LIQUIDAI · КАТАЛОГ МОДЕЛЕЙ
LFM2.5 Embedding 350M Free API
LFM2.5 Embedding 350M Free — бесплатный Tokenmost route компактной embedding-модели Liquid AI. Он подходит для ограниченного прототипа мультиязычного RAG, если приложение заранее учитывает квоты и возможную смену тарифа.
LFM2.5-Embedding-350M (free)LiquidAI- Контекст
- 512токенов
- Результат
- Векторные представленияформат ответа
- Стоимость
- Тариф уточняетсяусловия — в блоке подключения
ПОДКЛЮЧЕНИЕ
От модели к первому запросу
Используйте идентификатор модели в совместимом API-клиенте. Полные параметры, ключи и ответы с ошибками описаны в документации.
const response = await client.chat.completions.create({
model: "liquid/lfm-2.5-embedding-350m:free",
messages: [{ role: "user", content: "Ваш запрос" }],
});ПОДРОБНЫЙ ОБЗОР
Возможности модели
Liquid AI описывает LFM2.5-Embedding-350M как dense bi-encoder примерно на 354M параметров с одним CLS vector размерности 1024, cosine similarity, длиной документа 512 токенов и cross-lingual search по 11 языкам. Это отдельная модель от LFM2.5-ColBERT, которая возвращает vectors на каждый токен. Tokenmost показывает контекст 512 и суффикс `:free`. Preflight проверяет dimension, normalization, query/document formatting, языки, batch, encoding, quota, rate-limit headers, usage и нулевую цену. Free не означает бесконечную доступность или production SLA, а self-host характеристики не равны hosted route. Прототип использует небольшой открытый corpus без персональных данных. Индекс хранит model version и может быть полностью пересоздан при смене маршрута.
Ограничьте проверочный корпус
Возьмите несколько сотен passages на нужных языках и реальные вопросы с эталоном. Не индексируйте всю базу до подтверждения квоты и качества. Каждый chunk содержит источник и language для раздельного анализа.
Проверьте форму вектора
Один запрос должен подтвердить 1024 числа, порядок batch и normalization. Создайте отдельную коллекцию cosine. Не настраивайте её как ColBERT: Tokenmost route заявлен как обычный embeddings output, а per-token vectors не подтверждены.
Измерьте cross-language retrieval
Проверьте запросы и документы на разных языках, имена и точные коды. Отчёт делите по направлениям. Если один язык слаб, можно хранить перевод как дополнительный passage, но исходник остаётся источником правды.
Подготовьте отказоустойчивость
Кэшируйте embeddings по hash, ограничьте очередь и обрабатывайте quota error без циклических повторов. При недоступности используйте keyword search или согласованный платный индекс. Пользователь не должен видеть бесконечную загрузку.
Рассчитайте цену после Free
Зафиксируйте объём первичной индексации, ежедневные обновления и query tokens. Оцените совместимый платный route и стоимость миграции 1024-мерного индекса. Решение о production опирается на фактические лимиты Tokenmost.
Вопросы и ответы
Какая размерность LFM2.5 Embedding 350M?
Официальная карточка указывает 1024-мерный dense vector.
Это ColBERT-модель?
Нет, embedding-вариант выдаёт один вектор; ColBERT опубликован отдельно.
Сколько языков заявлено?
Liquid AI указывает multilingual/cross-lingual поиск по 11 языкам.
Free означает отсутствие квот?
Нет, квоты, rate limits и срок нулевой цены проверяются у Tokenmost.
Подходит ли route для production?
Только после измерения качества, лимитов и настройки платного fallback.