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
השוו מחירי API בין ספקים. בחרו ספק כדי לראות את כל החיובים והתנאים.
| זמינות | |||
|---|---|---|---|
| $0 | $0 |
נתונים היסטוריים אינם בדיקת מצב בזמן אמת. נתונים חסרים אינם מצביעים על השבתה.
בנצ׳מרקים
- 45.60
LiveClaw
נקודות; LFM2.5-2.6B השיג14.70
- 38.42
WebArena-Verified
נקודות; LFM2.5-2.6B השיג 3.02; Qwen3.5-9B השיג 28.94
- 71.39
BFCL V4
נקודות; שימוש בכלים
- 80.36
ToolSandbox
נקודות
- 73.46
LiveCodeBench v6
נקודות
- 43.40
SWE-bench Verified
נקודות
- 96.66
IFEval
נקודות
- 63.37
GPQA Diamond
נקודות
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.
קבלו את מפתח ה-API שלכם
צרו מפתח בחשבון Felo API Platform שלכם והגדירו אותו כמשתנה סביבה.
export FELO_API_KEY="YOUR_API_KEY"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:freeהמודל 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.
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.
Messages
הודעות תואמות Anthropic עבור לקוחות בסגנון Claude.
POST
https://openapi.felo.ai/api/v1/messagesפרמטרים
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.