Felo API PlatformFelo API Platform
Kembali ke model
LiquidAImessages

LFM3-1.7B (free) API

LFM3-1.7B ialah model bahasa terbuka 1.73 bilion parameter daripada Liquid AI, direka untuk agen setempat, panggilan alat dan output berstruktur dengan konteks 256K token.

LFM3-1.7B ialah model bahasa terbuka berasaskan teks daripada Liquid AI yang mempunyai kira-kira 1.73 bilion parameter dan 24 lapisan. Ia menggunakan seni bina tri-hibrid baharu dengan 13 lapisan konvolusi pendek berpagar, 5 lapisan perhatian tetingkap gelongsor dan 6 lapisan perhatian global. Model ini menyokong 16 bahasa termasuk Inggeris, Arab, Cina, Perancis, Jerman, Itali, Jepun, Korea, Portugis, Sepanyol, Vietnam, Thai, Indonesia, Hindi, Rusia dan Poland. Saiz perbendaharaan katanya ialah 128,000 token.

Model ini direka khusus untuk agen setempat dan aplikasi khusus domain. Ia menyokong panggilan alat dan output berstruktur, dan telah dilatih selepas pra-latihan untuk harness agen seperti Hermes Agent, Pi dan OpenClaw. Ia boleh dijalankan pada Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX dan ONNX Runtime, serta tersedia dalam format kuantisasi BF16, FP8, NVFP4, GGUF, MLX dan ONNX. Dalam bentuk kuantisasi 4-bit, ia menggunakan kira-kira 1 GB memori.

LFM3-1.7B sesuai untuk tugas seperti pengekstrakan JSON berstruktur, menjawab daripada dokumen yang diambil, pemilihan alat dalam aplikasi telefon dengan 108 alat, dan pembelajaran bahasa baharu. Walau bagaimanapun, ia tidak disyorkan untuk pengekodan agen atau penaakulan berbilang langkah yang kompleks. Untuk tugas intensif pengetahuan, pengambilan atau penjanaan dipertingkat pengambilan (RAG) disyorkan. Lesen LFM Open License v1.0 tidak membenarkan penggunaan komersial oleh organisasi yang mempunyai hasil tahunan $10 juta atau lebih.

Dikemas kini:

ID MODEL

lfm-3-1.7b:free
Konteks
262.144K
Output maks
8.192K
API yang disyorkan
messages
Input
text
Output
text

Sorotan

  • 1.73 bilion parameter, 24 lapisan
  • Konteks 256K token (input dan output)
  • Seni bina tri-hibrid baharu
  • Menyokong 16 bahasa
  • Kira-kira 1 GB memori dalam kuantisasi 4-bit
  • Menyokong panggilan alat dan output berstruktur

Penyedia

1 penyedia

Bandingkan harga API merentas penyedia. Pilih penyedia untuk melihat semua caj dan syarat.

Penyedia · Butiran harga
Ketersediaan
$0$0

Penanda aras

  • LiveClaw

    mata; LFM2.5-2.6B memperoleh 14.70

    45.60
  • WebArena-Verified

    mata; LFM2.5-2.6B memperoleh 3.02; Qwen3.5-9B memperoleh 28.94

    38.42
  • BFCL V4

    mata; penggunaan alat

    71.39
  • ToolSandbox

    mata

    80.36
  • LiveCodeBench v6

    mata

    73.46
  • SWE-bench Verified

    mata

    43.40
  • IFEval

    mata

    96.66
  • GPQA Diamond

    mata

    63.37

Skor seperti yang diterbitkan oleh penyedia model.

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.

1

Tetapkan kunci API

Cipta kunci daripada akaun Felo API Platform anda dan tetapkan sebagai pemboleh ubah persekitaran.

export FELO_API_KEY="YOUR_API_KEY"
2

Hantar permintaan pertama

Gunakan ID model ini dengan endpoint Felo API Platform. Pengepala permintaan pilihan seperti X-Request-Id boleh membantu penyelesaian masalah.

lfm-3-1.7b:free

Model 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: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

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.

3

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:free",
  "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.

Antara mukaKaedahURL

Messages

Mesej serasi Anthropic untuk klien gaya Claude.

POST

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

Parameter

NamaJenisLalaiKeterangan
modelstringlfm-3-1.7b:freeID 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 (free)?

LFM3-1.7B ialah model bahasa terbuka berasaskan teks daripada Liquid AI yang mempunyai kira-kira 1.73 bilion parameter dan 24 lapisan. Ia menggunakan seni bina tri-hibrid baharu dengan 13 lapisan konvolusi pendek berpagar, 5 lapisan perhatian tetingkap gelongsor dan 6 lapisan perhatian global. Model ini menyokong 16 bahasa termasuk Inggeris, Arab, Cina, Perancis, Jerman, Itali, Jepun, Korea, Portugis, Sepanyol, Vietnam, Thai, Indonesia, Hindi, Rusia dan Poland. Saiz perbendaharaan katanya ialah 128,000 token. Model ini direka khusus untuk agen setempat dan aplikasi khusus domain. Ia menyokong panggilan alat dan output berstruktur, dan telah dilatih selepas pra-latihan untuk harness agen seperti Hermes Agent, Pi dan OpenClaw. Ia boleh dijalankan pada Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX dan ONNX Runtime, serta tersedia dalam format kuantisasi BF16, FP8, NVFP4, GGUF, MLX dan ONNX. Dalam bentuk kuantisasi 4-bit, ia menggunakan kira-kira 1 GB memori. LFM3-1.7B sesuai untuk tugas seperti pengekstrakan JSON berstruktur, menjawab daripada dokumen yang diambil, pemilihan alat dalam aplikasi telefon dengan 108 alat, dan pembelajaran bahasa baharu. Walau bagaimanapun, ia tidak disyorkan untuk pengekodan agen atau penaakulan berbilang langkah yang kompleks. Untuk tugas intensif pengetahuan, pengambilan atau penjanaan dipertingkat pengambilan (RAG) disyorkan. Lesen LFM Open License v1.0 tidak membenarkan penggunaan komersial oleh organisasi yang mempunyai hasil tahunan $10 juta atau lebih.

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 yang disokong oleh LFM3-1.7B?

LFM3-1.7B hanya menyokong input teks dan output teks.

Berapakah panjang konteks dan had output LFM3-1.7B?

Model ini menyokong konteks 256K token yang merangkumi input dan output digabungkan. Tiada had output berasingan yang dinyatakan dalam maklumat yang tersedia.

Apakah tugas yang paling sesuai untuk LFM3-1.7B?

Ia sesuai untuk agen setempat, panggilan alat, output berstruktur, pengekstrakan JSON berstruktur, menjawab daripada dokumen yang diambil, pemilihan alat dalam aplikasi telefon dengan 108 alat, dan pembelajaran bahasa baharu.

Apakah perbezaan antara LFM3-1.7B dan LFM2.5-2.6B?

LFM3-1.7B mengatasi LFM2.5-2.6B dengan 35% parameter lebih sedikit, dan berjalan kira-kira 25% lebih pantas pada konteks 8K token. Ia juga menggunakan kira-kira 1.6 GB cache pada konteks 128K token berbanding 4.3 GB untuk Qwen3.5-4B.

Apakah format kuantisasi yang tersedia untuk LFM3-1.7B?

Model ini tersedia dalam format BF16, FP8, NVFP4, GGUF, MLX dan ONNX.

Apakah tetapan persampelan yang disyorkan untuk LFM3-1.7B?

Untuk sembang, penggunaan alat, agen dan pengekodan, tetapan yang disyorkan ialah temperature=0.1, top_k=50 dan repetition_penalty=1.1. Untuk tugas STEM, tetapan yang disyorkan ialah temperature=1.0, top_p=0.95 dan top_k=20.

Model berkaitan