Felo API PlatformFelo API Platform
Zpět na modely
LiquidAImessages

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

1 poskytovatelů

Porovnejte ceny API u různých poskytovatelů. Vyberte poskytovatele a zobrazte všechny poplatky a podmínky.

Poskytovatel · Podrobnosti k cenám
Dostupnost
$0$0

Benchmarky

  • LiveClaw

    body; LFM2.5-2.6B dosáhl 14.70

    45.60
  • WebArena-Verified

    body; LFM2.5-2.6B dosáhl 3.02; Qwen3.5-9B dosáhl 28.94

    38.42
  • BFCL V4

    body; použití nástrojů

    71.39
  • ToolSandbox

    body

    80.36
  • LiveCodeBench v6

    body

    73.46
  • SWE-bench Verified

    body

    43.40
  • IFEval

    body

    96.66
  • GPQA Diamond

    body

    63.37

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.

1

Získejte API klíč

Vytvořte klíč ve svém účtu Felo API Platform a nastavte jej jako proměnnou prostředí.

export FELO_API_KEY="YOUR_API_KEY"
2

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:free

Tento 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.

3

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.

RozhraníMetodaURL

Messages

Zprávy kompatibilní s Anthropic pro klienty ve stylu Claude.

POST

https://openapi.felo.ai/api/v1/messages

Parametry

NázevTypVýchozíPopis
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.

Související modely