LFM3-1.7B API
O LFM3-1.7B é um modelo de linguagem compacto da Liquid AI, com 1,73 bilhão de parâmetros, janela de contexto de 256K tokens e arquitetura tri-híbrida, projetado para agentes locais em celulares e notebooks.
O LFM3-1.7B é um modelo de texto da Liquid AI, lançado em 27 de outubro de 2026, com 1,73 bilhão de parâmetros. Sua arquitetura tri-híbrida de 24 camadas combina 13 convoluções curtas com gating, 5 camadas de atenção com janela deslizante e 6 camadas de atenção global. O vocabulário de 128.000 tokens cobre 16 idiomas, e o treinamento utilizou 22 trilhões de tokens — uma razão de aproximadamente 12.717 tokens por parâmetro. Em quantização de 4 bits, ocupa cerca de 1 GB de memória, permitindo execução local em celulares e notebooks sem GPU dedicada.
O modelo oferece suporte nativo a chamadas de ferramentas estruturadas e um mecanismo de busca diferida de ferramentas para catálogos extensos. Foi pós-treinado para ambientes agênticos como Hermes Agent, Pi e OpenClaw, com raciocínio ativado por padrão; é possível definir enable_thinking como False para respostas diretas. A janela de contexto de 256K tokens abrange entrada e saída. O LFM3-1.7B supera o modelo anterior LFM2.5, de 2,6 bilhões de parâmetros, usando 35% menos parâmetros. Em avaliações agênticas, consumiu 58% menos tokens por tarefa e travou em menos de 1% das tentativas, contra 15% de um modelo concorrente.
O LFM3-1.7B é indicado para agentes locais em celulares e notebooks, chamadas de ferramentas com saídas estruturadas, ajuste fino específico de domínio em uma única GPU, perguntas e respostas ancoradas em recuperação combinadas com busca, classificação de solicitações de clientes, extração de informações de documentos e roteamento de casos. Também serve para assistentes especializados ajustados com documentos e formatos próprios de uma empresa. Não é recomendado para codificação agêntica ou raciocínio complexo de múltiplas etapas, e seu conhecimento de mundo é menor que o de sistemas maiores, sendo aconselhável combiná-lo com recuperação ou busca. O modelo é distribuído em seis formatos, incluindo GGUF, MLX, ONNX, BF16, FP8 e NVFP4, sob a licença personalizada LFM Open License v1.0.
Atualizado:
ID DO MODELO
lfm-3-1.7b- Contexto
- 262.144K
- Saída máxima
- 8.192K
- API recomendada
- messages
- Entrada
- text
- Saída
- text
Destaques
- 1,73 bilhão de parâmetros
- Contexto de 256K tokens
- Arquitetura tri-híbrida de 24 camadas
- Vocabulário de 128.000 tokens em 16 idiomas
- Execução local sem GPU dedicada
- Seis formatos de distribuição
Provedores
Compare os preços de API entre provedores. Selecione um provedor para ver todos os preços e condições.
| Disponibilidade | ||||
|---|---|---|---|---|
| $0.08 | $0.2 | $0.02 |
Estatísticas históricas não são uma verificação em tempo real. Dados ausentes não indicam uma interrupção.
O que $10 compram
- Entrada
- 125 mi tokens
- Saída
- 50 mi tokens
Estimativa com base nos preços atuais de entrada e saída, antes de descontos.
Raciocínio
- Sempre ativado
- Sim
Início rápido
Código pronto para chamar este modelo com as APIs compatíveis da Felo API Platform. Comece no Playground quando quiser testar prompts antes de escrever código.
Defina sua chave de API
Crie uma chave na sua conta da Felo API Platform e defina-a como variável de ambiente.
export FELO_API_KEY="YOUR_API_KEY"Faça sua primeira requisição
Use este ID de modelo com o endpoint da Felo API Platform. Cabeçalhos opcionais como X-Request-Id ajudam a solucionar problemas.
lfm-3-1.7bEste modelo tem capacidade de raciocínio. Se o protocolo selecionado e a rota do modelo expuserem controles de raciocínio, preserve os metadados de raciocínio retornados ao continuar a conversa.
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());Usar SDKs de terceiros
Em SDKs compatíveis, defina baseURL como https://openapi.felo.ai/api/v1. Para clientes no estilo Claude, use a base URL compatível com Anthropic. https://openapi.felo.ai/api.
Ative o streaming
Adicione stream: true para receber respostas como 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
A Felo API Platform expõe superfícies compatíveis de chamada de modelos. Escolha a superfície que seu app ou cliente de agente já suporta.
Messages
Mensagens compatíveis com Anthropic para clientes no estilo Claude.
POST
https://openapi.felo.ai/api/v1/messagesParâmetros
modelstringlfm-3-1.7bID público do modelo a chamar.max_tokensinteger—Número máximo de tokens gerados.messagesarray—Mensagens da conversa para Chat Completions.seed———stop———min_p———toolsarray—Definições de tool calling seguindo o schema compatível.top_k———top_p———logprobs———reasoning———temperaturenumber—Controla a variedade das respostas quando compatível.tool_choicestring or object—Controla se uma ferramenta deve ser chamada.top_logprobs———response_formatobject—Solicita saída estruturada quando compatível.presence_penalty———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———max_completion_tokens———Perguntas frequentes
O que é LFM3-1.7B?
O LFM3-1.7B é um modelo de texto da Liquid AI, lançado em 27 de outubro de 2026, com 1,73 bilhão de parâmetros. Sua arquitetura tri-híbrida de 24 camadas combina 13 convoluções curtas com gating, 5 camadas de atenção com janela deslizante e 6 camadas de atenção global. O vocabulário de 128.000 tokens cobre 16 idiomas, e o treinamento utilizou 22 trilhões de tokens — uma razão de aproximadamente 12.717 tokens por parâmetro. Em quantização de 4 bits, ocupa cerca de 1 GB de memória, permitindo execução local em celulares e notebooks sem GPU dedicada. O modelo oferece suporte nativo a chamadas de ferramentas estruturadas e um mecanismo de busca diferida de ferramentas para catálogos extensos. Foi pós-treinado para ambientes agênticos como Hermes Agent, Pi e OpenClaw, com raciocínio ativado por padrão; é possível definir enable_thinking como False para respostas diretas. A janela de contexto de 256K tokens abrange entrada e saída. O LFM3-1.7B supera o modelo anterior LFM2.5, de 2,6 bilhões de parâmetros, usando 35% menos parâmetros. Em avaliações agênticas, consumiu 58% menos tokens por tarefa e travou em menos de 1% das tentativas, contra 15% de um modelo concorrente. O LFM3-1.7B é indicado para agentes locais em celulares e notebooks, chamadas de ferramentas com saídas estruturadas, ajuste fino específico de domínio em uma única GPU, perguntas e respostas ancoradas em recuperação combinadas com busca, classificação de solicitações de clientes, extração de informações de documentos e roteamento de casos. Também serve para assistentes especializados ajustados com documentos e formatos próprios de uma empresa. Não é recomendado para codificação agêntica ou raciocínio complexo de múltiplas etapas, e seu conhecimento de mundo é menor que o de sistemas maiores, sendo aconselhável combiná-lo com recuperação ou busca. O modelo é distribuído em seis formatos, incluindo GGUF, MLX, ONNX, BF16, FP8 e NVFP4, sob a licença personalizada LFM Open License v1.0.
Como o uso é cobrado?
Sua conta depende do provedor que você usa, dos preços dele e do seu uso. Entradas mais longas ou outras condições podem ter preços diferentes.
Quais tipos de entrada e saída o LFM3-1.7B suporta?
O modelo aceita entrada de texto e produz saída de texto.
Qual é o tamanho da janela de contexto?
O LFM3-1.7B tem uma janela de contexto de 256K tokens que cobre tanto a entrada quanto a saída.
Para quais tarefas o LFM3-1.7B é mais adequado?
Ele é indicado para agentes locais em celulares e notebooks, chamadas de ferramentas com saídas estruturadas, ajuste fino específico de domínio, perguntas e respostas ancoradas em recuperação, classificação de solicitações de clientes, extração de informações de documentos e roteamento de casos.
O raciocínio vem ativado por padrão?
Sim. O raciocínio é ativado por padrão, mas é possível definir enable_thinking como False para obter respostas diretas.
Como o LFM3-1.7B se compara ao LFM2.5?
O LFM3-1.7B supera o modelo anterior LFM2.5, de 2,6 bilhões de parâmetros, usando 35% menos parâmetros.
Em quais formatos o modelo está disponível?
O LFM3-1.7B é distribuído em seis formatos: GGUF, MLX, ONNX, BF16, FP8 e NVFP4.