Felo API PlatformFelo API Platform
Назад до моделей
LiquidAImessages

LFM3-1.7B (free) API

LFM3-1.7B від Liquid AI — це текстова модель з відкритими вагами на 1,73 млрд параметрів, створена для локальних агентів, виклику інструментів і структурованих виводів, з контекстом 256K токенів і підтримкою 16 мов.

LFM3-1.7B — це мовна модель з відкритими вагами, призначена для локальних агентів і доменних застосувань. Вона має близько 1,73 млрд параметрів і 24 шари, використовує нову три-гібридну архітектуру з 13 шарами шлюзованої короткої згортки, 5 шарами ковзного вікна уваги та 6 глобальними шарами уваги. Модель підтримує 16 мов: англійську, арабську, китайську, французьку, німецьку, італійську, японську, корейську, португальську, іспанську, в'єтнамську, тайську, індонезійську, гінді, російську та польську. Вона також підтримує виклик інструментів і структуровані виводи.

Модель добре підходить для локальних агентів, виклику інструментів, структурованого виводу, вилучення структурованого JSON, відповідей на основі знайдених документів, вибору інструментів у мобільному застосунку зі 108 інструментів, вивчення нових мов і донавчання під конкретну предметну область. Вона після тренування оптимізована для агентних середовищ, таких як Hermes Agent, Pi та OpenClaw. Запускається на Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX і ONNX Runtime, доступна у форматах квантизації BF16, FP8, NVFP4, GGUF, MLX і ONNX.

У 4-бітній квантизованій формі модель використовує близько 1 ГБ пам'яті, а на контексті 128K токенів — близько 1,6 ГБ кешу. Вона перевершує LFM2.5-2.6B, маючи на 35% менше параметрів, і працює приблизно на 25% швидше за LFM2.5-2.6B на контексті 8K токенів. Декодування відбувається у 1,8–2,8 раза швидше за наступну модель на трьох протестованих пристроях. Водночас модель не рекомендована для агентного кодування чи складних багатокрокових міркувань, а для завдань, що потребують знань, рекомендується пошук або RAG.

ОбмеженоБезкоштовний пробний період

Оновлено:

MODEL ID

lfm-3-1.7b:free
Контекст
262.144K
Макс. вихід
8.192K
Рекомендований API
messages
Вхід
text
Вихід
text

Ключові можливості

  • 1,73 млрд параметрів, 24 шари
  • Контекст 256K токенів
  • Підтримка 16 мов
  • Виклик інструментів і структуровані виводи
  • Близько 1 ГБ пам'яті в 4-бітній формі
  • Швидший за LFM2.5-2.6B на 25%

Постачальники

1 постачальників

Порівняйте ціни API у різних постачальників. Виберіть постачальника, щоб переглянути всі тарифи й умови.

Постачальник · Деталі тарифів
Доступність
$0$0

Бенчмарки

  • LiveClaw

    балів; LFM2.5-2.6B набрала 14.70

    45.60
  • WebArena-Verified

    балів; LFM2.5-2.6B набрала 3.02; Qwen3.5-9B набрала 28.94

    38.42
  • BFCL V4

    балів; використання інструментів

    71.39
  • ToolSandbox

    балів

    80.36
  • LiveCodeBench v6

    балів

    73.46
  • SWE-bench Verified

    балів

    43.40
  • IFEval

    балів

    96.66
  • GPQA Diamond

    балів

    63.37

Результати за публікацією постачальника моделі.

Міркування

Завжди ввімкнено
Так

Швидкий старт

Готовий код для виклику цієї моделі через сумісні API Felo API Platform. Почніть у Playground, якщо хочете перевірити промпти перед написанням коду.

1

Отримайте API-ключ

Створіть ключ у своєму обліковому записі Felo API Platform і встановіть його як змінну середовища.

export FELO_API_KEY="YOUR_API_KEY"
2

Зробіть перший запит

Використовуйте цей ідентифікатор моделі з endpoint Felo API Platform. Необов'язкові заголовки запиту, як-от X-Request-Id, можуть допомогти з діагностикою.

lfm-3-1.7b:free

Ця модель підтримує міркування. Якщо вибраний протокол і маршрут моделі надають елементи керування міркуванням, зберігайте повернені метадані міркування під час продовження розмови.

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());

Використання сторонніх SDK

Використовуйте сумісні SDK, встановивши baseURL на https://openapi.felo.ai/api/v1. Для клієнтів у стилі Claude використовуйте базовий URL, сумісний з Anthropic. https://openapi.felo.ai/api.

3

Увімкніть стрімінг

Додайте stream: true, щоб отримувати відповіді як 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 надає сумісні поверхні виклику моделей. Виберіть ту, яку ваш застосунок або клієнт-агент уже підтримує.

ПоверхняМетодURL

Messages

Повідомлення, сумісні з Anthropic, для клієнтів у стилі Claude.

POST

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

Параметри

НазваТипЗа замовчуваннямОпис
modelstringlfm-3-1.7b:freeПублічний ідентифікатор моделі для виклику.
max_tokensinteger—Максимальна кількість згенерованих токенів.
messagesarray—Повідомлення розмови для Chat Completions.
seed———
stop———
min_p———
toolsarray—Визначення виклику інструментів за сумісною схемою.
top_k———
top_p———
logprobs———
reasoning———
temperaturenumber—Керує різноманітністю відповідей, якщо підтримується.
tool_choicestring or object—Керує тим, чи слід викликати інструмент.
top_logprobs———
response_formatobject—Запитує структурований вихід, якщо підтримується.
presence_penalty———
frequency_penalty———
include_reasoning———
repetition_penalty———
structured_outputs———
max_completion_tokens———

Часті запитання

Що таке LFM3-1.7B (free)?

LFM3-1.7B — це мовна модель з відкритими вагами, призначена для локальних агентів і доменних застосувань. Вона має близько 1,73 млрд параметрів і 24 шари, використовує нову три-гібридну архітектуру з 13 шарами шлюзованої короткої згортки, 5 шарами ковзного вікна уваги та 6 глобальними шарами уваги. Модель підтримує 16 мов: англійську, арабську, китайську, французьку, німецьку, італійську, японську, корейську, португальську, іспанську, в'єтнамську, тайську, індонезійську, гінді, російську та польську. Вона також підтримує виклик інструментів і структуровані виводи. Модель добре підходить для локальних агентів, виклику інструментів, структурованого виводу, вилучення структурованого JSON, відповідей на основі знайдених документів, вибору інструментів у мобільному застосунку зі 108 інструментів, вивчення нових мов і донавчання під конкретну предметну область. Вона після тренування оптимізована для агентних середовищ, таких як Hermes Agent, Pi та OpenClaw. Запускається на Transformers, vLLM, SGLang, llama.cpp, Ollama, LM Studio, MLX і ONNX Runtime, доступна у форматах квантизації BF16, FP8, NVFP4, GGUF, MLX і ONNX. У 4-бітній квантизованій формі модель використовує близько 1 ГБ пам'яті, а на контексті 128K токенів — близько 1,6 ГБ кешу. Вона перевершує LFM2.5-2.6B, маючи на 35% менше параметрів, і працює приблизно на 25% швидше за LFM2.5-2.6B на контексті 8K токенів. Декодування відбувається у 1,8–2,8 раза швидше за наступну модель на трьох протестованих пристроях. Водночас модель не рекомендована для агентного кодування чи складних багатокрокових міркувань, а для завдань, що потребують знань, рекомендується пошук або RAG.

Як нараховується оплата за використання?

Рахунок залежить від обраного постачальника, його цін і вашого використання. Довші вхідні дані або інші умови можуть мати інші ціни.

Які модальності підтримує LFM3-1.7B?

Модель працює лише з текстом: приймає текстові запити та повертає текстові відповіді.

Який розмір контексту та обмеження на вивід?

Контекст становить 256K токенів, причому це спільний ліміт для вхідних і вихідних токенів. Окремого обмеження на довжину виводу в документації не вказано.

Для яких завдань найкраще підходить LFM3-1.7B?

Модель оптимізована для локальних агентів, виклику інструментів, структурованих виводів і доменних застосунків. Вона також добре працює з вилученням JSON і відповідями на основі знайдених документів.

Чим LFM3-1.7B відрізняється від LFM2.5-2.6B?

LFM3-1.7B має на 35% менше параметрів, ніж LFM2.5-2.6B, але перевершує її за результатами. Крім того, вона працює приблизно на 25% швидше на контексті 8K токенів.

Чи можна використовувати LFM3-1.7B для комерційних цілей?

Ліцензія LFM Open License v1.0 не дозволяє комерційне використання організаціям з річним доходом від 10 мільйонів доларів США або більше.

Схожі моделі