LFM3-1.7B API
LFM3-1.7B is een compact taalmodel van Liquid AI met 1,73 miljard parameters, een contextvenster van 256K tokens en ingebouwde ondersteuning voor gestructureerd tool calling, ontworpen voor lokale agents op telefoons en laptops.
LFM3-1.7B is een tekstmodel van Liquid AI dat tekst als invoer en uitvoer ondersteunt. Het heeft 1,73 miljard parameters en neemt bij 4-bit kwantisatie ongeveer 1 GB geheugen in beslag, waardoor het lokaal op telefoons en laptops draait zonder aparte GPU. De tri-hybride architectuur telt 24 lagen: 13 gated korte convoluties, 5 sliding-window attention-lagen en 6 globale attention-lagen. Het model is getraind op 22 biljoen tokens en heeft een vocabulaire van 128.000 tokens dat 16 talen dekt.
Het model is nabewerkt voor agentische harnesses zoals Hermes Agent, Pi en OpenClaw, en biedt ingebouwde ondersteuning voor gestructureerd tool calling. Een mechanisme voor uitgesteld zoeken in tools maakt het werken met grote toolcatalogi mogelijk. Redeneren staat standaard aan; met enable_thinking op False geeft het model directe antwoorden. Het contextvenster van 256K tokens dekt zowel invoer als uitvoer en is ongewoon groot voor een model van deze omvang.
LFM3-1.7B is geschikt voor lokale agents op telefoons en laptops, tool calling met gestructureerde uitvoer, domeinspecifieke fine-tuning op één GPU, vraagbeantwoording met ondersteuning van zoek- of retrievalsystemen, en het classificeren van klantverzoeken, extraheren van documentinformatie en routeren van cases. Voor kennisintensieve vragen kan het model het beste worden gecombineerd met retrieval of zoeken. Het model is expliciet niet aanbevolen voor agentisch programmeren of complexe meerstapsredeneringen.
Bijgewerkt:
MODEL-ID
lfm-3-1.7b- Context
- 262.144K
- Max. uitvoer
- 8.192K
- Aanbevolen API
- messages
- Invoer
- text
- Uitvoer
- text
Hoogtepunten
- 1,73 miljard parameters, ongeveer 1 GB bij 4-bit
- Contextvenster van 256K tokens
- Tri-hybride architectuur met 24 lagen
- Ingebouwde gestructureerde tool calling
- Draait lokaal zonder aparte GPU
- Zes formaten waaronder GGUF, MLX en ONNX
Aanbieders
Vergelijk API-prijzen tussen aanbieders. Kies een aanbieder om alle kosten en voorwaarden te bekijken.
| Beschikbaarheid | ||||
|---|---|---|---|---|
| $0.08 | $0.2 | $0.02 |
Historische gegevens zijn geen live statuscontrole. Ontbrekende gegevens betekenen geen storing.
Wat je voor $10 krijgt
- Invoer
- 125 mln. tokens
- Uitvoer
- 50 mln. tokens
Geschat op basis van de huidige invoer- en uitvoerprijzen, vóór kortingen.
Redeneervermogen
- Altijd ingeschakeld
- Ja
Snelstart
Kant-en-klare code om dit model aan te roepen met de compatibele API's van Felo API Platform. Begin in de Playground als je prompts wilt testen voordat je code schrijft.
API-sleutel instellen
Maak een sleutel in je Felo API Platform-account en stel deze in als omgevingsvariabele.
export FELO_API_KEY="YOUR_API_KEY"Je eerste aanvraag doen
Gebruik deze model-ID met het Felo API Platform-endpoint. Optionele requestheaders zoals X-Request-Id helpen bij het oplossen van problemen.
lfm-3-1.7bDit model kan redeneren. Als het gekozen protocol en de modelroute reasoning-besturing bieden, bewaar dan de geretourneerde reasoning-metadata wanneer je het gesprek voortzet.
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());SDK's van derden gebruiken
Stel in compatibele SDK's baseURL in op https://openapi.felo.ai/api/v1. Gebruik voor clients in Claude-stijl de Anthropic-compatibele basis-URL. https://openapi.felo.ai/api.
Streaming inschakelen
Voeg stream: true toe om responses als server-sent events te ontvangen.
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 biedt compatibele oppervlakken voor modelaanroepen. Kies het oppervlak dat je app of agent-client al ondersteunt.
Messages
Anthropic-compatibele berichten voor clients in Claude-stijl.
POST
https://openapi.felo.ai/api/v1/messagesParameters
modelstringlfm-3-1.7bOpenbare model-ID om aan te roepen.max_tokensinteger—Maximaal aantal gegenereerde tokens.messagesarray—Gespreksberichten voor Chat Completions.seed———stop———min_p———toolsarray—Definities voor tool calling volgens het compatibele schema.top_k———top_p———logprobs———reasoning———temperaturenumber—Bepaalt de variatie in antwoorden wanneer ondersteund.tool_choicestring or object—Bepaalt of een tool moet worden aangeroepen.top_logprobs———response_formatobject—Vraagt gestructureerde uitvoer aan wanneer ondersteund.presence_penalty———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———max_completion_tokens———Veelgestelde vragen
Wat is LFM3-1.7B?
LFM3-1.7B is een tekstmodel van Liquid AI dat tekst als invoer en uitvoer ondersteunt. Het heeft 1,73 miljard parameters en neemt bij 4-bit kwantisatie ongeveer 1 GB geheugen in beslag, waardoor het lokaal op telefoons en laptops draait zonder aparte GPU. De tri-hybride architectuur telt 24 lagen: 13 gated korte convoluties, 5 sliding-window attention-lagen en 6 globale attention-lagen. Het model is getraind op 22 biljoen tokens en heeft een vocabulaire van 128.000 tokens dat 16 talen dekt. Het model is nabewerkt voor agentische harnesses zoals Hermes Agent, Pi en OpenClaw, en biedt ingebouwde ondersteuning voor gestructureerd tool calling. Een mechanisme voor uitgesteld zoeken in tools maakt het werken met grote toolcatalogi mogelijk. Redeneren staat standaard aan; met enable_thinking op False geeft het model directe antwoorden. Het contextvenster van 256K tokens dekt zowel invoer als uitvoer en is ongewoon groot voor een model van deze omvang. LFM3-1.7B is geschikt voor lokale agents op telefoons en laptops, tool calling met gestructureerde uitvoer, domeinspecifieke fine-tuning op één GPU, vraagbeantwoording met ondersteuning van zoek- of retrievalsystemen, en het classificeren van klantverzoeken, extraheren van documentinformatie en routeren van cases. Voor kennisintensieve vragen kan het model het beste worden gecombineerd met retrieval of zoeken. Het model is expliciet niet aanbevolen voor agentisch programmeren of complexe meerstapsredeneringen.
Hoe wordt het gebruik gefactureerd?
Je factuur hangt af van de aanbieder die je gebruikt, de prijzen en je verbruik. Langere invoer of andere voorwaarden kunnen andere prijzen hebben.
Welke invoer en uitvoer ondersteunt LFM3-1.7B?
Het model ondersteunt tekst als invoer en tekst als uitvoer. Er is geen ondersteuning voor andere modaliteiten.
Hoe groot is het contextvenster en de uitvoerlimiet?
Het contextvenster beslaat 256K tokens en dekt zowel invoer als uitvoer. Een afzonderlijke uitvoerlimiet wordt niet vermeld.
Voor welke taken is LFM3-1.7B geschikt?
Het model is bedoeld voor lokale agents op telefoons en laptops, tool calling met gestructureerde uitvoer, domeinspecifieke fine-tuning, retrieval-ondersteunde vraagbeantwoording en het classificeren, extraheren en routeren van documenten en verzoeken.
Waarin verschilt LFM3-1.7B van de vorige LFM2.5-2.6B?
LFM3-1.7B presteert beter dan het eerdere LFM2.5-model met 2,6 miljard parameters, terwijl het 35% minder parameters gebruikt.
Staat redeneren standaard aan en kan dat worden uitgeschakeld?
Redeneren staat standaard aan. Met enable_thinking op False geeft het model directe antwoorden zonder redeneerstappen.
In welke formaten is LFM3-1.7B beschikbaar?
Het model wordt geleverd in zes formaten, waaronder GGUF, MLX, ONNX, BF16, FP8 en NVFP4.