LFM3-1.7B (free) API
LFM3-1.7B to otwarty model językowy Liquid AI o 1,73 mld parametrów, stworzony do lokalnych agentów, wywoływania narzędzi i zastosowań dziedzinowych, z kontekstem 256K tokenów.
LFM3-1.7B to tekstowy model językowy o otwartych wagach od Liquid AI, oparty na nowej architekturze tri-hybrid z 13 warstwami bramkowanej krótkiej konwolucji, 5 warstwami uwagi z ruchomym oknem i 6 warstwami globalnej uwagi. Model ma około 1,73 mld parametrów i 24 warstwy, a jego słownik liczy 128 000 tokenów. Obsługuje kontekst 256K tokenów, liczony łącznie dla wejścia i wyjścia.
Model obsługuje 16 języków, w tym polski, a także wywoływanie narzędzi i wyjścia strukturalne. Został dostrojony pod środowiska agentowe, takie jak Hermes Agent, Pi i OpenClaw, i jest przeznaczony do lokalnych agentów oraz zastosowań dziedzinowych. Sprawdza się w wyborze narzędzi, ekstrakcji danych do formatu JSON, odpowiadaniu na podstawie pobranych dokumentów oraz w dostrajaniu do konkretnej dziedziny. Przy zadaniach wymagających dużej wiedzy zalecane jest korzystanie z wyszukiwania lub RAG.
Model działa w środowiskach Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX i ONNX Runtime i jest dostępny w formatach kwantyzacji BF16, FP8, NVFP4, GGUF, MLX oraz ONNX. W wersji skwantyzowanej do 4 bitów zajmuje około 1 GB pamięci, a przy kontekście 128K tokenów zużywa około 1,6 GB pamięci podręcznej. Nie jest zalecany do kodowania agentowego ani złożonego rozumowania wieloetapowego.
Zaktualizowano:
MODEL ID
lfm-3-1.7b:free- Kontekst
- 262.144K
- Maks. wyjście
- 8.192K
- Polecane API
- messages
- Wejście
- text
- Wyjście
- text
Najważniejsze informacje
- 1,73 mld parametrów, 24 warstwy
- kontekst 256K tokenów
- 16 języków, w tym polski
- około 1 GB pamięci w 4 bitach
- wywoływanie narzędzi i JSON
Dostawcy
Porównaj ceny API u różnych dostawców. Wybierz dostawcę, aby zobaczyć wszystkie opłaty i warunki.
| Dostępność | |||
|---|---|---|---|
| $0 | $0 |
Dane historyczne nie są kontrolą na żywo. Brak danych nie oznacza awarii.
Benchmarki
- 45.60
LiveClaw
punkty; LFM2.5-2.6B uzyskał 14.70
- 38.42
WebArena-Verified
punkty; LFM2.5-2.6B uzyskał 3.02, a Qwen3.5-9B 28.94
- 71.39
BFCL V4
punkty; użycie narzędzi
- 80.36
ToolSandbox
punkty
- 73.46
LiveCodeBench v6
punkty
- 43.40
SWE-bench Verified
punkty
- 96.66
IFEval
punkty
- 63.37
GPQA Diamond
punkty
Wyniki zgodnie z publikacją dostawcy modelu.
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-3-1.7b:freeTen 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:free",
"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:free",
"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-3-1.7b:freePubliczny 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 (free)?
LFM3-1.7B to tekstowy model językowy o otwartych wagach od Liquid AI, oparty na nowej architekturze tri-hybrid z 13 warstwami bramkowanej krótkiej konwolucji, 5 warstwami uwagi z ruchomym oknem i 6 warstwami globalnej uwagi. Model ma około 1,73 mld parametrów i 24 warstwy, a jego słownik liczy 128 000 tokenów. Obsługuje kontekst 256K tokenów, liczony łącznie dla wejścia i wyjścia. Model obsługuje 16 języków, w tym polski, a także wywoływanie narzędzi i wyjścia strukturalne. Został dostrojony pod środowiska agentowe, takie jak Hermes Agent, Pi i OpenClaw, i jest przeznaczony do lokalnych agentów oraz zastosowań dziedzinowych. Sprawdza się w wyborze narzędzi, ekstrakcji danych do formatu JSON, odpowiadaniu na podstawie pobranych dokumentów oraz w dostrajaniu do konkretnej dziedziny. Przy zadaniach wymagających dużej wiedzy zalecane jest korzystanie z wyszukiwania lub RAG. Model działa w środowiskach Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX i ONNX Runtime i jest dostępny w formatach kwantyzacji BF16, FP8, NVFP4, GGUF, MLX oraz ONNX. W wersji skwantyzowanej do 4 bitów zajmuje około 1 GB pamięci, a przy kontekście 128K tokenów zużywa około 1,6 GB pamięci podręcznej. Nie jest zalecany do kodowania agentowego ani złożonego rozumowania wieloetapowego.
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 generuje wyłącznie tekst. Nie obsługuje innych modalności.
Jaki jest limit kontekstu i długości wyjścia?
Kontekst wynosi 256K tokenów i obejmuje łącznie wejście oraz wyjście. W materiale nie podano osobnego limitu długości wyjścia.
Do jakich zadań najlepiej nadaje się ten model?
Do lokalnych agentów, wywoływania narzędzi, wyjść strukturalnych, ekstrakcji danych do JSON, odpowiadania na podstawie pobranych dokumentów oraz dostrajania do konkretnej dziedziny.
Czym LFM3-1.7B różni się od LFM2.5-2.6B?
LFM3-1.7B osiąga lepsze wyniki niż LFM2.5-2.6B przy 35% mniejszej liczbie parametrów i działa około 25% szybciej przy kontekście 8K tokenów.
W jakich środowiskach można uruchomić model?
Model działa w Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX oraz ONNX Runtime.
Jakie języki obsługuje model?
Model obsługuje 16 języków, w tym polski, angielski, arabski, chiński, francuski, niemiecki, włoski, japoński, koreański, portugalski, hiszpański, wietnamski, tajski, indonezyjski, hindi i rosyjski.