Felo API PlatformFelo API Platform
모델 목록으로 돌아가기
LiquidAImessages

LFM3-1.7B API

Liquid AI의 1.73B 파라미터 초경량 모델로, 256K 토큰 컨텍스트와 구조화된 도구 호출을 갖춰 GPU 없이 폰과 노트북에서 로컬 에이전트로 구동됩니다.

LFM3-1.7B는 Liquid AI가 2026년 10월 27일 공개한 1.73B 파라미터 텍스트 모델입니다. 13개의 게이트형 단기 컨볼루션, 5개의 슬라이딩 윈도우 어텐션, 6개의 글로벌 어텐션을 24개 레이어에 혼합한 트라이 하이브리드 구조를 사용하며, 16개 언어를 아우르는 128,000 토큰 어휘로 22조 토큰에 대해 학습되었습니다. 4비트 양자화 시 약 1GB 메모리로 동작해 전용 GPU 없이도 폰과 노트북에서 로컬 실행이 가능합니다.

입력과 출력을 합쳐 256K 토큰 컨텍스트를 제공하며, 이는 같은 크기 모델에서는 이례적으로 큰 수준입니다. 구조화된 도구 호출을 기본 지원하고 대규모 도구 목록을 위한 지연 도구 검색 기능을 갖추었으며, Hermes Agent, Pi, OpenClaw 같은 에이전트 하네스에 맞춰 사후 학습되었습니다. 추론은 기본 활성화되어 있고 enable_thinking을 False로 설정하면 바로 답변을 받을 수 있습니다. GGUF, MLX, ONNX, BF16, FP8, NVFP4 등 여섯 가지 형식으로 제공되며 단일 GPU에서 빠르게 미세조정할 수 있습니다.

로컬 에이전트, 구조화된 출력을 활용한 도구 호출, 검색 연동 질의응답, 고객 요청 분류와 문서 정보 추출, 사내 문서와 형식에 맞춘 특화 어시스턴트에 적합합니다. 다만 에이전트 코딩이나 복잡한 다단계 추론에는 명시적으로 권장되지 않으며, 세계 지식은 대형 모델에 미치지 못하므로 지식 집약적 질문에는 검색이나 검색 연동을 함께 사용해야 합니다.

업데이트:

모델 ID

lfm-3-1.7b
컨텍스트
262.144K
최대 출력
8.192K
권장 API
messages
입력
text
출력
text

주요 특징

  • 1.73B 파라미터, 4비트 양자화 시 약 1GB 메모리
  • 24개 레이어 트라이 하이브리드 구조
  • 16개 언어를 지원하는 128,000 토큰 어휘
  • 22조 토큰 학습, 토큰 대 파라미터 비율 약 12,717배
  • GGUF, MLX, ONNX, BF16, FP8, NVFP4 제공
  • 입출력 합산 256K 토큰 컨텍스트

제공 업체

1 제공 업체

제공 업체별 API 요금을 비교하세요. 공급자를 선택하면 전체 요금과 적용 조건을 확인할 수 있습니다.

제공 업체 · 요금 상세
가동률
$0.08$0.2$0.02

10달러로 얼마나 쓸 수 있나

입력
1.3억 토큰
출력
5000만 토큰

현재 입력·출력 요금으로 계산한 추정치이며 할인은 포함하지 않습니다.

추론

항상 활성화
예

Quick Start

Felo API Platform 호환 API로 이 모델을 호출하는 코드입니다. 코드를 작성하기 전에 Playground에서 prompt를 테스트할 수 있습니다.

1

API key 설정

Felo API Platform 계정에서 key를 만들고 환경 변수로 설정하세요.

export FELO_API_KEY="YOUR_API_KEY"
2

첫 요청 보내기

이 모델 ID를 Felo API Platform endpoint와 함께 사용하세요. X-Request-Id 같은 선택 요청 헤더는 문제 해결에 도움이 됩니다.

lfm-3-1.7b

이 모델은 reasoning을 지원합니다. 선택한 protocol과 모델 라우트가 reasoning controls를 제공하는 경우 대화를 이어갈 때 반환된 reasoning metadata를 보존하세요.

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",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

타사 SDK 사용

호환 SDK에서는 baseURL을 다음으로 설정합니다 https://openapi.felo.ai/api/v1. Claude-style clients에는 Anthropic-compatible base URL을 사용하세요. https://openapi.felo.ai/api.

3

Streaming 활성화

stream: true를 추가하면 server-sent events로 응답을 받을 수 있습니다.

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",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "stream": true
}'

Endpoint

Felo API Platform은 호환 가능한 모델 호출 surface를 제공합니다. 앱이나 Agent client가 이미 지원하는 surface를 선택하세요.

SurfaceMethodURL

Messages

Anthropic-compatible messages for Claude-style clients.

POST

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

Parameters

이름타입기본값설명
modelstringlfm-3-1.7b호출할 공개 모델 ID.
max_tokensinteger—생성할 최대 tokens.
messagesarray—Chat Completions의 대화 메시지.
seed———
stop———
min_p———
toolsarray—호환 schema를 따르는 tool calling definitions.
top_k———
top_p———
logprobs———
reasoning———
temperaturenumber—지원되는 경우 응답 다양성을 제어합니다.
tool_choicestring or object—tool 호출 여부를 제어합니다.
top_logprobs———
response_formatobject—지원 시 structured output을 요청합니다.
presence_penalty———
frequency_penalty———
include_reasoning———
repetition_penalty———
structured_outputs———
max_completion_tokens———

자주 묻는 질문

모델 소개: LFM3-1.7B?

LFM3-1.7B는 Liquid AI가 2026년 10월 27일 공개한 1.73B 파라미터 텍스트 모델입니다. 13개의 게이트형 단기 컨볼루션, 5개의 슬라이딩 윈도우 어텐션, 6개의 글로벌 어텐션을 24개 레이어에 혼합한 트라이 하이브리드 구조를 사용하며, 16개 언어를 아우르는 128,000 토큰 어휘로 22조 토큰에 대해 학습되었습니다. 4비트 양자화 시 약 1GB 메모리로 동작해 전용 GPU 없이도 폰과 노트북에서 로컬 실행이 가능합니다. 입력과 출력을 합쳐 256K 토큰 컨텍스트를 제공하며, 이는 같은 크기 모델에서는 이례적으로 큰 수준입니다. 구조화된 도구 호출을 기본 지원하고 대규모 도구 목록을 위한 지연 도구 검색 기능을 갖추었으며, Hermes Agent, Pi, OpenClaw 같은 에이전트 하네스에 맞춰 사후 학습되었습니다. 추론은 기본 활성화되어 있고 enable_thinking을 False로 설정하면 바로 답변을 받을 수 있습니다. GGUF, MLX, ONNX, BF16, FP8, NVFP4 등 여섯 가지 형식으로 제공되며 단일 GPU에서 빠르게 미세조정할 수 있습니다. 로컬 에이전트, 구조화된 출력을 활용한 도구 호출, 검색 연동 질의응답, 고객 요청 분류와 문서 정보 추출, 사내 문서와 형식에 맞춘 특화 어시스턴트에 적합합니다. 다만 에이전트 코딩이나 복잡한 다단계 추론에는 명시적으로 권장되지 않으며, 세계 지식은 대형 모델에 미치지 못하므로 지식 집약적 질문에는 검색이나 검색 연동을 함께 사용해야 합니다.

사용 요금은 어떻게 계산되나요?

이용하는 제공 업체의 요금과 실제 사용량에 따라 비용이 결정됩니다. 긴 입력 등에는 다른 요금이 적용될 수 있습니다.

지원하는 입력과 출력 형식은 무엇인가요?

텍스트 입력과 텍스트 출력만 지원합니다.

컨텍스트 길이는 얼마인가요?

입력과 출력을 합쳐 256K 토큰 컨텍스트 윈도우를 제공합니다.

어떤 작업에 적합한가요?

폰과 노트북에서의 로컬 에이전트, 구조화된 출력을 이용한 도구 호출, 검색 연동 질의응답, 고객 요청 분류와 문서 정보 추출, 사내 문서 기반 특화 어시스턴트에 적합합니다.

추론 모드를 끌 수 있나요?

추론은 기본 활성화되어 있으며 enable_thinking을 False로 설정하면 바로 답변을 받을 수 있습니다.

동작에 필요한 하드웨어는 무엇인가요?

4비트 양자화 시 약 1GB 메모리로 동작해 전용 GPU 없이 폰과 노트북에서 로컬 실행이 가능하며, 단일 GPU에서 빠르게 미세조정할 수 있습니다.

같은 계열의 이전 모델과 비교하면 어떤가요?

이전 2.6B 파라미터 LFM2.5 모델보다 35% 적은 파라미터를 사용하면서도 더 나은 성능을 보입니다.

관련 모델