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

liquid/lfm-2.5-embedding-350m:free

Выпущена 18 августа 2026 г.|512 контекст|бесплатно/М вход|бесплатно/М выход

LFM2.5-Embedding-350M — это модель для создания текстовых эмбеддингов от Liquid AI. Она генерирует 1024-мерные эмбеддинги для задач поиска и семантического поиска. Успешные запросы и эмбеддинги могут быть сохранены и использованы для обучения...

⚠ Провайдер обучается на данных

Провайдер этой модели может использовать содержимое запросов для обучения своих моделей и хранить промпты. Не отправляйте сюда персональные данные и конфиденциальную информацию — либо выберите модель без этой пометки: для них обучающиеся провайдеры отключены. Подробнее.

⚠ Бесплатная витрина модели

Лимиты RPM/RPD выставляет провайдер модели, не Hubris — конкретные значения провайдер не публикует. При 429 повторите запрос с экспоненциальной задержкой либо переключитесь на платную версию модели. Подробнее.

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

Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.

liquid

Latency

—

Throughput

—

Uptime

—

Контекст

512

токенов

Макс. ответ

—

Вход

0 ₽

за 1М токенов

Выход

0 ₽

за 1М токенов

Модальности

Вход:ТекстВыход:Эмбеддинги

Провайдеры

Запросы обслуживает один из провайдеров ниже — маршрутизация автоматически выбирает оптимального по доступности и скорости в момент запроса. Итоговая стоимость зависит от того, какой провайдер обслужил запрос, и от попадания в кэш: при повторяющемся контексте вход тарифицируется по цене чтения кэша — до 60–80 % дешевле. Цены — в рублях за 1 млн токенов.


Liquid	0 ₽	0 ₽	—	—	100,0 %

Поддерживаемые параметры

frequency_penaltymax_tokensmin_ppresence_penaltyrepetition_penaltyseedstoptemperaturetop_ktop_p

Пример кода и API для LiquidAI: LFM2.5-Embedding-350M (free)

Hubris — OpenAI-совместимый API. Используйте любой OpenAI SDK, поменяв только base URL и ключ.

Получить API-ключ

curl https://api.hubris.pw/v1/chat/completions \
  -H "Authorization: Bearer sk-gw-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "liquid/lfm-2.5-embedding-350m:free",
    "messages": [{"role": "user", "content": "Привет"}]
  }'

curl https://api.hubris.pw/v1/chat/completions \  -H "Authorization: Bearer sk-gw-..." \  -H "Content-Type: application/json" \  -d '{    "model": "liquid/lfm-2.5-embedding-350m:free",    "messages": [{"role": "user", "content": "Привет"}]  }'

from openai import OpenAI

client = OpenAI(
    base_url="https://api.hubris.pw/v1",
    api_key="sk-gw-...",
)

response = client.chat.completions.create(
    model="liquid/lfm-2.5-embedding-350m:free",
    messages=[{"role": "user", "content": "Привет"}],
)
print(response.choices[0].message.content)

from openai import OpenAIclient = OpenAI(    base_url="https://api.hubris.pw/v1",    api_key="sk-gw-...",)response = client.chat.completions.create(    model="liquid/lfm-2.5-embedding-350m:free",    messages=[{"role": "user", "content": "Привет"}],)print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.hubris.pw/v1",
  apiKey: process.env.HUBRIS_API_KEY!,
});

const response = await client.chat.completions.create({
  model: "liquid/lfm-2.5-embedding-350m:free",
  messages: [{ role: "user", content: "Привет" }],
});

console.log(response.choices[0].message.content);

import OpenAI from "openai";const client = new OpenAI({  baseURL: "https://api.hubris.pw/v1",  apiKey: process.env.HUBRIS_API_KEY!,});const response = await client.chat.completions.create({  model: "liquid/lfm-2.5-embedding-350m:free",  messages: [{ role: "user", content: "Привет" }],});console.log(response.choices[0].message.content);

Другие модели от liquid

LiquidAI: LFM2.5-2.6B (free)

LFM2.5-2.6B — это компактная модель для рассуждений от Liquid AI. Она подходит для рабочих процессов агентов, извлечения данных, RAG и обработки длинных контекстов. Liquid не рекомендует использовать её для агентского кодирования или задач, требующих обширных знаний. Подсказки и выходные данные могут быть сохранены и использованы для обучения моделей Liquid.

66К контекст·бесплатно