LFM3-1.7B API
LFM3-1.7B ialah model bahasa kecil daripada Liquid AI yang direka untuk ejen setempat, panggilan alat berstruktur dan penalaan halus khusus domain, dengan tetingkap konteks 256K token.
LFM3-1.7B ialah model bahasa 1.73 bilion parameter daripada Liquid AI yang dibina atas seni bina tri-hibrid 24 lapisan, menggabungkan 13 konvolusi pendek berpagar, 5 lapisan perhatian tetingkap gelongsor dan 6 lapisan perhatian global. Pada kuantisasi 4-bit, model ini mengambil kira-kira 1GB memori, jadi ia boleh dijalankan secara setempat pada telefon dan komputer riba tanpa GPU khusus. Ia dilatih pada 22 trilion token, nisbah token kepada parameter sekitar 12,717 kali, dan menggunakan perbendaharaan kata 128,000 token yang merangkumi 16 bahasa.
Model ini menyokong panggilan alat berstruktur terbina dalam dan mekanisme carian alat tertunda untuk katalog alat yang besar. Ia dilatih selepas pra-latihan untuk persekitaran agen seperti Hermes Agent, Pi dan OpenClaw, dengan penaakulan dihidupkan secara lalai; enable_thinking boleh ditetapkan kepada False untuk jawapan terus. Dalam penilaian agen, ia menggunakan 58% lebih sedikit token setiap tugas dan tersekat dalam kurang daripada 1% percubaan, berbanding 15% untuk model pesaing. Ia juga boleh ditala halus dengan pantas pada satu GPU dan tersedia dalam enam format termasuk GGUF, MLX, ONNX, BF16, FP8 dan NVFP4.
LFM3-1.7B sesuai untuk ejen setempat pada telefon dan komputer riba, panggilan alat dengan output berstruktur, penalaan halus khusus domain, soal jawab berasaskan pengambilan yang dipasangkan dengan carian atau pengambilan, pengelasan permintaan pelanggan, pengekstrakan maklumat dokumen dan penghalaan kes dengan output berstruktur, serta pembantu khusus yang ditala halus pada dokumen dan format syarikat. Walau bagaimanapun, ia tidak disyorkan secara eksplisit untuk pengekodan agen atau penaakulan berbilang langkah yang kompleks, dan tidak dapat menyimpan pengetahuan dunia sebanyak sistem yang lebih besar; pasangkannya dengan pengambilan atau carian untuk soalan yang berintensifkan pengetahuan.
Dikemas kini:
ID MODEL
lfm-3-1.7b- Konteks
- 262.144K
- Output maks
- 8.192K
- API yang disyorkan
- messages
- Input
- text
- Output
- text
Sorotan
- 1.73 bilion parameter, kira-kira 1GB pada kuantisasi 4-bit
- Konteks 256K token merangkumi input dan output
- Seni bina tri-hibrid 24 lapisan
- Perbendaharaan kata 128,000 token untuk 16 bahasa
- Panggilan alat berstruktur terbina dalam
- Tersedia dalam GGUF, MLX, ONNX, BF16, FP8 dan NVFP4
Penyedia
Bandingkan harga API merentas penyedia. Pilih penyedia untuk melihat semua caj dan syarat.
| Ketersediaan | ||||
|---|---|---|---|---|
| $0.08 | $0.2 | $0.02 |
Statistik sejarah bukan pemeriksaan langsung. Ketiadaan data tidak bermaksud gangguan.
Apa yang boleh dibeli dengan $10
- Input
- 125J token
- Output
- 50J token
Anggaran berdasarkan harga input dan output semasa, sebelum diskaun.
Penaakulan
- Sentiasa diaktifkan
- Ya
Mula pantas
Kod sedia guna untuk memanggil model ini dengan API serasi Felo API Platform. Mulakan di Playground apabila anda ingin menguji prompt sebelum menulis kod.
Tetapkan kunci API
Cipta kunci daripada akaun Felo API Platform anda dan tetapkan sebagai pemboleh ubah persekitaran.
export FELO_API_KEY="YOUR_API_KEY"Hantar permintaan pertama
Gunakan ID model ini dengan endpoint Felo API Platform. Pengepala permintaan pilihan seperti X-Request-Id boleh membantu penyelesaian masalah.
lfm-3-1.7bModel ini mampu membuat penaakulan. Jika protokol dan laluan model yang anda pilih menyediakan kawalan penaakulan, kekalkan metadata penaakulan yang dipulangkan apabila meneruskan perbualan.
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());Menggunakan SDK pihak ketiga
Dalam SDK yang serasi, tetapkan baseURL kepada https://openapi.felo.ai/api/v1. Untuk klien gaya Claude, gunakan base URL yang serasi dengan Anthropic. https://openapi.felo.ai/api.
Dayakan penstriman
Tambah 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",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform menyediakan antara muka panggilan model yang serasi. Pilih antara muka yang sudah disokong oleh aplikasi atau klien ejen anda.
Messages
Mesej serasi Anthropic untuk klien gaya Claude.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringlfm-3-1.7bID model awam untuk dipanggil.max_tokensinteger—Bilangan maksimum token yang dijana.messagesarray—Mesej perbualan untuk Chat Completions.seed———stop———min_p———toolsarray—Definisi tool calling mengikut skema serasi.top_k———top_p———logprobs———reasoning———temperaturenumber—Mengawal kepelbagaian respons apabila disokong.tool_choicestring or object—Mengawal sama ada alat perlu dipanggil.top_logprobs———response_formatobject—Meminta output berstruktur apabila disokong.presence_penalty———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———max_completion_tokens———Soalan lazim
Mengenali LFM3-1.7B?
LFM3-1.7B ialah model bahasa 1.73 bilion parameter daripada Liquid AI yang dibina atas seni bina tri-hibrid 24 lapisan, menggabungkan 13 konvolusi pendek berpagar, 5 lapisan perhatian tetingkap gelongsor dan 6 lapisan perhatian global. Pada kuantisasi 4-bit, model ini mengambil kira-kira 1GB memori, jadi ia boleh dijalankan secara setempat pada telefon dan komputer riba tanpa GPU khusus. Ia dilatih pada 22 trilion token, nisbah token kepada parameter sekitar 12,717 kali, dan menggunakan perbendaharaan kata 128,000 token yang merangkumi 16 bahasa. Model ini menyokong panggilan alat berstruktur terbina dalam dan mekanisme carian alat tertunda untuk katalog alat yang besar. Ia dilatih selepas pra-latihan untuk persekitaran agen seperti Hermes Agent, Pi dan OpenClaw, dengan penaakulan dihidupkan secara lalai; enable_thinking boleh ditetapkan kepada False untuk jawapan terus. Dalam penilaian agen, ia menggunakan 58% lebih sedikit token setiap tugas dan tersekat dalam kurang daripada 1% percubaan, berbanding 15% untuk model pesaing. Ia juga boleh ditala halus dengan pantas pada satu GPU dan tersedia dalam enam format termasuk GGUF, MLX, ONNX, BF16, FP8 dan NVFP4. LFM3-1.7B sesuai untuk ejen setempat pada telefon dan komputer riba, panggilan alat dengan output berstruktur, penalaan halus khusus domain, soal jawab berasaskan pengambilan yang dipasangkan dengan carian atau pengambilan, pengelasan permintaan pelanggan, pengekstrakan maklumat dokumen dan penghalaan kes dengan output berstruktur, serta pembantu khusus yang ditala halus pada dokumen dan format syarikat. Walau bagaimanapun, ia tidak disyorkan secara eksplisit untuk pengekodan agen atau penaakulan berbilang langkah yang kompleks, dan tidak dapat menyimpan pengetahuan dunia sebanyak sistem yang lebih besar; pasangkannya dengan pengambilan atau carian untuk soalan yang berintensifkan pengetahuan.
Bagaimana penggunaan dicaj?
Bil anda bergantung pada penyedia yang anda gunakan, harganya dan penggunaan anda. Input yang lebih panjang atau syarat lain mungkin dikenakan harga berbeza.
Apakah jenis input dan output yang disokong oleh LFM3-1.7B?
LFM3-1.7B menyokong input teks dan output teks sahaja.
Berapakah saiz tetingkap konteks LFM3-1.7B?
Model ini mempunyai tetingkap konteks 256K token yang merangkumi kedua-dua input dan output.
Apakah tugas yang paling sesuai untuk LFM3-1.7B?
Ia sesuai untuk ejen setempat pada telefon dan komputer riba, panggilan alat dengan output berstruktur, penalaan halus khusus domain, soal jawab berasaskan pengambilan, pengelasan permintaan pelanggan, pengekstrakan maklumat dokumen dan penghalaan kes, serta pembantu khusus yang ditala halus pada dokumen syarikat.
Apakah perbezaan antara LFM3-1.7B dan model LFM2.5?
LFM3-1.7B mengatasi model LFM2.5 sebelum ini yang mempunyai 2.6 bilion parameter, walaupun menggunakan 35% lebih sedikit parameter.
Dalam format apakah LFM3-1.7B tersedia?
Model ini tersedia dalam enam format: GGUF, MLX, ONNX, BF16, FP8 dan NVFP4.
Bolehkah LFM3-1.7B dijalankan secara setempat tanpa GPU?
Ya, ia boleh dijalankan secara setempat pada telefon dan komputer riba tanpa GPU khusus. Pada kuantisasi 4-bit, ia mengambil kira-kira 1GB memori.