LFM3-1.7B API
Liquid AI 推出的 1.73B 參數小型語言模型,具備 256K 上下文與內建工具呼叫,可在手機與筆電本機執行。
LFM3-1.7B 是 Liquid AI 於 2026 年 10 月 27 日發布的小型語言模型,僅有 1.73 億……更正:1.73 億?不對,是 1.73 billion parameters,即 17.3 億參數。以 4 位元量化後約佔 1GB 記憶體,無需獨立 GPU 即可在手機與筆電上本機執行。它採用三混合架構,24 層中混合 13 層閘控短卷積、5 層滑動視窗注意力與 6 層全域注意力,詞彙表涵蓋 16 種語言、共 128,000 個詞元,訓練資料量達 22 兆詞元。
模型支援文字輸入與文字輸出,上下文視窗為 256K 詞元,輸入與輸出共用同一額度。它內建結構化工具呼叫,並提供延遲工具搜尋機制以應對大型工具目錄;推理預設開啟,可將 enable_thinking 設為 False 以取得直接回答。官方針對 Hermes Agent、Pi、OpenClaw 等代理框架進行後訓練,也可在單張 GPU 上快速微調。
此模型適合在本機執行的代理、結構化輸出的工具呼叫、領域專屬微調、搭配檢索的問答,以及客服請求分類、文件資訊擷取與案件路由等任務。官方明確不建議用於代理式程式開發或複雜多步推理,也不適合自主軟體工程代理與長鏈邏輯推演;知識密集型問題建議搭配檢索或搜尋。模型以 LFM Open License v1.0 授權釋出,年營收超過 1,000 萬美元的企業需另行取得商業授權。
更新時間:
模型 ID
lfm-3-1.7b- 上下文
- 262.144K
- 最大輸出
- 8.192K
- 建議 API
- messages
- 輸入
- text
- 輸出
- text
核心要點
- 1.73B 參數,4 位元量化約 1GB 記憶體
- 256K 詞元上下文,輸入輸出共用
- 三混合架構,24 層混合卷積與注意力
- 內建結構化工具呼叫與延遲工具搜尋
- 詞彙表涵蓋 16 種語言、128,000 詞元
- 提供 GGUF、MLX、ONNX 等六種格式
供應商
比較不同供應商的呼叫價格,點擊供應商可查看完整費用和適用條件。
| 可用率 | ||||
|---|---|---|---|---|
| $0.08 | $0.2 | $0.02 |
歷史統計不等於即時健康檢查,缺少資料不代表服務中斷。
10 美元能買多少 token
- 輸入
- 1.3億 tokens
- 輸出
- 5000萬 tokens
依目前輸入與輸出單價估算,未計入折扣。
推理能力
- 始終啟用
- 是
填入 API key
從 Felo API Platform 帳戶建立 key,並設定為環境變數。
export FELO_API_KEY="YOUR_API_KEY"發出第一次請求
使用該模型 ID 呼叫 Felo API Platform endpoint。可選請求標頭如 X-Request-Id 能協助排查問題。
lfm-3-1.7b該模型支援推理。如果所選協議與模型路由提供推理控制,請在繼續對話時保留回傳的推理中繼資料。
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.
啟用串流輸出
加入 stream: true,即可以 server-sent events 接收回應。
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———常見問題
什麼是 LFM3-1.7B?
LFM3-1.7B 是 Liquid AI 於 2026 年 10 月 27 日發布的小型語言模型,僅有 1.73 億……更正:1.73 億?不對,是 1.73 billion parameters,即 17.3 億參數。以 4 位元量化後約佔 1GB 記憶體,無需獨立 GPU 即可在手機與筆電上本機執行。它採用三混合架構,24 層中混合 13 層閘控短卷積、5 層滑動視窗注意力與 6 層全域注意力,詞彙表涵蓋 16 種語言、共 128,000 個詞元,訓練資料量達 22 兆詞元。 模型支援文字輸入與文字輸出,上下文視窗為 256K 詞元,輸入與輸出共用同一額度。它內建結構化工具呼叫,並提供延遲工具搜尋機制以應對大型工具目錄;推理預設開啟,可將 enable_thinking 設為 False 以取得直接回答。官方針對 Hermes Agent、Pi、OpenClaw 等代理框架進行後訓練,也可在單張 GPU 上快速微調。 此模型適合在本機執行的代理、結構化輸出的工具呼叫、領域專屬微調、搭配檢索的問答,以及客服請求分類、文件資訊擷取與案件路由等任務。官方明確不建議用於代理式程式開發或複雜多步推理,也不適合自主軟體工程代理與長鏈邏輯推演;知識密集型問題建議搭配檢索或搜尋。模型以 LFM Open License v1.0 授權釋出,年營收超過 1,000 萬美元的企業需另行取得商業授權。
如何計算呼叫費用?
費用取決於你使用的供應商、對應價格和實際用量。長文字輸入等情況可能適用不同價格,詳見計費明細。
LFM3-1.7B 支援哪些輸入與輸出?
僅支援文字輸入與文字輸出,不包含影像或音訊模態。
上下文與輸出長度是多少?
上下文視窗為 256K 詞元,輸入與輸出共用此額度。
它適合哪些任務?
適合本機代理、結構化輸出的工具呼叫、領域專屬微調、檢索增強的問答,以及客服請求分類與文件資訊擷取等。官方不建議用於代理式程式開發或複雜多步推理。
推理功能可以關閉嗎?
可以,推理預設開啟,將 enable_thinking 設為 False 即可取得直接回答。
與同系列模型相比有何差別?
LFM3-1.7B 以更少參數超越前一代 2.6B 參數的 LFM2.5,屬於 LFM3 家族的一員;家族另含 base、text、vision、audio、omni 與 decision 等變體。
可以在哪些裝置上執行?
可在手機與筆電上本機執行,無需獨立 GPU;4 位元量化後約佔 1GB 記憶體。