Comment ça marche LFM 2.5 2.6B?
LFM 2.5 2.6B est un modèle de raisonnement compact de Liquid AI. Sa petite taille le rend pratique là où un flux constant de requêtes similaires est nécessaire : scénarios d'agents, extraction de données, RAG et travail avec un contexte long. Le développeur note que le modèle n'est pas conçu pour la programmation par agents, il vaut donc mieux en choisir un autre pour les pipelines de code. Sur BotHub, vous l'utilisez sans VPN ni carte étrangère, le paiement s'effectue avec des cartes russes en roubles et est débité à l'usage par jeton, sans abonnement. Tous les modèles sont regroupés, ce qui facilite la comparaison des résultats et le basculement entre eux. Une API unique compatible OpenAI permet de remplacer le modèle dans un système multimodal sans réécrire l'intégration. Les requêtes sont chiffrées et les équipes ont accès à des contrats, factures, EDI et un panneau d'administration avec limites. Cas d'usage : agent traitant et routant les demandes entrantes ; extraction de champs de documents et courriels vers un format structuré ; assistant de base de connaissances interne via RAG ; résumés de longs rapports ; première couche rapide avant un grand modèle.Questions fréquentes sur LFM 2.5 2.6B
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
Le modèle traite le texte, accepte des documents et des images, sait raisonner avant de répondre et appeler des fonctions. Fenêtre contextuelle de 128 000 jetons, permettant de charger de longs documents : rapports, correspondance, code. Adapté à l'analyse, la synthèse, le débogage et l'intégration via API.
En une réponse, le modèle génère jusqu'à 8192 jetons, soit environ quelques pages de texte. C'est généralement suffisant pour un article, une analyse détaillée ou un grand fragment de code. Si le contenu est plus long, demandez de continuer : les parties précédentes resteront dans le contexte de 128 000 jetons.
Oui, le raisonnement avant réponse est confirmé par nos données. Le modèle décompose la tâche en étapes avant de fournir un résultat, ce qui aide considérablement pour la logique, les mathématiques et l'analyse de code. Pour les requêtes simples, la différence est minime, mais pour les conditions complexes, les réponses sont plus précises.
Oui. L'appel de fonctions et la sortie structurée en JSON sont pris en charge, permettant de connecter le modèle à des services externes, bases de données et outils personnalisés. BotHub utilise une API unique compatible OpenAI : décrivez le schéma des fonctions une fois, et changez de modèle dans la requête sans réécrire l'intégration.
Vous pouvez charger des images et des documents ; le modèle les accepte avec du texte : demandez de décrire une image, d'analyser un schéma ou d'extraire des données d'un fichier. L'audio et la vidéo ne sont pas indiqués comme formats d'entrée dans nos données ; pour la transcription ou l'analyse d'enregistrements, choisissez un modèle spécialisé.
Nous n'avons pas de données sur la qualité du travail avec des langues spécifiques, nous ne promettons donc rien. Testez sur vos tâches : quelques requêtes en diront plus que n'importe quelle description. L'accès au modèle sur BotHub se fait sans VPN ni carte étrangère, paiement par cartes russes en roubles.