LFM3-1.7B API
LFM3-1.7B to lekki model językowy Liquid AI z oknem kontekstu 256K tokenów, przeznaczony do pracy lokalnej na telefonach i laptopach oraz do wywoływania narzędzi.
LFM3-1.7B to model tekstowy od Liquid AI z 1,73 miliarda parametrów, wydany 27 października 2026 roku. Działa lokalnie na telefonach i laptopach bez dedykowanego GPU, a przy kwantyzacji 4-bitowej zajmuje około 1 GB pamięci. Architektura tri-hybrydowa obejmuje 24 warstwy: 13 splotów krótkich z bramkowaniem, 5 warstw uwagi z oknem przesuwnym i 6 warstw uwagi globalnej. Słownik liczy 128 000 tokenów i pokrywa 16 języków, a model trenowano na 22 bilionach tokenów, co daje stosunek tokenów do parametrów około 12 717 razy.
Model sprawdza się w zadaniach wymagających wywoływania narzędzi ze strukturalnymi odpowiedziami, w pytaniach opartych na wyszukiwaniu lub dostępie do dokumentów oraz w klasyfikacji zgłoszeń klientów, ekstrakcji informacji i kierowaniu spraw. Dzięki szybkiemu dostrajaniu na jednym GPU nadaje się też do budowy wyspecjalizowanych asystentów na firmowych dokumentach i formatach. Rozumowanie jest domyślnie włączone, a parametr enable_thinking można ustawić na False, aby uzyskać bezpośrednią odpowiedź.
Model wypada lepiej niż poprzedni LFM2.5 z 2,6 miliarda parametrów, zużywając przy tym o 35% mniej parametrów. W ocenach agentowych potrzebował o 58% mniej tokenów na zadanie i utknął w mniej niż 1% prób, podczas gdy konkurencyjny model osiągnął 15%. Producent nie zaleca go jednak do agentowego kodowania ani złożonego wieloetapowego rozumowania, a przy pytaniach wymagających dużej wiedzy o świecie warto łączyć go z wyszukiwaniem. Model udostępniono na licencji LFM Open License v1.0, a firmy o rocznych przychodach powyżej 10 milionów dolarów potrzebują osobnej licencji komercyjnej.
Zaktualizowano:
MODEL ID
lfm-3-1.7b- Kontekst
- 262.144K
- Maks. wyjście
- 8.192K
- Polecane API
- messages
- Wejście
- text
- Wyjście
- text
Najważniejsze informacje
- 1,73 mld parametrów, około 1 GB przy 4 bitach
- Okno kontekstu 256K tokenów
- Architektura tri-hybrydowa z 24 warstwami
- Wbudowane wywoływanie narzędzi
- Sześć formatów, w tym GGUF i MLX
- Dostrajanie na jednym GPU
Dostawcy
Porównaj ceny API u różnych dostawców. Wybierz dostawcę, aby zobaczyć wszystkie opłaty i warunki.
| Dostępność | ||||
|---|---|---|---|---|
| $0.08 | $0.2 | $0.02 |
Dane historyczne nie są kontrolą na żywo. Brak danych nie oznacza awarii.
Co można kupić za $10
- Wejście
- 125 mln tokenów
- Wyjście
- 50 mln tokenów
Szacunek na podstawie obecnych cen wejścia i wyjścia, bez rabatów.
Rozumowanie
- Zawsze włączone
- Tak
Szybki start
Gotowy kod do wywołania tego modelu przez zgodne API Felo API Platform. Zacznij w Playground, gdy chcesz przetestować prompty przed pisaniem kodu.
Pobierz klucz API
Utwórz klucz w swoim koncie Felo API Platform i ustaw go jako zmienną środowiskową.
export FELO_API_KEY="YOUR_API_KEY"Wyślij pierwsze żądanie
Użyj tego identyfikatora modelu z endpointem Felo API Platform. Opcjonalne nagłówki żądania, takie jak X-Request-Id, mogą pomóc w diagnostyce.
lfm-3-1.7bTen model obsługuje rozumowanie. Jeśli wybrany protokół i trasa modelu udostępniają elementy sterujące rozumowaniem, zachowaj zwrócone metadane rozumowania podczas kontynuowania rozmowy.
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());Korzystanie z zewnętrznych SDK
Używaj zgodnych SDK, ustawiając baseURL na https://openapi.felo.ai/api/v1. Użyj bazowego adresu URL zgodnego z Anthropic dla klientów w stylu Claude. https://openapi.felo.ai/api.
Włącz strumieniowanie
Dodaj stream: true, aby otrzymywać odpowiedzi jako 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 udostępnia zgodne interfejsy wywoływania modeli. Wybierz ten, który Twoja aplikacja lub klient agenta już obsługuje.
Messages
Komunikaty zgodne z Anthropic dla klientów w stylu Claude.
POST
https://openapi.felo.ai/api/v1/messagesParametry
modelstringlfm-3-1.7bPubliczny identyfikator modelu do wywołania.max_tokensinteger—Maksymalna liczba generowanych tokenów.messagesarray—Komunikaty rozmowy dla Chat Completions.seed———stop———min_p———toolsarray—Definicje wywoływania narzędzi zgodne z obsługiwanym schematem.top_k———top_p———logprobs———reasoning———temperaturenumber—Steruje różnorodnością odpowiedzi, gdy jest obsługiwane.tool_choicestring or object—Steruje tym, czy narzędzie powinno zostać wywołane.top_logprobs———response_formatobject—Żąda ustrukturyzowanego wyniku, gdy jest obsługiwany.presence_penalty———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———max_completion_tokens———Często zadawane pytania
Co to jest LFM3-1.7B?
LFM3-1.7B to model tekstowy od Liquid AI z 1,73 miliarda parametrów, wydany 27 października 2026 roku. Działa lokalnie na telefonach i laptopach bez dedykowanego GPU, a przy kwantyzacji 4-bitowej zajmuje około 1 GB pamięci. Architektura tri-hybrydowa obejmuje 24 warstwy: 13 splotów krótkich z bramkowaniem, 5 warstw uwagi z oknem przesuwnym i 6 warstw uwagi globalnej. Słownik liczy 128 000 tokenów i pokrywa 16 języków, a model trenowano na 22 bilionach tokenów, co daje stosunek tokenów do parametrów około 12 717 razy. Model sprawdza się w zadaniach wymagających wywoływania narzędzi ze strukturalnymi odpowiedziami, w pytaniach opartych na wyszukiwaniu lub dostępie do dokumentów oraz w klasyfikacji zgłoszeń klientów, ekstrakcji informacji i kierowaniu spraw. Dzięki szybkiemu dostrajaniu na jednym GPU nadaje się też do budowy wyspecjalizowanych asystentów na firmowych dokumentach i formatach. Rozumowanie jest domyślnie włączone, a parametr enable_thinking można ustawić na False, aby uzyskać bezpośrednią odpowiedź. Model wypada lepiej niż poprzedni LFM2.5 z 2,6 miliarda parametrów, zużywając przy tym o 35% mniej parametrów. W ocenach agentowych potrzebował o 58% mniej tokenów na zadanie i utknął w mniej niż 1% prób, podczas gdy konkurencyjny model osiągnął 15%. Producent nie zaleca go jednak do agentowego kodowania ani złożonego wieloetapowego rozumowania, a przy pytaniach wymagających dużej wiedzy o świecie warto łączyć go z wyszukiwaniem. Model udostępniono na licencji LFM Open License v1.0, a firmy o rocznych przychodach powyżej 10 milionów dolarów potrzebują osobnej licencji komercyjnej.
Jak rozliczane jest użycie?
Rachunek zależy od wybranego dostawcy, jego cen i faktycznego zużycia. Dłuższe dane wejściowe lub inne warunki mogą mieć inne ceny.
Jakie dane wejściowe i wyjściowe obsługuje LFM3-1.7B?
Model przyjmuje wyłącznie tekst i zwraca wyłącznie tekst.
Jak duże jest okno kontekstu?
Okno kontekstu wynosi 256K tokenów i obejmuje zarówno dane wejściowe, jak i wyjściowe.
Do jakich zadań najlepiej nadaje się ten model?
Do lokalnych agentów, wywoływania narzędzi ze strukturalnymi odpowiedziami, dostrajania do konkretnej dziedziny oraz odpowiadania na pytania z użyciem wyszukiwania lub dokumentów.
Czym LFM3-1.7B różni się od LFM2.5?
LFM3-1.7B wypada lepiej niż poprzedni model LFM2.5 z 2,6 miliarda parametrów, zużywając o 35% mniej parametrów.
Czy rozumowanie można wyłączyć?
Tak. Rozumowanie jest domyślnie włączone, ale parametr enable_thinking można ustawić na False, aby uzyskać bezpośrednią odpowiedź.
W jakich formatach jest dostępny model?
Model jest udostępniany w sześciu formatach: GGUF, MLX, ONNX, BF16, FP8 i NVFP4.