Felo API PlatformFelo API Platform
返回模型列表
LiquidAImessages

LFM3-1.7B API

Liquid AI 推出的 LFM3-1.7B 是 17.3 亿参数的小型文本模型,可在手机与笔记本本地运行,支持结构化工具调用与 256K 上下文。

LFM3-1.7B 是 Liquid AI 于 2026 年 10 月 27 日发布的小型文本模型,参数量为 17.3 亿,采用三混合架构:24 层中混合了 13 层门控短卷积、5 层滑动窗口注意力和 6 层全局注意力。它使用 128,000 token 的词表,覆盖 16 种语言,训练数据量为 22 万亿 token,约为参数量的 12,717 倍。4 位量化后占用约 1GB 内存,无需独立显卡即可在手机和笔记本上本地运行。

模型内置结构化工具调用能力,并提供延迟工具搜索机制以应对大型工具目录;针对 Hermes Agent、Pi、OpenClaw 等智能体框架做了后训练。推理默认开启,可将 enable_thinking 设为 False 以获得直接回答。输入输出合计支持 256K token 上下文,这一规模在同尺寸模型中较为少见;同时它可在单张 GPU 上快速微调。

它适合在本地运行的智能体、结构化输出的工具调用、领域微调、配合检索的问答,以及客户请求分类、文档信息抽取和工单路由等任务。官方明确不推荐将其用于智能体编程或复杂多步推理,也不适合自主软件工程智能体和长链条逻辑推演;世界知识储备不及更大模型,知识密集型问题建议搭配检索或搜索使用。

更新时间:

模型 ID

lfm-3-1.7b
上下文
262.144K
最大输出
8.192K
推荐 API
messages
输入
text
输出
text

核心要点

  • 17.3 亿参数,4 位量化约 1GB 内存
  • 三混合架构,24 层三种层型混合
  • 256K token 上下文,同尺寸中少见
  • 内置结构化工具调用与延迟工具搜索
  • 可在手机和笔记本本地运行
  • 提供 GGUF、MLX、ONNX 等六种格式

供应商

1 个供应商

比较不同供应商的调用价格,点击供应商可查看完整费用和适用条件。

供应商 · 计费明细
可用率
$0.08$0.2$0.02

10 美元能买多少 token

输入
1.3亿 tokens
输出
5000万 tokens

按当前输入与输出单价估算,未计入折扣。

推理能力

始终启用
是

快速开始

直接复制代码,通过 Felo API Platform 兼容 API 调用该模型。写代码前可先在 Playground 测试提示词。

1

填入 API key

从 Felo API Platform 账户创建 key,并设置为环境变量。

export FELO_API_KEY="YOUR_API_KEY"
2

发起第一次请求

使用该模型 ID 调用 Felo API Platform endpoint。可选请求头如 X-Request-Id 能帮助排查问题。

lfm-3-1.7b

该模型支持推理。如果所选协议和模型路由暴露推理控制,请在继续对话时保留返回的推理元数据。

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());

使用第三方 SDK

兼容 SDK 只需把 baseURL 设置为 https://openapi.felo.ai/api/v1. Claude 风格客户端使用 Anthropic-compatible base URL。 https://openapi.felo.ai/api.

3

启用流式输出

加入 stream: true,即可以 server-sent events 接收响应。

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 提供兼容的模型调用入口。选择你的应用或 Agent 客户端已经支持的接口即可。

SurfaceMethodURL

Messages

Anthropic-compatible messages for Claude-style clients.

POST

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

参数

名称类型默认值说明
modelstringlfm-3-1.7bPublic model ID to call.
max_tokensinteger—Maximum generated tokens.
messagesarray—Conversation messages for Chat Completions.
seed———
stop———
min_p———
toolsarray—Tool calling definitions following compatible schema.
top_k———
top_p———
logprobs———
reasoning———
temperaturenumber—Controls response variety when supported.
tool_choicestring or object—Controls whether a tool should be called.
top_logprobs———
response_formatobject—Request structured output when supported.
presence_penalty———
frequency_penalty———
include_reasoning———
repetition_penalty———
structured_outputs———
max_completion_tokens———

常见问题

什么是 LFM3-1.7B?

LFM3-1.7B 是 Liquid AI 于 2026 年 10 月 27 日发布的小型文本模型,参数量为 17.3 亿,采用三混合架构:24 层中混合了 13 层门控短卷积、5 层滑动窗口注意力和 6 层全局注意力。它使用 128,000 token 的词表,覆盖 16 种语言,训练数据量为 22 万亿 token,约为参数量的 12,717 倍。4 位量化后占用约 1GB 内存,无需独立显卡即可在手机和笔记本上本地运行。 模型内置结构化工具调用能力,并提供延迟工具搜索机制以应对大型工具目录;针对 Hermes Agent、Pi、OpenClaw 等智能体框架做了后训练。推理默认开启,可将 enable_thinking 设为 False 以获得直接回答。输入输出合计支持 256K token 上下文,这一规模在同尺寸模型中较为少见;同时它可在单张 GPU 上快速微调。 它适合在本地运行的智能体、结构化输出的工具调用、领域微调、配合检索的问答,以及客户请求分类、文档信息抽取和工单路由等任务。官方明确不推荐将其用于智能体编程或复杂多步推理,也不适合自主软件工程智能体和长链条逻辑推演;世界知识储备不及更大模型,知识密集型问题建议搭配检索或搜索使用。

如何计算调用费用?

费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格,详见计费明细。

LFM3-1.7B 支持哪些输入输出形式?

它只处理文本,输入和输出均为文本,不支持图像或音频。

上下文长度是多少?

上下文窗口为 256K token,输入与输出合计计算。

它适合做智能体编程吗?

不适合。官方明确不推荐将其用于智能体编程或复杂多步推理,自主软件工程智能体和长链条逻辑推演也不在适用范围内。

如何关闭默认开启的推理?

将 enable_thinking 设为 False 即可获得直接回答。默认情况下推理处于开启状态。

它有哪些可用的模型格式?

提供 GGUF、MLX、ONNX、BF16、FP8 和 NVFP4 共六种格式。其中 GGUF 仓库中的 Q4_0 版本是量化感知蒸馏检查点。

与同系列模型相比有什么区别?

它属于 LFM3 系列,该系列还包含 base、文本、视觉、音频、omni 与决策等变体。LFM3-1.7B 在参数量比上一代 2.6B 的 LFM2.5 少 35% 的情况下表现更优。

相关模型