LFM3-1.7B (free) API
LFM3-1.7B je textový open-weight model od Liquid AI s 1,73 miliardy parametrů, kontextem 256K tokenů a podporou 16 jazyků, navržený pro lokální agenty a tool calling.
LFM3-1.7B je textový open-weight jazykový model od Liquid AI s přibližně 1,73 miliardy parametrů a 24 vrstvami. Využívá novou tri-hybridní architekturu kombinující 13 gated short convolution vrstev, 5 vrstev sliding window attention a 6 globálních attention vrstev. Model byl předtrénován na 22 bilionech tokenů, přičemž posledních 3,5 bilionu tokenů zahrnovalo mid-training fázi s kurátorovanými agentními stopami a voláními nástrojů, což rozšířilo kontextové okno na 256K tokenů. Podporuje 16 jazyků včetně češtiny, angličtiny, arabštiny, čínštiny, francouzštiny, němčiny, italštiny, japonštiny, korejštiny, portugalštiny, španělštiny, vietnamštiny, thajštiny, indonéštiny, hindštiny, ruštiny a polštiny.
Model je navržen pro lokální agenty a doménově specifické aplikace. Podporuje tool calling a strukturované výstupy, což z něj činí vhodnou volbu pro extrakci strukturovaného JSONu, odpovídání z retrieved dokumentů, výběr nástrojů v aplikaci s 108 nástroji nebo doladění pro konkrétní doménu. Je post-trénován pro agentní harnessy jako Hermes Agent, Pi a OpenClaw. Lze jej spustit na Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX a ONNX Runtime, k dispozici je v kvantizačních formátech BF16, FP8, NVFP4, GGUF, MLX a ONNX. V 4bitové kvantizaci spotřebovává přibližně 1 GB paměti a při kontextu 128K tokenů využívá asi 1,6 GB cache.
Model není doporučen pro agentní kódování ani složité vícestupňové uvažování. Pro znalostně náročné úlohy se doporučuje retrieval nebo retrieval-augmented generation. LFM Open License v1.0 neumožňuje komerční využití organizacemi s ročním obratem 10 milionů dolarů nebo vyšším. Pro chat, tool calling, agenty a kódování se doporučuje vzorkování s temperature=0.1, top_k=50 a repetition_penalty=1.1, pro STEM úlohy temperature=1.0, top_p=0.95 a top_k=20.
Aktualizováno:
MODEL ID
lfm-3-1.7b:free- Kontext
- 262.144K
- Max. výstup
- 8.192K
- Doporučené API
- messages
- Vstup
- text
- Výstup
- text
Hlavní body
- 1,73 miliardy parametrů, 24 vrstev
- Kontext 256K tokenů
- 16 jazyků včetně češtiny
- Tool calling a strukturované výstupy
- Tri-hybridní architektura
- Lokální běh v 4bitové kvantizaci
Poskytovatelé
Porovnejte ceny API u různých poskytovatelů. Vyberte poskytovatele a zobrazte všechny poplatky a podmínky.
| Dostupnost | |||
|---|---|---|---|
| $0 | $0 |
Historická data nejsou kontrolou v reálném čase. Chybějící data neznamenají výpadek.
Benchmarky
- 45.60
LiveClaw
body; LFM2.5-2.6B dosáhl 14.70
- 38.42
WebArena-Verified
body; LFM2.5-2.6B dosáhl 3.02; Qwen3.5-9B dosáhl 28.94
- 71.39
BFCL V4
body; použití nástrojů
- 80.36
ToolSandbox
body
- 73.46
LiveCodeBench v6
body
- 43.40
SWE-bench Verified
body
- 96.66
IFEval
body
- 63.37
GPQA Diamond
body
Skóre podle zveřejnění poskytovatele modelu.
Uvažování
- Vždy zapnuto
- Ano
Rychlý start
Kód připravený ke vložení pro volání tohoto modelu pomocí kompatibilních API Felo API Platform. Pokud chcete prompty vyzkoušet před psaním kódu, začněte v Playground.
Získejte API klíč
Vytvořte klíč ve svém účtu Felo API Platform a nastavte jej jako proměnnou prostředí.
export FELO_API_KEY="YOUR_API_KEY"Odešlete první požadavek
Použijte toto ID modelu s endpointem Felo API Platform. Volitelné hlavičky požadavku, jako X-Request-Id, mohou pomoci při řešení potíží.
lfm-3-1.7b:freeTento model podporuje uvažování. Pokud zvolený protokol a trasa modelu nabízejí ovládací prvky uvažování, zachovejte vrácená metadata uvažování při pokračování konverzace.
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:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Použití SDK třetích stran
Používejte kompatibilní SDK nastavením baseURL na https://openapi.felo.ai/api/v1. Pro klienty ve stylu Claude použijte base URL kompatibilní s Anthropic. https://openapi.felo.ai/api.
Zapněte streamování
Přidejte stream: true, abyste dostávali odpovědi jako server-sent events.
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:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform nabízí kompatibilní rozhraní pro volání modelů. Vyberte to, které vaše aplikace nebo klientský agent již podporuje.
Messages
Zprávy kompatibilní s Anthropic pro klienty ve stylu Claude.
POST
https://openapi.felo.ai/api/v1/messagesParametry
modelstringlfm-3-1.7b:freeVeřejné ID modelu pro volání.max_tokensinteger—Maximální počet generovaných tokenů.messagesarray—Zprávy konverzace pro Chat Completions.seed———stop———min_p———toolsarray—Definice volání nástrojů podle kompatibilního schématu.top_k———top_p———logprobs———reasoning———temperaturenumber—Řídí různorodost odpovědí, pokud je podporováno.tool_choicestring or object—Řídí, zda má být nástroj zavolán.top_logprobs———response_formatobject—Vyžádá strukturovaný výstup, pokud je podporován.presence_penalty———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———max_completion_tokens———Časté dotazy
Co je LFM3-1.7B (free)?
LFM3-1.7B je textový open-weight jazykový model od Liquid AI s přibližně 1,73 miliardy parametrů a 24 vrstvami. Využívá novou tri-hybridní architekturu kombinující 13 gated short convolution vrstev, 5 vrstev sliding window attention a 6 globálních attention vrstev. Model byl předtrénován na 22 bilionech tokenů, přičemž posledních 3,5 bilionu tokenů zahrnovalo mid-training fázi s kurátorovanými agentními stopami a voláními nástrojů, což rozšířilo kontextové okno na 256K tokenů. Podporuje 16 jazyků včetně češtiny, angličtiny, arabštiny, čínštiny, francouzštiny, němčiny, italštiny, japonštiny, korejštiny, portugalštiny, španělštiny, vietnamštiny, thajštiny, indonéštiny, hindštiny, ruštiny a polštiny. Model je navržen pro lokální agenty a doménově specifické aplikace. Podporuje tool calling a strukturované výstupy, což z něj činí vhodnou volbu pro extrakci strukturovaného JSONu, odpovídání z retrieved dokumentů, výběr nástrojů v aplikaci s 108 nástroji nebo doladění pro konkrétní doménu. Je post-trénován pro agentní harnessy jako Hermes Agent, Pi a OpenClaw. Lze jej spustit na Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX a ONNX Runtime, k dispozici je v kvantizačních formátech BF16, FP8, NVFP4, GGUF, MLX a ONNX. V 4bitové kvantizaci spotřebovává přibližně 1 GB paměti a při kontextu 128K tokenů využívá asi 1,6 GB cache. Model není doporučen pro agentní kódování ani složité vícestupňové uvažování. Pro znalostně náročné úlohy se doporučuje retrieval nebo retrieval-augmented generation. LFM Open License v1.0 neumožňuje komerční využití organizacemi s ročním obratem 10 milionů dolarů nebo vyšším. Pro chat, tool calling, agenty a kódování se doporučuje vzorkování s temperature=0.1, top_k=50 a repetition_penalty=1.1, pro STEM úlohy temperature=1.0, top_p=0.95 a top_k=20.
Jak se využití účtuje?
Faktura závisí na zvoleném poskytovateli, jeho cenách a vašem využití. Delší vstupy nebo jiné podmínky mohou mít jiné ceny.
Jaké vstupy a výstupy model podporuje?
Model přijímá textové vstupy a produkuje textové výstupy. Je to čistě textový model bez multimodálních schopností.
Jaké je kontextové okno modelu?
Kontextové okno je 256K tokenů, a to pro vstup a výstup dohromady.
Pro jaké úlohy je model vhodný?
Je určen pro lokální agenty, tool calling, strukturované výstupy, extrakci strukturovaného JSONu, odpovídání z retrieved dokumentů a doménově specifické doladění. Není doporučen pro agentní kódování ani složité vícestupňové uvažování.
Jak si stojí oproti LFM2.5-2.6B?
LFM3-1.7B překonává LFM2.5-2.6B s o 35 % menším počtem parametrů a při kontextu 8K tokenů běží přibližně o 25 % rychleji.
Na jakých frameworcích lze model spustit?
Model lze spustit na Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX a ONNX Runtime. K dispozici je v kvantizačních formátech BF16, FP8, NVFP4, GGUF, MLX a ONNX.
Jaké vzorkování se doporučuje?
Pro chat, tool calling, agenty a kódování se doporučuje temperature=0.1, top_k=50 a repetition_penalty=1.1. Pro STEM úlohy temperature=1.0, top_p=0.95 a top_k=20.