LFM3-1.7B (free) API
Liquid AIが開発した1.73Bパラメータのテキスト専用オープンウェイトモデルで、ローカルエージェントやツール呼び出しに最適化されています。
LFM3-1.7Bは、Liquid AIによるテキスト入力・テキスト出力のみのオープンウェイト言語モデルです。約1.73Bのパラメータと24層を持ち、13のゲート付き短畳み込み層、5のスライディングウィンドウアテンション層、6のグローバルアテンション層を組み合わせたトライハイブリッドアーキテクチャを採用しています。コンテキストは入出力合わせて256Kトークンで、ボキャブラリサイズは128,000トークンです。英語、アラビア語、中国語、フランス語、イタリア語、日本語、韓国語、ポルトガル語、スペイン語、ベトナム語、タイ語、インドネシア語、ヒンディー語、ロシア語、ポーランド語を含む16言語をサポートします。
ツール呼び出しや構造化出力に対応し、Hermes Agent、Pi、OpenClawなどのエージェントハーネス向けに事後学習されています。Transformers、vLLM、SGLang、llama.cpp、Ollama、LM Studio、MLX、ONNX Runtimeで動作し、BF16、FP8、NVFP4、GGUF、MLX、ONNXの量子化フォーマットが利用可能です。ローカルエージェント、ツール選択、構造化JSON抽出、検索ドキュメントからの回答、ドメイン固有のファインチューニングなどに適しています。
4ビット量子化で約1GBのメモリを使用し、128Kトークンコンテキストでは約1.6GBのキャッシュを使用します(Qwen3.5-4Bは4.3GB)。LFM2.5-2.6Bより35%少ないパラメータで性能を上回り、8Kトークンコンテキストでは約25%高速に動作します。ただし、エージェントコーディングや複雑な多段階推論には推奨されておらず、知識集約型タスクには検索やRAGの併用が推奨されます。
更新日時:
モデル ID
lfm-3-1.7b:free- コンテキスト
- 262.144K
- 最大出力
- 8.192K
- 推奨 API
- messages
- 入力
- text
- 出力
- text
ハイライト
- 約1.73Bパラメータ、24層のテキスト専用モデル
- 16言語をサポート
- ツール呼び出しと構造化出力に対応
- 4ビット量子化で約1GBのメモリ使用
- 256Kトークンのコンテキスト長
- ローカルエージェント向けに事後学習済み
プロバイダー
プロバイダーごとの API 料金を比較できます。プロバイダーを選択すると、すべての料金と適用条件を確認できます。
| 稼働率 | |||
|---|---|---|---|
| $0 | $0 |
過去の統計はリアルタイムの稼働確認ではありません。データの欠損は障害を意味しません。
ベンチマーク
- 45.60
LiveClaw
ポイント。LFM2.5-2.6Bは14.70
- 38.42
WebArena-Verified
ポイント。LFM2.5-2.6Bは3.02、Qwen3.5-9Bは28.94
- 71.39
BFCL V4
ポイント。ツール使用
- 80.36
ToolSandbox
ポイント
- 73.46
LiveCodeBench v6
ポイント
- 43.40
SWE-bench Verified
ポイント
- 96.66
IFEval
ポイント
- 63.37
GPQA Diamond
ポイント
スコアはモデル提供元が公表した値です。
推論
- 常に有効
- はい
Quick Start
このモデルを Felo API Platform 互換 API で呼び出すためのコードです。コードを書く前に Playground で prompt を試せます。
API key を設定
Felo API Platform アカウントで key を作成し、環境変数として設定します。
export FELO_API_KEY="YOUR_API_KEY"最初のリクエスト
このモデル ID を Felo API Platform endpoint で使用します。X-Request-Id などの任意ヘッダーはトラブルシュートに役立ちます。
lfm-3-1.7b:freeこのモデルは reasoning に対応しています。選択した protocol とモデルルートが reasoning controls を提供する場合、会話継続時に返却された reasoning metadata を保持してください。
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());サードパーティ SDK の利用
互換 SDK では baseURL を次に設定します https://openapi.felo.ai/api/v1. Claude-style clients では Anthropic-compatible base URL を使用します。 https://openapi.felo.ai/api.
Streaming を有効化
stream: true を追加すると server-sent events で応答を受け取れます。
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 は互換性のあるモデル呼び出し surface を提供します。アプリや Agent client が既に対応している surface を選んでください。
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messagesParameters
modelstringlfm-3-1.7b:free呼び出す公開モデル ID。max_tokensinteger—生成する最大 tokens。messagesarray—Chat Completions の会話メッセージ。seed———stop———min_p———toolsarray—互換 schema に従う tool calling definitions。top_k———top_p———logprobs———reasoning———temperaturenumber—対応している場合、回答の多様性を制御します。tool_choicestring or object—tool を呼び出すかどうかを制御します。top_logprobs———response_formatobject—対応時に structured output を要求します。presence_penalty———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———max_completion_tokens———よくある質問
モデルについて: LFM3-1.7B (free)?
LFM3-1.7Bは、Liquid AIによるテキスト入力・テキスト出力のみのオープンウェイト言語モデルです。約1.73Bのパラメータと24層を持ち、13のゲート付き短畳み込み層、5のスライディングウィンドウアテンション層、6のグローバルアテンション層を組み合わせたトライハイブリッドアーキテクチャを採用しています。コンテキストは入出力合わせて256Kトークンで、ボキャブラリサイズは128,000トークンです。英語、アラビア語、中国語、フランス語、イタリア語、日本語、韓国語、ポルトガル語、スペイン語、ベトナム語、タイ語、インドネシア語、ヒンディー語、ロシア語、ポーランド語を含む16言語をサポートします。 ツール呼び出しや構造化出力に対応し、Hermes Agent、Pi、OpenClawなどのエージェントハーネス向けに事後学習されています。Transformers、vLLM、SGLang、llama.cpp、Ollama、LM Studio、MLX、ONNX Runtimeで動作し、BF16、FP8、NVFP4、GGUF、MLX、ONNXの量子化フォーマットが利用可能です。ローカルエージェント、ツール選択、構造化JSON抽出、検索ドキュメントからの回答、ドメイン固有のファインチューニングなどに適しています。 4ビット量子化で約1GBのメモリを使用し、128Kトークンコンテキストでは約1.6GBのキャッシュを使用します(Qwen3.5-4Bは4.3GB)。LFM2.5-2.6Bより35%少ないパラメータで性能を上回り、8Kトークンコンテキストでは約25%高速に動作します。ただし、エージェントコーディングや複雑な多段階推論には推奨されておらず、知識集約型タスクには検索やRAGの併用が推奨されます。
利用料金はどのように計算されますか?
料金は利用するプロバイダーと実際の使用量により決まります。長い入力などは料金が異なる場合があります。内訳をご確認ください。
どのような入力と出力に対応していますか?
テキスト入力とテキスト出力のみに対応しています。画像や音声などのマルチモーダル入力には対応していません。
コンテキスト長と出力長はどれくらいですか?
入力と出力を合わせて256Kトークンのコンテキスト長があります。出力長の個別制限は資料に記載されていません。
どのようなタスクに適していますか?
ローカルエージェント、ツール呼び出し、構造化出力、構造化JSON抽出、検索ドキュメントからの回答、ドメイン固有のファインチューニングに適しています。
LFM2.5-2.6Bとの違いは何ですか?
LFM3-1.7BはLFM2.5-2.6Bより35%少ないパラメータで性能を上回り、8Kトークンコンテキストでは約25%高速に動作します。また、4ビット量子化で約1GBのメモリを使用します。
どのような環境で実行できますか?
Transformers、vLLM、SGLang、llama.cpp、Ollama、LM Studio、MLX、ONNX Runtimeで動作します。BF16、FP8、NVFP4、GGUF、MLX、ONNXの量子化フォーマットが利用可能です。
どのような用途には推奨されませんか?
エージェントコーディングや複雑な多段階推論には推奨されていません。知識集約型タスクには検索やRAGの併用が推奨されます。