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.
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
Порівняйте ціни API у різних постачальників. Виберіть постачальника, щоб переглянути всі тарифи й умови.
| Доступність | |||
|---|---|---|---|
| $0 | $0 |
Історична статистика не є перевіркою наживо. Відсутність даних не означає збій.
Бенчмарки
- 45.60
LiveClaw
балів; LFM2.5-2.6B набрала 14.70
- 38.42
WebArena-Verified
балів; LFM2.5-2.6B набрала 3.02; Qwen3.5-9B набрала 28.94
- 71.39
BFCL V4
балів; використання інструментів
- 80.36
ToolSandbox
балів
- 73.46
LiveCodeBench v6
балів
- 43.40
SWE-bench Verified
балів
- 96.66
IFEval
балів
- 63.37
GPQA Diamond
балів
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.
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"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:freeЦя 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.
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.
Messages
Повідомлення, сумісні з Anthropic, для клієнтів у стилі Claude.
POST
https://openapi.felo.ai/api/v1/messagesПараметри
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.