Felo API PlatformFelo API Platform
חזרה למודלים
LiquidAImessages

LFM3-1.7B (free) API

LFM3-1.7B הוא מודל שפה פתוח מבית Liquid AI עם 1.73 מיליארד פרמטרים, חלון הקשר של 256K אסימונים ותמיכה ב־16 שפות, המיועד לסוכנים מקומיים, לקריאות לכלים ולפלטים מובנים.

LFM3-1.7B הוא מודל שפה פתוח במשקלים מבית Liquid AI, שהושק ב־27 באוקטובר 2026. הוא מבוסס על ארכיטקטורה היברידית תלת־ראשית הכוללת 13 שכבות קונבולוציה קצרות עם שער, 5 שכבות קשב בחלון מחליק ו־6 שכבות קשב גלובלי. למודל כ־1.73 מיליארד פרמטרים, 24 שכבות ואוצר מילים של 128,000 אסימונים, והוא תומך בקלט ופלט טקסט בלבד. חלון ההקשר שלו עומד על 256K אסימונים, קלט ופלט יחד. המודל תומך ב־16 שפות: אנגלית, ערבית, סינית, צרפתית, גרמנית, איטלקית, יפנית, קוריאנית, פורטוגזית, ספרדית, וייטנאמית, תאית, אינדונזית, הינדי, רוסית ופולנית. הוא תומך בקריאות לכלים ובפלטים מובנים, ותוכנן לסוכנים מקומיים וליישומים תחומיים. לאחר האימון המקדים הוא עבר התאמה לאימון עם מעטפות סוכנים כמו Hermes Agent, Pi ו־OpenClaw. ניתן להריץ אותו על Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX ו־ONNX Runtime, והוא זמין בפורמטי כימות BF16, FP8, NVFP4, GGUF, MLX ו־ONNX. המודל מתאים במיוחד למשימות סוכנים מקומיים, לקריאות לכלים ולפלטים מובנים, לחילוץ JSON מובנה, למענה על סמך מסמכים שאוחזרו, לבחירת כלים מתוך 108 כלים באפליקציית טלפון, ללימוד שפות חדשות ולכיוונון עדין תחומי. בגרסה מכומתת ל־4 סיביות המודל צורך כ־1 GB זיכרון, ובהקשר של 128K אסימונים הוא צורך כ־1.6 GB מטמון, לעומת 4.3 GB אצל Qwen3.5-4B. הוא מהיר בכ־25% מ־LFM2.5-2.6B בהקשר של 8K אסימונים, ומפענח פי1.8 עד 2.8 מהר יותר מהמודל הבא בשלוש תצורות בדיקה על המכשיר. עם זאת, הוא אינו מומלץ לקידוד סוכני או להסקה מורכבת מרובת שלבים, ובמשימות עתירות ידע מומלץ להשתמש באחזור או ב־RAG. רישיון LFM Open License v1.0 אינו מתיר שימוש מסחרי לארגונים עם הכנסה שנתית של 10 מיליון דולר או יותר.

עודכן:

MODEL ID

lfm-3-1.7b:free
הקשר
262.144K
פלט מרבי
8.192K
API מומלץ
messages
קלט
text
פלט
text

עיקרי הדברים

  • 1.73 מיליארד פרמטרים ו־24 שכבות
  • חלון הקשר של 256K אסימונים
  • תמיכה ב־16 שפות
  • תמיכה בקריאות לכלים ובפלטים מובנים
  • כ־1 GB זיכרון בגרסת 4 סיביות
  • ריצה על Transformers, vLLM, llama.cpp ועוד

ספקים

1 ספקים

השוו מחירי API בין ספקים. בחרו ספק כדי לראות את כל החיובים והתנאים.

ספק · פירוט תמחור
זמינות
$0$0

בנצ׳מרקים

  • LiveClaw

    נקודות; LFM2.5-2.6B השיג14.70

    45.60
  • WebArena-Verified

    נקודות; LFM2.5-2.6B השיג 3.02; Qwen3.5-9B השיג 28.94

    38.42
  • BFCL V4

    נקודות; שימוש בכלים

    71.39
  • ToolSandbox

    נקודות

    80.36
  • LiveCodeBench v6

    נקודות

    73.46
  • SWE-bench Verified

    נקודות

    43.40
  • IFEval

    נקודות

    96.66
  • GPQA Diamond

    נקודות

    63.37

ציונים כפי שפורסמו על ידי ספק המודל.

חשיבה

מופעל תמיד
כן

התחלה מהירה

קוד מוכן לקריאה למודל הזה עם ממשקי API תואמי Felo API Platform. התחילו ב-Playground כשרוצים לבדוק פרומפטים לפני כתיבת קוד.

1

קבלו את מפתח ה-API שלכם

צרו מפתח בחשבון Felo API Platform שלכם והגדירו אותו כמשתנה סביבה.

export FELO_API_KEY="YOUR_API_KEY"
2

שלחו את הבקשה הראשונה

השתמשו במזהה המודל הזה עם ה-endpoint של Felo API Platform. כותרות בקשה אופציונליות כמו X-Request-Id יכולות לעזור באיתור תקלות.

lfm-3-1.7b:free

המודל הזה תומך בהסקה. אם הפרוטוקול ומסלול המודל שנבחרו חושפים פקדי הסקה, שמרו את מטא-נתוני ההסקה המוחזרים כשממשיכים שיחה.

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());

שימוש ב-SDK של צד שלישי

השתמשו ב-SDK תואמים על ידי הגדרת baseURL ל- https://openapi.felo.ai/api/v1. השתמשו בכתובת הבסיס התואמת ל-Anthropic עבור לקוחות בסגנון Claude. https://openapi.felo.ai/api.

3

הפעילו סטרימינג

הוסיפו stream: true כדי לקבל תגובות כאירועים הנשלחים מהשרת.

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 חושף משטחים תואמים לקריאה למודלים. בחרו את המשטח שהאפליקציה או לקוח הסוכן שלכם כבר תומך בו.

משטחשיטהURL

Messages

הודעות תואמות Anthropic עבור לקוחות בסגנון Claude.

POST

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

פרמטרים

שםסוגברירת מחדלתיאור
modelstringlfm-3-1.7b:freeמזהה המודל הציבורי לקריאה.
max_tokensinteger—מספר ה-token המרבי שייוצר.
messagesarray—הודעות שיחה עבור Chat Completions.
seed———
stop———
min_p———
toolsarray—הגדרות קריאת כלים לפי סכימה תואמת.
top_k———
top_p———
logprobs———
reasoning———
temperaturenumber—שולט במגוון התגובות כשנתמך.
tool_choicestring or object—שולט אם יש לקרוא לכלי.
top_logprobs———
response_formatobject—בקשת פלט מובנה כשנתמך.
presence_penalty———
frequency_penalty———
include_reasoning———
repetition_penalty———
structured_outputs———
max_completion_tokens———

שאלות נפוצות

מהו LFM3-1.7B (free)?

LFM3-1.7B הוא מודל שפה פתוח במשקלים מבית Liquid AI, שהושק ב־27 באוקטובר 2026. הוא מבוסס על ארכיטקטורה היברידית תלת־ראשית הכוללת 13 שכבות קונבולוציה קצרות עם שער, 5 שכבות קשב בחלון מחליק ו־6 שכבות קשב גלובלי. למודל כ־1.73 מיליארד פרמטרים, 24 שכבות ואוצר מילים של 128,000 אסימונים, והוא תומך בקלט ופלט טקסט בלבד. חלון ההקשר שלו עומד על 256K אסימונים, קלט ופלט יחד. המודל תומך ב־16 שפות: אנגלית, ערבית, סינית, צרפתית, גרמנית, איטלקית, יפנית, קוריאנית, פורטוגזית, ספרדית, וייטנאמית, תאית, אינדונזית, הינדי, רוסית ופולנית. הוא תומך בקריאות לכלים ובפלטים מובנים, ותוכנן לסוכנים מקומיים וליישומים תחומיים. לאחר האימון המקדים הוא עבר התאמה לאימון עם מעטפות סוכנים כמו Hermes Agent, Pi ו־OpenClaw. ניתן להריץ אותו על Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX ו־ONNX Runtime, והוא זמין בפורמטי כימות BF16, FP8, NVFP4, GGUF, MLX ו־ONNX. המודל מתאים במיוחד למשימות סוכנים מקומיים, לקריאות לכלים ולפלטים מובנים, לחילוץ JSON מובנה, למענה על סמך מסמכים שאוחזרו, לבחירת כלים מתוך 108 כלים באפליקציית טלפון, ללימוד שפות חדשות ולכיוונון עדין תחומי. בגרסה מכומתת ל־4 סיביות המודל צורך כ־1 GB זיכרון, ובהקשר של 128K אסימונים הוא צורך כ־1.6 GB מטמון, לעומת 4.3 GB אצל Qwen3.5-4B. הוא מהיר בכ־25% מ־LFM2.5-2.6B בהקשר של 8K אסימונים, ומפענח פי1.8 עד 2.8 מהר יותר מהמודל הבא בשלוש תצורות בדיקה על המכשיר. עם זאת, הוא אינו מומלץ לקידוד סוכני או להסקה מורכבת מרובת שלבים, ובמשימות עתירות ידע מומלץ להשתמש באחזור או ב־RAG. רישיון LFM Open License v1.0 אינו מתיר שימוש מסחרי לארגונים עם הכנסה שנתית של 10 מיליון דולר או יותר.

איך מחייבים על השימוש?

החיוב שלכם תלוי בספק שאתם משתמשים בו, במחירים שלו ובשימוש שלכם. קלט ארוך יותר או תנאים אחרים עשויים להיות במחיר שונה.

אילו סוגי קלט ופלט המודל תומך בהם?

המודל תומך בקלט טקסט ובפלט טקסט בלבד.

מהו אורך חלון ההקשר של LFM3-1.7B?

חלון ההקשר עומד על 256K אסימונים, הכוללים קלט ופלט יחד.

באילו שפות המודל תומך?

המודל תומך ב־16 שפות: אנגלית, ערבית, סינית, צרפתית, גרמנית, איטלקית, יפנית, קוריאנית, פורטוגזית, ספרדית, וייטנאמית, תאית, אינדונזית, הינדי, רוסית ופולנית.

למה המודל מתאים במיוחד?

הוא מיועד לסוכנים מקומיים, לקריאות לכלים ולפלטים מובנים, ולכן מתאים גם לחילוץ JSON, למענה על סמך מסמכים שאוחזרו ולכיוונון עדין תחומי.

במה שונה LFM3-1.7B מ־LFM2.5-2.6B?

ל־LFM3-1.7B יש 35% פחות פרמטרים מ־LFM2.5-2.6B, והוא מהיר ממנו בכ־25% בהקשר של 8K אסימונים. בנוסף, הוא משיג תוצאות גבוהות יותר במדדים כמו LiveClaw ו־WebArena-Verified.

מהן המגבלות של המודל?

המודל אינו מומלץ לקידוד סוכני או להסקה מורכבת מרובת שלבים, ובמשימות עתירות ידע מומלץ לשלב אחזור או RAG. כמו כן, רישיון LFM Open License v1.0 אינו מתיר שימוש מסחרי לארגונים עם הכנסה שנתית של 10 מיליון דולר או יותר.

מודלים קשורים