Felo API PlatformFelo API Platform
Назад к моделям
LiquidAImessages

LFM3-1.7B API

LFM3-1.7B от Liquid AI — компактная текстовая модель с 1,73 млрд параметров, контекстом 256K токенов и встроенной поддержкой структурированного вызова инструментов, рассчитанная на локальный запуск и дообучение.

LFM3-1.7B — модель от Liquid AI, выпущенная 27 октября 2026 года. Она принимает и выдаёт только текст, а её контекстное окно в 256K токенов покрывает и вход, и выход. Модель построена на три-гибридной архитектуре из 24 слоёв: 13 стробированных коротких свёрток, 5 слоёв скользящего внимания и 6 слоёв глобального внимания. Словарь на 128 000 токенов охватывает 16 языков, а обучение прошло на 22 триллионах токенов — соотношение токенов к параметрам около 12 717 раз. При 4-битном квантовании модель занимает примерно 1 ГБ памяти и работает локально на телефонах и ноутбуках без выделенного GPU.

Модель хорошо подходит для локальных агентов, вызова инструментов со структурированными выходами и дообучения под конкретную предметную область — её можно быстро дообучить на одном GPU. Встроенный механизм отложенного поиска инструментов помогает работать с большими каталогами. Среди типовых задач — ответы на вопросы с опорой на поиск или извлечение данных, классификация клиентских запросов, извлечение информации из документов и маршрутизация обращений, а также специализированные ассистенты, дообученные на документах и форматах компании. Модель прошла пост-тренировку под агентные обвязки, включая Hermes Agent, Pi и OpenClaw; рассуждение включено по умолчанию, а параметр enable_thinking можно выставить в False для прямых ответов.

LFM3-1.7B превосходит предыдущую модель LFM2.5 с 2,6 млрд параметров, используя на 35% меньше параметров. В агентных оценках она расходовала на 58% меньше токенов на задачу и застревала менее чем в 1% попыток против 15% у конкурирующей модели. При этом модель явно не рекомендуется для агентного программирования и сложных многошаговых рассуждений, а объём её мировых знаний уступает крупным системам — для вопросов, требующих знаний, её стоит сочетать с поиском или извлечением. Модель поставляется в шести форматах, включая GGUF, MLX, ONNX, BF16, FP8 и NVFP4, и распространяется по собственной лицензии LFM Open License v1.0.

Обновлено:

MODEL ID

lfm-3-1.7b
Контекст
262.144K
Макс. вывод
8.192K
Рекомендуемый API
messages
Вход
text
Выход
text

Ключевые возможности

  • 1,73 млрд параметров, около 1 ГБ при 4-битном квантовании
  • Контекст 256K токенов на вход и выход
  • Три-гибридная архитектура из 24 слоёв
  • Словарь128 000 токенов на 16 языках
  • Обучение на 22 трлн токенов
  • Шесть форматов, включая GGUF, MLX и ONNX

Поставщики

1 поставщиков

Сравните цены API у разных поставщиков. Выберите поставщика, чтобы посмотреть все тарифы и условия.

Поставщик · Подробности оплаты
Доступность
$0.08$0.2$0.02

Сколько дают $10

Вход
125 млн токенов
Выход
50 млн токенов

Оценка по текущим ценам входа и выхода, без учёта скидок.

Рассуждения

Всегда включены
Да

Quick Start

Готовый код для вызова этой модели через compatible APIs Felo API Platform. Используйте Playground, чтобы проверить prompts до написания кода.

1

Добавьте API key

Создайте key в аккаунте Felo API Platform и задайте его как environment variable.

export FELO_API_KEY="YOUR_API_KEY"
2

Первый запрос

Используйте этот model ID с endpoint Felo API Platform. Дополнительные request headers, например X-Request-Id, помогают troubleshooting.

lfm-3-1.7b

Эта модель поддерживает reasoning. Если выбранный protocol и model route дают reasoning controls, сохраняйте returned reasoning metadata при продолжении conversation.

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());

Сторонние SDK

В compatible SDK установите baseURL на https://openapi.felo.ai/api/v1. Для Claude-style clients используйте Anthropic-compatible base URL. https://openapi.felo.ai/api.

3

Включить streaming

Добавьте stream: true, чтобы получать responses как 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 предоставляет compatible model-calling surfaces. Выберите surface, который уже поддерживает ваше app или agent client.

SurfaceMethodURL

Messages

Anthropic-compatible messages for Claude-style clients.

POST

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

Parameters

ИмяТипПо умолчаниюОписание
modelstringlfm-3-1.7bПубличный model ID для вызова.
max_tokensinteger—Максимальное число generated tokens.
messagesarray—Сообщения conversation для Chat Completions.
seed———
stop———
min_p———
toolsarray—Tool calling definitions по compatible schema.
top_k———
top_p———
logprobs———
reasoning———
temperaturenumber—Управляет вариативностью ответа, если поддерживается.
tool_choicestring or object—Управляет тем, нужно ли вызвать tool.
top_logprobs———
response_formatobject—Запрашивает structured output, если поддерживается.
presence_penalty———
frequency_penalty———
include_reasoning———
repetition_penalty———
structured_outputs———
max_completion_tokens———

Частые вопросы

О модели LFM3-1.7B?

LFM3-1.7B — модель от Liquid AI, выпущенная 27 октября 2026 года. Она принимает и выдаёт только текст, а её контекстное окно в 256K токенов покрывает и вход, и выход. Модель построена на три-гибридной архитектуре из 24 слоёв: 13 стробированных коротких свёрток, 5 слоёв скользящего внимания и 6 слоёв глобального внимания. Словарь на 128 000 токенов охватывает 16 языков, а обучение прошло на 22 триллионах токенов — соотношение токенов к параметрам около 12 717 раз. При 4-битном квантовании модель занимает примерно 1 ГБ памяти и работает локально на телефонах и ноутбуках без выделенного GPU. Модель хорошо подходит для локальных агентов, вызова инструментов со структурированными выходами и дообучения под конкретную предметную область — её можно быстро дообучить на одном GPU. Встроенный механизм отложенного поиска инструментов помогает работать с большими каталогами. Среди типовых задач — ответы на вопросы с опорой на поиск или извлечение данных, классификация клиентских запросов, извлечение информации из документов и маршрутизация обращений, а также специализированные ассистенты, дообученные на документах и форматах компании. Модель прошла пост-тренировку под агентные обвязки, включая Hermes Agent, Pi и OpenClaw; рассуждение включено по умолчанию, а параметр enable_thinking можно выставить в False для прямых ответов. LFM3-1.7B превосходит предыдущую модель LFM2.5 с 2,6 млрд параметров, используя на 35% меньше параметров. В агентных оценках она расходовала на 58% меньше токенов на задачу и застревала менее чем в 1% попыток против 15% у конкурирующей модели. При этом модель явно не рекомендуется для агентного программирования и сложных многошаговых рассуждений, а объём её мировых знаний уступает крупным системам — для вопросов, требующих знаний, её стоит сочетать с поиском или извлечением. Модель поставляется в шести форматах, включая GGUF, MLX, ONNX, BF16, FP8 и NVFP4, и распространяется по собственной лицензии LFM Open License v1.0.

Как рассчитывается стоимость?

Стоимость зависит от выбранного поставщика, его цен и вашего использования. Для длинных запросов могут действовать другие цены — смотрите подробности.

Какие типы входных и выходных данных поддерживает модель?

Модель работает только с текстом: текстовый ввод и текстовый вывод. Другие модальности для неё не заявлены.

Какое контекстное окно у LFM3-1.7B?

Контекстное окно составляет 256K токенов и покрывает как вход, так и выход. Для модели такого размера это необычно большой показатель.

Для каких задач модель не рекомендуется?

Liquid AI явно не рекомендует её для агентного программирования и сложных многошаговых рассуждений, включая автономных агентов разработки ПО и длинные цепочки логического вывода.

Как включить или отключить рассуждение?

Рассуждение включено по умолчанию. Чтобы получить прямые ответы, параметр enable_thinking можно выставить в False. Рассуждения из прошлых ходов удаляются, если не задан preserve_thinking со значением True.

Можно ли запустить модель локально?

Да, модель работает локально на телефонах и ноутбуках без выделенного GPU. При 4-битном квантовании она занимает примерно 1 ГБ памяти, а дообучить её можно быстро на одном GPU.

В каких форматах доступна модель?

Поставляется шесть форматов: GGUF, MLX, ONNX, BF16, FP8 и NVFP4. Сборка Q4_0 в репозитории GGUF является контрольной точкой Quantization-Aware Distillation.

Связанные модели