LFM3-1.7B (free) API
LFM3-1.7B от Liquid AI — компактная открытая текстая модель с контекстом 256K токенов, поддержкой вызова инструментов и 16 языков, включая русский.
LFM3-1.7B — текстовая языковая модель с открытыми весами от Liquid AI, выпущенная 27 октября 2026 года. Она построена на новой три-гибридной архитектуре: 13 слоёв стробированной короткой свёртки, 5 слоёв скользящего окна внимания и 6 слоёв глобального внимания. Модель содержит около 1,73 млрд параметров и 24 слоя, словарь насчитывает 128 000 токенов. Контекстное окно составляет 256K токенов и охватывает вход и выход вместе.
Модель поддерживает вызов инструментов и структурированные выводы, а также 16 языков: английский, арабский, китайский, французский, немецкий, итальянский, японский, корейский, португальский, испанский, вьетнамский, тайский, индонезийский, хинди, русский и польский. Она ориентирована на локальных агентов и прикладные задачи конкретных предметных областей, прошла постобучение под агентные среды Hermes Agent, Pi и OpenClaw и запускается через Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX и ONNX Runtime; доступны форматы BF16, FP8, NVFP4, GGUF, MLX и ONNX.
Лучше всего модель подходит для выбора инструментов, извлечения структурированного JSON, ответов по найденным документам и дообучения под узкую область. Для задач, требующих больших знаний, рекомендуется использовать поиск или генерацию с опорой на найденные документы. Производитель не рекомендует модель для агентного программирования и сложных многошаговых рассуждений. В 4-битном квантованном виде веса занимают около 1 ГБ памяти, а кэш при контексте 128K токенов — около 1,6 ГБ.
Обновлено:
MODEL ID
lfm-3-1.7b:free- Контекст
- 262.144K
- Макс. вывод
- 8.192K
- Рекомендуемый API
- messages
- Вход
- text
- Выход
- text
Ключевые возможности
- Контекст 256K токенов
- Около 1,73 млрд параметров и 24 слоя
- Вызов инструментов и структурированный вывод
- 16 языков, включая русский
- Около 1 ГБ памяти в 4-битном кванте
- Запуск на Transformers, vLLM, Ollama и других
Поставщики
Сравните цены API у разных поставщиков. Выберите поставщика, чтобы посмотреть все тарифы и условия.
| Доступность | |||
|---|---|---|---|
| $0 | $0 |
Историческая статистика не является проверкой в реальном времени. Отсутствие данных не означает сбой.
Бенчмарки
- 45.60
LiveClaw
баллов; LFM2.5-2.6B набрала 14.70
- 38.42
WebArena-Verified
баллов; LFM2.5-2.6B набрала 3.02, Qwen3.5-9B — 28.94
- 71.39
BFCL V4
баллов; использование инструментов
- 80.36
ToolSandbox
баллов
- 73.46
LiveCodeBench v6
баллов
- 43.40
SWE-bench Verified
баллов
- 96.66
IFEval
баллов
- 63.37
GPQA Diamond
баллов
Результаты опубликованы производителем модели.
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.
Добавьте API key
Создайте key в аккаунте Felo API Platform и задайте его как environment variable.
export FELO_API_KEY="YOUR_API_KEY"Первый запрос
Используйте этот model ID с endpoint Felo API Platform. Дополнительные request headers, например X-Request-Id, помогают troubleshooting.
lfm-3-1.7b:freeЭта 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:free",
"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.
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:free",
"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.
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messagesParameters
modelstringlfm-3-1.7b:freeПубличный 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 (free)?
LFM3-1.7B — текстовая языковая модель с открытыми весами от Liquid AI, выпущенная 27 октября 2026 года. Она построена на новой три-гибридной архитектуре: 13 слоёв стробированной короткой свёртки, 5 слоёв скользящего окна внимания и 6 слоёв глобального внимания. Модель содержит около 1,73 млрд параметров и 24 слоя, словарь насчитывает 128 000 токенов. Контекстное окно составляет 256K токенов и охватывает вход и выход вместе. Модель поддерживает вызов инструментов и структурированные выводы, а также 16 языков: английский, арабский, китайский, французский, немецкий, итальянский, японский, корейский, португальский, испанский, вьетнамский, тайский, индонезийский, хинди, русский и польский. Она ориентирована на локальных агентов и прикладные задачи конкретных предметных областей, прошла постобучение под агентные среды Hermes Agent, Pi и OpenClaw и запускается через Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX и ONNX Runtime; доступны форматы BF16, FP8, NVFP4, GGUF, MLX и ONNX. Лучше всего модель подходит для выбора инструментов, извлечения структурированного JSON, ответов по найденным документам и дообучения под узкую область. Для задач, требующих больших знаний, рекомендуется использовать поиск или генерацию с опорой на найденные документы. Производитель не рекомендует модель для агентного программирования и сложных многошаговых рассуждений. В 4-битном квантованном виде веса занимают около 1 ГБ памяти, а кэш при контексте 128K токенов — около 1,6 ГБ.
Как рассчитывается стоимость?
Стоимость зависит от выбранного поставщика, его цен и вашего использования. Для длинных запросов могут действовать другие цены — смотрите подробности.
Какие входы и выходы поддерживает модель?
Модель принимает только текст и выдаёт только текст. Другие модальности не поддерживаются.
Какое у модели контекстное окно?
Контекст составляет 256K токенов и учитывает вход и выход вместе.
На каких языках работает LFM3-1.7B?
Поддерживается 16 языков, включая русский, английский, немецкий, французский, испанский, китайский и японский.
Подходит ли модель для агентного программирования?
Производитель не рекомендует её для агентного программирования и сложных многошаговых рассуждений. Для задач с большим объёмом знаний рекомендуется поиск или генерация с опорой на документы.
Чем LFM3-1.7B отличается от LFM2.5-2.6B?
LFM3-1.7B превосходит LFM2.5-2.6B при на 35% меньшем числе параметров и работает примерно на 25% быстрее при контексте 8K токенов.
В каких средах можно запускать модель?
Поддерживаются Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX и ONNX Runtime, а также квантованные форматы BF16, FP8, NVFP4, GGUF, MLX и ONNX.