Felo API PlatformFelo API Platform
Volver a los modelos
LiquidAImessages

LFM3-1.7B API

LFM3-1.7B es un modelo de lenguaje de 1.73 mil millones de parámetros de Liquid AI, diseñado para agentes locales en teléfonos y portátiles sin GPU dedicada, con una ventana de contexto de 256K tokens.

Liquid AI presenta LFM3-1.7B, un modelo de lenguaje de 1.73 mil millones de parámetros que forma parte de la familia LFM3. Con una ventana de contexto de 256K tokens que cubre tanto la entrada como la salida, el modelo destaca por su arquitectura tri-híbrida de 24 capas: 13 convoluciones cortas con compuertas, 5 capas de atención de ventana deslizante y 6 capas de atención global. Esta combinación, junto con un vocabulario de 128,000 tokens que abarca 16 idiomas, permite un rendimiento eficiente en dispositivos con recursos limitados. Además, su cuantización a 4 bits ocupa aproximadamente 1 GB de memoria, lo que facilita su ejecución en teléfonos y portátiles sin necesidad de una GPU dedicada.

El modelo está entrenado con 22 billones de tokens, lo que representa una proporción de aproximadamente 12,717 tokens por parámetro. Supera al anterior modelo LFM2.5 de 2.6 mil millones de parámetros utilizando un 35% menos de parámetros. En evaluaciones agénticas, LFM3-1.7B empleó un 58% menos de tokens por tarea y se bloqueó en menos del 1% de los intentos, en comparación con el 15% de un modelo competidor. Estas características lo hacen adecuado para tareas como agentes locales, llamadas a herramientas con salidas estructuradas, ajuste fino específico de dominio y respuestas basadas en recuperación de información. Sin embargo, no se recomienda para codificación agéntica ni para cadenas largas de razonamiento lógico.

LFM3-1.7B se distribuye en seis formatos, incluidos GGUF, MLX, ONNX, BF16, FP8 y NVFP4. Su licencia es la LFM Open License v1.0, no Apache ni MIT, y las empresas con ingresos anuales superiores a 10 millones de dólares requieren una licencia comercial separada. Las organizaciones sin ánimo de lucro calificadas están exentas de la licencia comercial para uso no comercial o de investigación.

Actualizado:

ID DEL MODELO

lfm-3-1.7b
Contexto
262.144K
Salida máx.
8.192K
API recomendada
messages
Entrada
text
Salida
text

Aspectos destacados

  • 1.73B parámetros, ~1GB en cuantización 4-bit
  • Contexto de 256K tokens entrada y salida
  • Llamadas a herramientas estructuradas integradas
  • Arquitectura tri-híbrida de 24 capas
  • Ajuste fino rápido en una sola GPU
  • Ejecución local sin GPU dedicada

Proveedores

1 proveedores

Compara los precios de API entre proveedores. Selecciona un proveedor para ver todos los cargos y condiciones.

Proveedor · Detalles de precio
Disponibilidad
$0.08$0.2$0.02

Qué puedes comprar con $10

Entrada
125 M tokens
Salida
50 M tokens

Estimado a partir de los precios actuales de entrada y salida, antes de descuentos.

Razonamiento

Siempre activado
Sí

Inicio rápido

Código listo para llamar a este modelo con las APIs compatibles de Felo API Platform. Empieza en el Playground si quieres probar prompts antes de escribir código.

1

Configura tu clave de API

Crea una clave en tu cuenta de Felo API Platform y configúrala como variable de entorno.

export FELO_API_KEY="YOUR_API_KEY"
2

Haz tu primera solicitud

Usa este ID de modelo con el endpoint de Felo API Platform. Las cabeceras opcionales como X-Request-Id ayudan a diagnosticar problemas.

lfm-3-1.7b

Este modelo puede razonar. Si el protocolo seleccionado y la ruta del modelo exponen controles de razonamiento, conserva los metadatos de razonamiento devueltos al continuar la conversación.

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());

Usar SDK de terceros

En los SDK compatibles, define baseURL como https://openapi.felo.ai/api/v1. Para clientes de estilo Claude, usa la URL base compatible con Anthropic. https://openapi.felo.ai/api.

3

Activa el streaming

Añade stream: true para recibir respuestas como 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",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "stream": true
}'

Endpoint

Felo API Platform expone superficies compatibles para llamar a modelos. Elige la superficie que tu app o cliente de agente ya admite.

SurfaceMethodURL

Messages

Mensajes compatibles con Anthropic para clientes de estilo Claude.

POST

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

Parámetros

NombreTipoPredeterminadoDescripción
modelstringlfm-3-1.7bID público del modelo que se va a llamar.
max_tokensinteger—Número máximo de tokens generados.
messagesarray—Mensajes de la conversación para Chat Completions.
seed———
stop———
min_p———
toolsarray—Definiciones de tool calling según el esquema compatible.
top_k———
top_p———
logprobs———
reasoning———
temperaturenumber—Controla la variedad de las respuestas cuando es compatible.
tool_choicestring or object—Controla si se debe llamar a una herramienta.
top_logprobs———
response_formatobject—Solicita salida estructurada cuando es compatible.
presence_penalty———
frequency_penalty———
include_reasoning———
repetition_penalty———
structured_outputs———
max_completion_tokens———

Preguntas frecuentes

¿Qué es LFM3-1.7B?

Liquid AI presenta LFM3-1.7B, un modelo de lenguaje de 1.73 mil millones de parámetros que forma parte de la familia LFM3. Con una ventana de contexto de 256K tokens que cubre tanto la entrada como la salida, el modelo destaca por su arquitectura tri-híbrida de 24 capas: 13 convoluciones cortas con compuertas, 5 capas de atención de ventana deslizante y 6 capas de atención global. Esta combinación, junto con un vocabulario de 128,000 tokens que abarca 16 idiomas, permite un rendimiento eficiente en dispositivos con recursos limitados. Además, su cuantización a 4 bits ocupa aproximadamente 1 GB de memoria, lo que facilita su ejecución en teléfonos y portátiles sin necesidad de una GPU dedicada. El modelo está entrenado con 22 billones de tokens, lo que representa una proporción de aproximadamente 12,717 tokens por parámetro. Supera al anterior modelo LFM2.5 de 2.6 mil millones de parámetros utilizando un 35% menos de parámetros. En evaluaciones agénticas, LFM3-1.7B empleó un 58% menos de tokens por tarea y se bloqueó en menos del 1% de los intentos, en comparación con el 15% de un modelo competidor. Estas características lo hacen adecuado para tareas como agentes locales, llamadas a herramientas con salidas estructuradas, ajuste fino específico de dominio y respuestas basadas en recuperación de información. Sin embargo, no se recomienda para codificación agéntica ni para cadenas largas de razonamiento lógico. LFM3-1.7B se distribuye en seis formatos, incluidos GGUF, MLX, ONNX, BF16, FP8 y NVFP4. Su licencia es la LFM Open License v1.0, no Apache ni MIT, y las empresas con ingresos anuales superiores a 10 millones de dólares requieren una licencia comercial separada. Las organizaciones sin ánimo de lucro calificadas están exentas de la licencia comercial para uso no comercial o de investigación.

¿Cómo se cobra el uso?

Tu factura depende del proveedor que uses, de sus precios y de tu uso. Las entradas más largas u otras condiciones pueden tener precios distintos.

¿Qué modalidades de entrada y salida admite LFM3-1.7B?

Admite únicamente entrada y salida de texto.

¿Cuál es la ventana de contexto y el límite de salida?

Tiene una ventana de contexto de 256K tokens que cubre tanto la entrada como la salida. No se especifica un límite de salida independiente.

¿Para qué tareas está recomendado?

Está recomendado para agentes locales en teléfonos y portátiles, llamadas a herramientas con salidas estructuradas, ajuste fino específico de dominio y respuestas basadas en recuperación de información.

¿En qué se diferencia del modelo LFM2.5?

LFM3-1.7B tiene 1.73 mil millones de parámetros y supera al anterior modelo LFM2.5 de 2.6 mil millones de parámetros utilizando un 35% menos de parámetros.

¿Cómo se activa o desactiva el razonamiento?

El razonamiento está habilitado por defecto; se puede establecer enable_thinking en False para obtener respuestas directas.

Modelos relacionados