LFM3-1.7B API
نموذج لغوي صغير من Liquid AI بمعاملات 1.73 مليار، يركّز على الوكلاء المحليين واستدعاء الأدوات، مع سياق 256K وبنية ثلاثية هجينة.
LFM3-1.7B هو نموذج نصي من تطوير Liquid AI، صدر في 27 أكتوبر 2026 ضمن عائلة LFM3. يضم 1.73 مليار معامل، وعند التكميم 4-بت يشغل نحو 1GB من الذاكرة، ما يسمح بتشغيله محليًا على الهواتف والحواسيب المحمولة دون وحدة معالجة رسومات مخصصة. يعتمد بنية ثلاثية هجينة من 24 طبقة تجمع 13 التفافًا قصيرًا مُبوّبًا، و5 طبقات انتباه بنافذة منزلقة، و6 طبقات انتباه عام، بمفردات من 128,000 رمز تغطي 16 لغة.
دُرّب النموذج على 22 تريليون رمز، بنسبة رموز إلى معاملات تبلغ نحو 12,717 مرة، ويتفوق على نموذج LFM2.5 السابق ذي 2.6 مليار معامل مع استخدام معاملات أقل بنسبة 35%. يدعم استدعاء الأدوات المهيكل وآلية بحث مؤجلة عن الأدوات للتعامل مع كتالوجات الأدوات الكبيرة، وجرى ضبطه لبيئات الوكلاء مثل Hermes Agent وPi وOpenClaw. الاستدلال مُفعّل افتراضيًا، ويمكن ضبط enable_thinking على False للحصول على إجابات مباشرة. يتوفر بستة تنسيقات تشمل GGUF وMLX وONNX وBF16 وFP8 وNVFP4، ويمكن ضبطه الدقيق بسرعة على وحدة معالجة رسومات واحدة.
يناسب النموذج الوكلاء المحليين على الهواتف والحواسيب المحمولة، واستدعاء الأدوات بمخرجات مهيكلة، والضبط الدقيق للنطاقات المتخصصة، والاسترجاع المعزز للأسئلة بالاقتران مع البحث، وتصنيف طلبات العملاء واستخراج معلومات المستندات وتوجيه الحالات بمخرجات مهيكلة. لكنه غير موصى به صراحةً للبرمجة بالوكلاء أو الاستدلال المعقد متعدد الخطوات، ولا يضاهي الأنظمة الأكبر في المعرفة العامة، لذا يُنصح بقرنه بالاسترجاع أو البحث للأسئلة المعرفية.
آخر تحديث:
MODEL ID
lfm-3-1.7b- السياق
- 262.144K
- أقصى إخراج
- 8.192K
- API الموصى به
- messages
- الإدخال
- text
- الإخراج
- text
أبرز الميزات
- 1.73 مليار معامل ونحو 1GB عند التكميم 4-بت
- سياق 256K رمزًا للمدخلات والمخرجات
- استدعاء أدوات مهيكل وبحث مؤجل
- بنية ثلاثية هجينة من 24 طبقة
- ضبط دقيق سريع على وحدة رسومات واحدة
- ستة تنسيقات تشمل GGUF وMLX وONNX
المزوّدون
قارن أسعار API بين المزوّدين. اختر مزوّدًا لعرض جميع الرسوم والشروط.
| التوافر | ||||
|---|---|---|---|---|
| $0.08 | $0.2 | $0.02 |
الإحصاءات التاريخية ليست فحصًا مباشرًا للحالة. غياب البيانات لا يعني انقطاع الخدمة.
ما الذي يشتريه $10
- الإدخال
- 125 مليون tokens
- الإخراج
- 50 مليون tokens
تقدير بناءً على أسعار الإدخال والإخراج الحالية، قبل الخصومات.
الاستدلال
- مفعّل دائمًا
- نعم
البدء السريع
كود جاهز لاستدعاء هذا النموذج عبر واجهات API المتوافقة مع Felo API Platform. ابدأ في Playground عندما تريد اختبار المطالبات قبل كتابة الكود.
احصل على مفتاح API
أنشئ مفتاحًا من حسابك على Felo API Platform وعيّنه كمتغير بيئة.
export FELO_API_KEY="YOUR_API_KEY"أرسل طلبك الأول
استخدم معرّف النموذج هذا مع endpoint Felo API Platform. قد تساعد رؤوس الطلب الاختيارية مثل X-Request-Id في استكشاف الأخطاء.
lfm-3-1.7bهذا النموذج قادر على الاستدلال. إذا كان البروتوكول ومسار النموذج المختاران يوفران عناصر تحكم الاستدلال، فاحتفظ ببيانات الاستدلال الوصفية المعادة عند متابعة المحادثة.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "lfm-3-1.7b",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());استخدام SDKs التابعة لجهات خارجية
استخدم SDKs المتوافقة بضبط baseURL على: https://openapi.felo.ai/api/v1. استخدم عنوان URL الأساسي المتوافق مع Anthropic لعملاء نمط Claude. https://openapi.felo.ai/api.
فعّل البث
أضف stream: true لتلقي الردود كأحداث مرسلة من الخادم.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "lfm-3-1.7b",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
يوفر Felo API Platform أسطحًا متوافقة لاستدعاء النماذج. اختر السطح الذي يدعمه تطبيقك أو عميل الوكيل لديك بالفعل.
Messages
رسائل متوافقة مع Anthropic لعملاء نمط Claude.
POST
https://openapi.felo.ai/api/v1/messagesالمعاملات
modelstringlfm-3-1.7bمعرّف النموذج العام المطلوب استدعاؤه.max_tokensinteger—الحد الأقصى لـ token المولّدة.messagesarray—رسائل المحادثة لـ Chat Completions.seed———stop———min_p———toolsarray—تعريفات استدعاء الأدوات وفق المخطط المتوافق.top_k———top_p———logprobs———reasoning———temperaturenumber—يتحكم في تنوع الردود عند الدعم.tool_choicestring or object—يتحكم في وجوب استدعاء أداة.top_logprobs———response_formatobject—اطلب إخراجًا منظمًا عند الدعم.presence_penalty———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———max_completion_tokens———الأسئلة الشائعة
ما هو LFM3-1.7B?
LFM3-1.7B هو نموذج نصي من تطوير Liquid AI، صدر في 27 أكتوبر 2026 ضمن عائلة LFM3. يضم 1.73 مليار معامل، وعند التكميم 4-بت يشغل نحو 1GB من الذاكرة، ما يسمح بتشغيله محليًا على الهواتف والحواسيب المحمولة دون وحدة معالجة رسومات مخصصة. يعتمد بنية ثلاثية هجينة من 24 طبقة تجمع 13 التفافًا قصيرًا مُبوّبًا، و5 طبقات انتباه بنافذة منزلقة، و6 طبقات انتباه عام، بمفردات من 128,000 رمز تغطي 16 لغة. دُرّب النموذج على 22 تريليون رمز، بنسبة رموز إلى معاملات تبلغ نحو 12,717 مرة، ويتفوق على نموذج LFM2.5 السابق ذي 2.6 مليار معامل مع استخدام معاملات أقل بنسبة 35%. يدعم استدعاء الأدوات المهيكل وآلية بحث مؤجلة عن الأدوات للتعامل مع كتالوجات الأدوات الكبيرة، وجرى ضبطه لبيئات الوكلاء مثل Hermes Agent وPi وOpenClaw. الاستدلال مُفعّل افتراضيًا، ويمكن ضبط enable_thinking على False للحصول على إجابات مباشرة. يتوفر بستة تنسيقات تشمل GGUF وMLX وONNX وBF16 وFP8 وNVFP4، ويمكن ضبطه الدقيق بسرعة على وحدة معالجة رسومات واحدة. يناسب النموذج الوكلاء المحليين على الهواتف والحواسيب المحمولة، واستدعاء الأدوات بمخرجات مهيكلة، والضبط الدقيق للنطاقات المتخصصة، والاسترجاع المعزز للأسئلة بالاقتران مع البحث، وتصنيف طلبات العملاء واستخراج معلومات المستندات وتوجيه الحالات بمخرجات مهيكلة. لكنه غير موصى به صراحةً للبرمجة بالوكلاء أو الاستدلال المعقد متعدد الخطوات، ولا يضاهي الأنظمة الأكبر في المعرفة العامة، لذا يُنصح بقرنه بالاسترجاع أو البحث للأسئلة المعرفية.
كيف تُحتسب فاتورة الاستخدام؟
تعتمد فاتورتك على المزوّد الذي تستخدمه وأسعاره واستخدامك. قد تختلف الأسعار مع المدخلات الأطول أو الشروط الأخرى.
ما نوع المدخلات والمخرجات التي يدعمها LFM3-1.7B؟
يدعم النموذج مدخلات نصية ومخرجات نصية فقط.
ما حجم نافذة السياق في LFM3-1.7B؟
تبلغ نافذة السياق 256K رمزًا، وتغطي المدخلات والمخرجات معًا.
هل الاستدلال مُفعّل افتراضيًا في LFM3-1.7B؟
نعم، الاستدلال مُفعّل افتراضيًا. يمكن ضبط enable_thinking على False للحصول على إجابات مباشرة.
ما المهام التي لا يُنصح باستخدام LFM3-1.7B فيها؟
لا يُوصى به للبرمجة بالوكلاء أو الاستدلال المعقد متعدد الخطوات، ولا لوكلاء الهندسة البرمجية المستقلة أو سلاسل الاستنتاج المنطقي الطويلة.
كيف يتفوق LFM3-1.7B على النموذج السابق LFM2.5؟
يتفوق عليه في الأداء مع استخدام معاملات أقل بنسبة 35%، إذ يبلغ عدد معاملاته 1.73 مليار مقابل 2.6 مليار في LFM2.5.
هل يمكن تشغيل LFM3-1.7B محليًا؟
نعم، يعمل محليًا على الهواتف والحواسيب المحمولة دون وحدة معالجة رسومات مخصصة، ويشغل عند التكميم 4-بت نحو 1GB من الذاكرة.