Felo API PlatformFelo API Platform
Volver a los modelos
LiquidAImessages

LFM3-1.7B (free) API

LFM3-1.7B es un modelo de lenguaje abierto de 1,7 mil millones de parámetros de Liquid AI, optimizado para agentes locales, uso de herramientas y contexto de 128K tokens.

LFM3-1.7B es un modelo de lenguaje de código abierto desarrollado por LFM AI. Con aproximadamente 1,73 mil millones de parámetros y 24 capas, emplea una arquitectura tri-híbrida que combina 13 capas de convolución corta con compuertas, 5 capas de atención de ventana deslizante y 6 capas de atención global. Soporta 16 idiomas, incluyendo inglés, español, francés, alemán, chino, japonés, árabe, hindi y ruso, entre otros. Está diseñado para ejecutarse en entornos locales y en aplicaciones específicas de dominio, con soporte para llamadas a herramientas y salidas estructuradas.

El modelo ha sido entrenado posteriormente para arneses de agentes como Hermes Agent, Pi y OpenClaw. Es compatible con plataformas como Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX y ONNX Runtime, y está disponible en formatos de cuantización BF16, FP8, NVFP4, GGUF, MLX y ONNX. Su ventana de contexto alcanza 256K tokens (entrada y salida combinadas).

LFM3-1.7B es ideal para tareas de agentes locales, selección de herramientas, extracción de JSON estructurado, respuesta basada en documentos recuperados y ajuste fino para dominios específicos. Sin embargo, no se recomienda para codificación agéntica ni para razonamiento complejo de múltiples pasos. Para tareas intensivas en conocimiento, se sugiere utilizar recuperación o generación aumentada por recuperación.

Actualizado:

ID DEL MODELO

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

Aspectos destacados

  • Modelo de lenguaje abierto de 1,7B parámetros
  • Arquitectura tri-híbrida con convolución y atención
  • Contexto de 256K tokens
  • Soporta 16 idiomas
  • Llamadas a herramientas y salidas estructuradas
  • Optimizado para agentes locales

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$0

Benchmarks

  • LiveClaw

    puntos; LFM2.5-2.6B obtuvo 14,70

    45.60
  • WebArena-Verified

    puntos; LFM2.5-2.6B obtuvo 3,02; Qwen3.5-9B obtuvo 28,94

    38.42
  • BFCL V4

    puntos; uso de herramientas

    71.39
  • ToolSandbox

    puntos

    80.36
  • LiveCodeBench v6

    puntos

    73.46
  • SWE-bench Verified

    puntos

    43.40
  • IFEval

    puntos

    96.66
  • GPQA Diamond

    puntos

    63.37

Puntuaciones según lo publicado por el proveedor del modelo.

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:free

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:free",
  "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:free",
  "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-3-1.7b:freeID 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 (free)?

LFM3-1.7B es un modelo de lenguaje de código abierto desarrollado por LFM AI. Con aproximadamente 1,73 mil millones de parámetros y 24 capas, emplea una arquitectura tri-híbrida que combina 13 capas de convolución corta con compuertas, 5 capas de atención de ventana deslizante y 6 capas de atención global. Soporta 16 idiomas, incluyendo inglés, español, francés, alemán, chino, japonés, árabe, hindi y ruso, entre otros. Está diseñado para ejecutarse en entornos locales y en aplicaciones específicas de dominio, con soporte para llamadas a herramientas y salidas estructuradas. El modelo ha sido entrenado posteriormente para arneses de agentes como Hermes Agent, Pi y OpenClaw. Es compatible con plataformas como Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX y ONNX Runtime, y está disponible en formatos de cuantización BF16, FP8, NVFP4, GGUF, MLX y ONNX. Su ventana de contexto alcanza 256K tokens (entrada y salida combinadas). LFM3-1.7B es ideal para tareas de agentes locales, selección de herramientas, extracción de JSON estructurado, respuesta basada en documentos recuperados y ajuste fino para dominios específicos. Sin embargo, no se recomienda para codificación agéntica ni para razonamiento complejo de múltiples pasos. Para tareas intensivas en conocimiento, se sugiere utilizar recuperación o generación aumentada por recuperación.

¿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 soporta LFM3-1.7B?

El modelo acepta únicamente entrada de texto y genera salida de texto.

¿Cuál es la longitud de contexto de LFM3-1.7B?

Soporta una ventana de contexto de 256K tokens, que abarca tanto la entrada como la salida combinadas.

¿Para qué tipo de tareas está diseñado LFM3-1.7B?

Está diseñado para agentes locales, llamadas a herramientas, salidas estructuradas, extracción de JSON, respuesta basada en documentos recuperados y ajuste fino para dominios específicos. No se recomienda para codificación agéntica ni para razonamiento complejo de múltiples pasos.

¿En qué se diferencia LFM3-1.7B de LFM2.5-2.6B?

LFM3-1.7B supera a LFM2.5-2.6B con un 35% menos de parámetros y funciona aproximadamente un 25% más rápido en contextos de 8K tokens.

¿Qué formatos de cuantización están disponibles para LFM3-1.7B?

El modelo está disponible en BF16, FP8, NVFP4, GGUF, MLX y ONNX.

¿Qué idiomas soporta LFM3-1.7B?

Soporta 16 idiomas: inglés, árabe, chino, francés, alemán, italiano, japonés, coreano, portugués, español, vietnamita, tailandés, indonesio, hindi, ruso y polaco.

Modelos relacionados