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
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。
| 可用率 | ||||
|---|---|---|---|---|
| $0.08 | $0.2 | $0.02 |
历史统计不等于实时健康检查,缺失数据不代表服务中断。
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
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"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.
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。
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messages参数
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。