LFM3-1.7B (free) API
Liquid AI 推出的 1.7B 参数纯文本开放权重模型,支持工具调用与结构化输出,适合本地智能体与领域微调。
LFM3-1.7B 是 Liquid AI 发布的纯文本开放权重语言模型,拥有约 1.73 亿亿参数和 24 层结构,采用三混合架构:13 层门控短卷积、5 层滑动窗口注意力和 6 层全局注意力。其上下文窗口达 256K tokens(输入与输出合计),词表大小为 128,000 tokens,支持英语、中文、法语、德语等 16 种语言,并具备工具调用与结构化输出能力。
该模型专为本地智能体和领域特定应用设计,后训练阶段针对 Hermes Agent、Pi 和 OpenClaw 等智能体框架进行了优化。它适合用于工具调用、结构化 JSON 提取、基于检索文档的问答、手机应用内 108 个工具的工具选择以及学习新语言等任务。在 4 位量化形式下,模型内存占用约 1 GB;在 128K tokens 上下文时缓存约 1.6 GB,明显低于 Qwen3.5-4B 的 4.3 GB。
需要留意的是,官方不建议将其用于智能体编程或复杂多步推理;知识密集型任务建议结合检索或检索增强生成。模型采用 LFM Open License v1.0,年收入达到 1000 万美元及以上的组织不得商用。推理时可运行于 Transformers、vLLM、SGLang、llama.cpp、Ollama、LM Studio、MLX 和 ONNX Runtime,并提供 BF16、FP8、NVFP4、GGUF、MLX 和 ONNX 量化格式。
更新时间:
模型 ID
lfm-3-1.7b:free- 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
- 1.7B 参数三混合架构
- 256K tokens 上下文窗口
- 支持工具调用与结构化输出
- 4 位量化内存占用约 1 GB
- 16 种语言支持
- 专为本地智能体优化
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 | $0 |
历史统计不等于实时健康检查,缺失数据不代表服务中断。
基准测试
- 45.60
LiveClaw
分;LFM2.5-2.6B 得分为 14.70
- 38.42
WebArena-Verified
分;LFM2.5-2.6B 得分为 3.02;Qwen3.5-9B 得分为 28.94
- 71.39
BFCL V4
分;工具使用
- 80.36
ToolSandbox
分
- 73.46
LiveCodeBench v6
分
- 43.40
SWE-bench Verified
分
- 96.66
IFEval
分
- 63.37
GPQA Diamond
分
分数来自模型厂商公布的数据,未独立验证。
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:free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:free",
"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:free",
"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-3-1.7b:freePublic 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 (free)?
LFM3-1.7B 是 Liquid AI 发布的纯文本开放权重语言模型,拥有约 1.73 亿亿参数和 24 层结构,采用三混合架构:13 层门控短卷积、5 层滑动窗口注意力和 6 层全局注意力。其上下文窗口达 256K tokens(输入与输出合计),词表大小为 128,000 tokens,支持英语、中文、法语、德语等 16 种语言,并具备工具调用与结构化输出能力。 该模型专为本地智能体和领域特定应用设计,后训练阶段针对 Hermes Agent、Pi 和 OpenClaw 等智能体框架进行了优化。它适合用于工具调用、结构化 JSON 提取、基于检索文档的问答、手机应用内 108 个工具的工具选择以及学习新语言等任务。在 4 位量化形式下,模型内存占用约 1 GB;在 128K tokens 上下文时缓存约 1.6 GB,明显低于 Qwen3.5-4B 的 4.3 GB。 需要留意的是,官方不建议将其用于智能体编程或复杂多步推理;知识密集型任务建议结合检索或检索增强生成。模型采用 LFM Open License v1.0,年收入达到 1000 万美元及以上的组织不得商用。推理时可运行于 Transformers、vLLM、SGLang、llama.cpp、Ollama、LM Studio、MLX 和 ONNX Runtime,并提供 BF16、FP8、NVFP4、GGUF、MLX 和 ONNX 量化格式。
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 支持哪些输入和输出?
该模型仅支持文本输入和文本输出,不支持图像或音频等多模态输入。
它的上下文长度和输出长度是多少?
上下文窗口为 256K tokens,输入与输出合计。资料未单独说明最大输出长度。
它适合哪些任务?
适合本地智能体、工具调用、结构化输出、结构化 JSON 提取、基于检索文档的问答、手机应用内工具选择以及学习新语言等任务。官方不建议用于智能体编程或复杂多步推理。
与同系列 LFM2.5-2.6B 相比有何不同?
LFM3-1.7B 参数比 LFM2.5-2.6B 少 35%,但在 LiveClaw 和 WebArena-Verified 基准上得分更高,且在 8K tokens 上下文时运行速度快约 25%。
可以在哪些推理框架上运行?
支持 Transformers、vLLM、SGLang、llama.cpp、Ollama、LM Studio、MLX 和 ONNX Runtime,并提供 BF16、FP8、NVFP4、GGUF、MLX 和 ONNX 量化格式。