que puedes cargar materiales largos: informes, correspondencia, código. Es adecuado para análisis, resumen, depuración de errores e integración en servicios mediante API.
En una sola respuesta, el modelo genera hasta 8192 tokens, lo que equivale aproximadamente a varias páginas de texto. Para un artículo, un análisis detallado o un fragmento de código grande, esto suele ser suficiente. Si el material es más largo, pide que continúe: las partes anteriores permanecerán en el contexto de 128 000 tokens.
Sí, el razonamiento antes de responder está confirmado por nuestros datos. El modelo desglosa la tarea en pasos antes de dar un resultado, lo que ayuda notablemente en lógica, matemáticas y análisis de código. Para consultas simples la diferencia es pequeña, pero en condiciones de múltiples pasos, las respuestas son más precisas.
Sí. Se admiten la llamada a funciones y la salida estructurada en JSON, por lo que el modelo puede conectarse a servicios externos, bases de datos y herramientas propias. BotHub utiliza una API única compatible con OpenAI: describes el esquema de funciones una vez y cambias el modelo en la solicitud sin reescribir la integración.
Se pueden cargar imágenes y documentos; el modelo los acepta junto con el texto: pide describir una imagen, analizar un esquema o extraer datos de un archivo. El audio y el video no están marcados como formatos de entrada en nuestros datos, por lo que para locución o análisis de grabaciones, elige un modelo especializado.
No tenemos datos sobre la calidad del trabajo con idiomas específicos, así que no prometemos nada; pruébalo con tus tareas: un par de consultas mostrarán más que cualquier descripción. El acceso al modelo en BotHub se abre sin VPN ni tarjetas extranjeras, el pago se realiza con tarjetas rusas en rublos.