Felo API PlatformFelo API Platform
Kembali ke model
LiquidAImessages

LFM3-1.7B (free) API

LFM3-1.7B adalah model bahasa open-weight 1,73 miliar parameter dari Liquid AI yang dirancang untuk agen lokal, pemanggilan alat, dan aplikasi domain spesifik.

LFM3-1.7B adalah model bahasa teks open-weight dari Liquid AI dengan sekitar 1,73 miliar parameter dan 24 lapisan. Model ini menggunakan arsitektur tri-hybrid baru yang terdiri dari 13 lapisan konvolusi pendek bergerbang, 5 lapisan attention jendela geser, dan 6 lapisan attention global. Dengan kosakata 128.000 token, model ini mendukung 16 bahasa, termasuk Inggris, Arab, Tionghoa, Prancis, Jerman, Italia, Jepang, Korea, Portugis, Spanyol, Vietnam, Thai, Indonesia, Hindi, Rusia, dan Polandia. LFM3-1.7B mendukung pemanggilan alat dan output terstruktur, serta telah dilatih pasca-pelatihan untuk kerangka agen seperti Hermes Agent, Pi, dan OpenClaw. Model ini dapat dijalankan pada Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX, dan ONNX Runtime, dan tersedia dalam format kuantisasi BF16, FP8, NVFP4, GGUF, MLX, dan ONNX.

LFM3-1.7B cocok untuk tugas-tugas seperti agen lokal, pemanggilan alat, output terstruktur, fine-tuning domain spesifik, ekstraksi JSON terstruktur, menjawab dari dokumen yang diambil, pemilihan alat dalam aplikasi ponsel dengan 108 alat, dan mempelajari bahasa baru. Model ini menggunakan sekitar 1 GB memori dalam bentuk kuantisasi 4-bit dan sekitar 1,6 GB cache pada konteks 128K token, dibandingkan dengan 4,3 GB untuk Qwen3.5-4B. LFM3-1.7B mengungguli LFM2.5-2.6B dengan parameter 35% lebih sedikit dan berjalan sekitar 25% lebih cepat pada konteks 8K token. Model ini juga melakukan dekode 1,8x hingga 2,8x lebih cepat daripada model berikutnya pada tiga pengaturan perangkat yang diuji.

Namun, LFM3-1.7B tidak direkomendasikan untuk pengodean agentik atau penalaran multi-langkah yang kompleks. Untuk tugas intensif pengetahuan, disarankan menggunakan pengambilan atau retrieval-augmented generation. LFM Open License v1.0 tidak mengizinkan penggunaan komersial oleh organisasi dengan pendapatan tahunan $10 juta atau lebih. Angka memori yang disebutkan mengacu pada jejak bobot model teks, bukan memori proses puncak.

Diperbarui:

ID MODEL

lfm-3-1.7b:free
Konteks
262.144K
Output maks
8.192K
API yang direkomendasikan
messages
Masukan
text
Keluaran
text

Sorotan

  • Model teks open-weight 1,73 miliar parameter
  • Arsitektur tri-hybrid dengan 24 lapisan
  • Mendukung 16 bahasa
  • Pemanggilan alat dan output terstruktur
  • Konsumsi memori sekitar 1 GB dalam 4-bit
  • Dapat dijalankan secara lokal di berbagai runtime

Penyedia

1 penyedia

Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.

Penyedia · Detail harga
Ketersediaan
$0$0

Tolok ukur

  • LiveClaw

    poin; LFM2.5-2.6B mencetak 14.70

    45.60
  • WebArena-Verified

    poin; LFM2.5-2.6B mencetak 3.02; Qwen3.5-9B mencetak 28.94

    38.42
  • BFCL V4

    poin; penggunaan alat

    71.39
  • ToolSandbox

    poin

    80.36
  • LiveCodeBench v6

    poin

    73.46
  • SWE-bench Verified

    poin

    43.40
  • IFEval

    poin

    96.66
  • GPQA Diamond

    poin

    63.37

Skor sesuai publikasi penyedia model.

Penalaran

Selalu aktif
Ya

Mulai cepat

Kode siap pakai untuk memanggil model ini dengan API yang kompatibel dari Felo API Platform. Mulai di Playground jika Anda ingin menguji prompt sebelum menulis kode.

1

Siapkan kunci API

Buat kunci dari akun Felo API Platform Anda dan tetapkan sebagai variabel lingkungan.

export FELO_API_KEY="YOUR_API_KEY"
2

Kirim permintaan pertama

Gunakan ID model ini dengan endpoint Felo API Platform. Header permintaan opsional seperti X-Request-Id dapat membantu pemecahan masalah.

lfm-3-1.7b:free

Model ini mampu melakukan penalaran. Jika protokol dan rute model yang Anda pilih menyediakan kontrol penalaran, pertahankan metadata penalaran yang dikembalikan saat melanjutkan percakapan.

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());

Menggunakan SDK pihak ketiga

Pada SDK yang kompatibel, tetapkan baseURL ke https://openapi.felo.ai/api/v1. Untuk klien bergaya Claude, gunakan base URL yang kompatibel dengan Anthropic. https://openapi.felo.ai/api.

3

Aktifkan streaming

Tambahkan stream: true untuk menerima respons sebagai 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 menyediakan antarmuka pemanggilan model yang kompatibel. Pilih antarmuka yang sudah didukung aplikasi atau klien agen Anda.

AntarmukaMetodeURL

Messages

Pesan yang kompatibel dengan Anthropic untuk klien bergaya Claude.

POST

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

Parameter

NamaTipeDefaultDeskripsi
modelstringlfm-3-1.7b:freeID model publik yang akan dipanggil.
max_tokensinteger—Jumlah maksimum token yang dihasilkan.
messagesarray—Pesan percakapan untuk Chat Completions.
seed———
stop———
min_p———
toolsarray—Definisi tool calling sesuai skema yang kompatibel.
top_k———
top_p———
logprobs———
reasoning———
temperaturenumber—Mengontrol variasi respons jika didukung.
tool_choicestring or object—Mengontrol apakah suatu alat harus dipanggil.
top_logprobs———
response_formatobject—Meminta output terstruktur jika didukung.
presence_penalty———
frequency_penalty———
include_reasoning———
repetition_penalty———
structured_outputs———
max_completion_tokens———

Pertanyaan umum

Mengenal LFM3-1.7B (free)?

LFM3-1.7B adalah model bahasa teks open-weight dari Liquid AI dengan sekitar 1,73 miliar parameter dan 24 lapisan. Model ini menggunakan arsitektur tri-hybrid baru yang terdiri dari 13 lapisan konvolusi pendek bergerbang, 5 lapisan attention jendela geser, dan 6 lapisan attention global. Dengan kosakata 128.000 token, model ini mendukung 16 bahasa, termasuk Inggris, Arab, Tionghoa, Prancis, Jerman, Italia, Jepang, Korea, Portugis, Spanyol, Vietnam, Thai, Indonesia, Hindi, Rusia, dan Polandia. LFM3-1.7B mendukung pemanggilan alat dan output terstruktur, serta telah dilatih pasca-pelatihan untuk kerangka agen seperti Hermes Agent, Pi, dan OpenClaw. Model ini dapat dijalankan pada Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX, dan ONNX Runtime, dan tersedia dalam format kuantisasi BF16, FP8, NVFP4, GGUF, MLX, dan ONNX. LFM3-1.7B cocok untuk tugas-tugas seperti agen lokal, pemanggilan alat, output terstruktur, fine-tuning domain spesifik, ekstraksi JSON terstruktur, menjawab dari dokumen yang diambil, pemilihan alat dalam aplikasi ponsel dengan 108 alat, dan mempelajari bahasa baru. Model ini menggunakan sekitar 1 GB memori dalam bentuk kuantisasi 4-bit dan sekitar 1,6 GB cache pada konteks 128K token, dibandingkan dengan 4,3 GB untuk Qwen3.5-4B. LFM3-1.7B mengungguli LFM2.5-2.6B dengan parameter 35% lebih sedikit dan berjalan sekitar 25% lebih cepat pada konteks 8K token. Model ini juga melakukan dekode 1,8x hingga 2,8x lebih cepat daripada model berikutnya pada tiga pengaturan perangkat yang diuji. Namun, LFM3-1.7B tidak direkomendasikan untuk pengodean agentik atau penalaran multi-langkah yang kompleks. Untuk tugas intensif pengetahuan, disarankan menggunakan pengambilan atau retrieval-augmented generation. LFM Open License v1.0 tidak mengizinkan penggunaan komersial oleh organisasi dengan pendapatan tahunan $10 juta atau lebih. Angka memori yang disebutkan mengacu pada jejak bobot model teks, bukan memori proses puncak.

Bagaimana penggunaan ditagih?

Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda.

Bahasa apa saja yang didukung LFM3-1.7B?

Model ini mendukung 16 bahasa: Inggris, Arab, Tionghoa, Prancis, Jerman, Italia, Jepang, Korea, Portugis, Spanyol, Vietnam, Thai, Indonesia, Hindi, Rusia, dan Polandia.

Berapa panjang konteks yang didukung LFM3-1.7B?

LFM3-1.7B mendukung konteks hingga 256K token, yang mencakup input dan output gabungan.

Apakah LFM3-1.7B bisa dijalankan secara lokal?

Ya, model ini dapat dijalankan pada Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX, dan ONNX Runtime, serta tersedia dalam berbagai format kuantisasi.

Apa perbedaan LFM3-1.7B dengan LFM2.5-2.6B?

LFM3-1.7B mengungguli LFM2.5-2.6B dengan parameter 35% lebih sedikit dan berjalan sekitar 25% lebih cepat pada konteks 8K token.

Apakah LFM3-1.7B cocok untuk pengodean agentik?

Tidak, model ini tidak direkomendasikan untuk pengodean agentik atau penalaran multi-langkah yang kompleks.

Model terkait