Felo API PlatformFelo API Platform
Terug naar modellen
LiquidAImessages

LFM3-1.7B (free) API

Liquid AI's LFM3-1.7B is een compact, tekstgebaseerd open-weight model met 256K-context, tool calling en structured outputs, ontworpen voor lokale agents.

LFM3-1.7B is een compact open-weight taalmodel van Liquid AI met ongeveer 1,73 miljard parameters en 24 lagen. Het model heeft een contextvenster van 256K tokens (input en output gecombineerd) en ondersteunt 16 talen, waaronder Nederlands, Engels, Duits, Frans, Spaans, Chinees en Japans. Het is uitsluitend bedoeld voor tekst-invoer en tekst-uitvoer en maakt gebruik van een nieuwe tri-hybride architectuur met 13 gated short convolution-lagen, 5 sliding window attention-lagen en 6 global attention-lagen. Het model ondersteunt tool calling en structured outputs en is post-getraind voor agent-harnassen zoals Hermes Agent, Pi en OpenClaw.

LFM3-1.7B is ontworpen voor lokale agents en domeinspecifieke toepassingen. Het is geschikt voor taken zoals tool calling, gestructureerde JSON-extractie, het beantwoorden van vragen op basis van opgehaalde documenten, het selecteren van tools in een telefoonapp met 108 tools en het leren van nieuwe talen. Het model is niet aanbevolen voor agentic coding of complexe meerstapsredeneringen; voor kennisintensieve taken wordt retrieval of retrieval-augmented generation aangeraden. In 4-bits quantisatie gebruikt het model ongeveer 1 GB geheugen en bij 128K-token context ongeveer 1,6 GB cache, vergeleken met 4,3 GB voor Qwen3.5-4B. Het model draait op Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX en ONNX Runtime, en is beschikbaar in BF16, FP8, NVFP4, GGUF, MLX en ONNX quantisatieformaten. De LFM Open License v1.0 staat commercieel gebruik niet toe voor organisaties met een jaaromzet van $10 miljoen of meer.

Bijgewerkt:

MODEL-ID

lfm-3-1.7b:free
Context
262.144K
Max. uitvoer
8.192K
Aanbevolen API
messages
Invoer
text
Uitvoer
text

Hoogtepunten

  • 256K tokens contextvenster
  • Tool calling en structured outputs
  • 16 talen ondersteund
  • Ongeveer 1 GB geheugen in 4-bits
  • Draait op Transformers, vLLM, llama.cpp en meer
  • Open-weight met LFM Open Licentie

Aanbieders

1 aanbieders

Vergelijk API-prijzen tussen aanbieders. Kies een aanbieder om alle kosten en voorwaarden te bekijken.

Aanbieder · Prijsdetails
Beschikbaarheid
$0$0

Benchmarks

  • LiveClue

    LFM2.5-2.8B scoorde 14.70 punten

    45.60
  • SWE-bench Verified

    punten

    43.40
  • IFEval

    punten

    96.66

Scores zoals gepubliceerd door de modelaanbieder.

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.

1

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"
2

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-3-1.7b:free

Dit 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:free",
  "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.

3

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:free",
  "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.

SurfaceMethodURL

Messages

Anthropic-compatibele berichten voor clients in Claude-stijl.

POST

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

Parameters

NaamTypeStandaardBeschrijving
modelstringlfm-3-1.7b:freeOpenbare 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 (free)?

LFM3-1.7B is een compact open-weight taalmodel van Liquid AI met ongeveer 1,73 miljard parameters en 24 lagen. Het model heeft een contextvenster van 256K tokens (input en output gecombineerd) en ondersteunt 16 talen, waaronder Nederlands, Engels, Duits, Frans, Spaans, Chinees en Japans. Het is uitsluitend bedoeld voor tekst-invoer en tekst-uitvoer en maakt gebruik van een nieuwe tri-hybride architectuur met 13 gated short convolution-lagen, 5 sliding window attention-lagen en 6 global attention-lagen. Het model ondersteunt tool calling en structured outputs en is post-getraind voor agent-harnassen zoals Hermes Agent, Pi en OpenClaw. LFM3-1.7B is ontworpen voor lokale agents en domeinspecifieke toepassingen. Het is geschikt voor taken zoals tool calling, gestructureerde JSON-extractie, het beantwoorden van vragen op basis van opgehaalde documenten, het selecteren van tools in een telefoonapp met 108 tools en het leren van nieuwe talen. Het model is niet aanbevolen voor agentic coding of complexe meerstapsredeneringen; voor kennisintensieve taken wordt retrieval of retrieval-augmented generation aangeraden. In 4-bits quantisatie gebruikt het model ongeveer 1 GB geheugen en bij 128K-token context ongeveer 1,6 GB cache, vergeleken met 4,3 GB voor Qwen3.5-4B. Het model draait op Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX en ONNX Runtime, en is beschikbaar in BF16, FP8, NVFP4, GGUF, MLX en ONNX quantisatieformaten. De LFM Open License v1.0 staat commercieel gebruik niet toe voor organisaties met een jaaromzet van $10 miljoen of meer.

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 accepteert tekstinvoer en produceert tekstuitvoer. Het is een tekst-only model zonder ondersteuning voor beeld of audio.

Hoe groot is het contextvenster en de uitvoerlimiet?

Het contextvenster is 256K tokens, waarbij invoer en uitvoer samen worden geteld. Er is geen aparte uitvoerlimiet opgegeven.

Voor welke taken is LFM3-1.7B geschikt?

Het model is ontworpen voor lokale agents, tool calling, gestructureerde outputs, domeinspecifieke fine-tuning, gestructureerde JSON-extractie, vraagbeantwoording uit opgehaalde documenten en toolselectie in een telefoonapp met 108 tools.

Waarin verschilt LFM3-1.7B van LFM2.5-2.6B?

LFM3-1.7B presteert beter dan LFM2.5-2.6B met 35% minder parameters en draait bij 8K-token context ongeveer 25% sneller. Op LiveClaw scoort LFM3-1.7B 45.60 punten tegenover 14.70 voor LFM2.5-2.6B.

Wat zijn de beperkingen van LFM3-1.7B?

Het model wordt niet aanbevolen voor agentic coding of complexe meerstapsredeneringen. Voor kennisintensieve taken wordt retrieval of retrieval-augmented generation aangeraden. De LFM Open License v1.0 staat commercieel gebruik niet toe voor organisaties met een jaaromzet van $10 miljoen of meer.

Gerelateerde modellen