LFM3-1.7B (free) API
Liquid AI 推出的 1.7B 參數純文字開源權重模型,專為本地代理與工具呼叫設計。
LFM3-1.7B 是 Liquid AI 於 2026 年 10 月 27 日發布的純文字開源權重語言模型,擁有約 17.3 億參數與 24 層結構。它採用全新的三混合架構,由 13 層閘控短卷積、5 層滑動視窗注意力與 6 層全域注意力組成,詞彙表大小為 128,000 個 token。模型支援 16 種語言,包含英文、阿拉伯文、中文、法文、德文、義大利文、日文、韓文、葡萄牙文、西班牙文、越南文、泰文、印尼文、印地文、俄文與波蘭文。
此模型針對本地代理與特定領域應用打造,支援工具呼叫與結構化輸出,並在 Hermes Agent、Pi、OpenClaw 等代理框架上進行後訓練。輸入與輸出合計的上下文長度為 256K tokens。在 4 位元量化下約佔 1 GB 記憶體,於 128K token 上下文時快取約需 1.6 GB。它可在 Transformers、vLLM、SGLang、llama.cpp、Ollama、LM Studio、MLX 與 ONNX Runtime 上執行,並提供 BF16、FP8、NVFP4、GGUF、MLX 與 ONNX 量化格式。
適合的任務包括本地代理、工具呼叫、結構化 JSON 擷取、根據檢索文件回答問題、在手機應用程式的 108 項工具中選擇工具,以及學習新語言。官方不建議將它用於代理式程式開發或複雜的多步驟推理;知識密集型任務則建議搭配檢索或檢索增強生成。
更新時間:
模型 ID
lfm-3-1.7b:free- 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
- 約 17.3 億參數、24 層的純文字模型
- 三混合架構結合卷積與注意力層
- 256K tokens 輸入輸出合計上下文
- 支援工具呼叫與結構化輸出
- 4 位元量化下約佔 1 GB 記憶體
- 支援 16 種語言
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 | $0 |
歷史統計不等於即時健康檢查,缺少資料不代表服務中斷。
基準測試
- 45.60
LiveClaw
分;LFM2.5-2.6B 為 14.70 分
- 38.42
WebArena-Verified
分;LFM2.5-2.6B 為 3.02 分,Qwen3.5-9B 為 28.94 分
- 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
分數來自模型廠商公布的資料,未經獨立驗證。
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:free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: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.
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: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———常見問題
什麼是 LFM3-1.7B (free)?
LFM3-1.7B 是 Liquid AI 於 2026 年 10 月 27 日發布的純文字開源權重語言模型,擁有約 17.3 億參數與 24 層結構。它採用全新的三混合架構,由 13 層閘控短卷積、5 層滑動視窗注意力與 6 層全域注意力組成,詞彙表大小為 128,000 個 token。模型支援 16 種語言,包含英文、阿拉伯文、中文、法文、德文、義大利文、日文、韓文、葡萄牙文、西班牙文、越南文、泰文、印尼文、印地文、俄文與波蘭文。 此模型針對本地代理與特定領域應用打造,支援工具呼叫與結構化輸出,並在 Hermes Agent、Pi、OpenClaw 等代理框架上進行後訓練。輸入與輸出合計的上下文長度為 256K tokens。在 4 位元量化下約佔 1 GB 記憶體,於 128K token 上下文時快取約需 1.6 GB。它可在 Transformers、vLLM、SGLang、llama.cpp、Ollama、LM Studio、MLX 與 ONNX Runtime 上執行,並提供 BF16、FP8、NVFP4、GGUF、MLX 與 ONNX 量化格式。 適合的任務包括本地代理、工具呼叫、結構化 JSON 擷取、根據檢索文件回答問題、在手機應用程式的 108 項工具中選擇工具,以及學習新語言。官方不建議將它用於代理式程式開發或複雜的多步驟推理;知識密集型任務則建議搭配檢索或檢索增強生成。
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,屬於純文字模型。
上下文長度與輸出長度是多少?
輸入與輸出合計的上下文長度為 256K tokens;輸出長度上限未在資料中提供。
這個模型適合哪些任務?
適合本地代理、工具呼叫、結構化輸出、領域微調、結構化 JSON 擷取、根據檢索文件回答問題,以及在多工具環境中選擇工具。不建議用於代理式程式開發或複雜多步驟推理。
與同系列模型相比有什麼差別?
LFM3-1.7B 的參數比 LFM2.5-2.6B 少 35%,但在 LiveClaw 與 WebArena-Verified 等基準上表現更好,且在 8K token 上下文時執行速度約快 25%。另有 LFM3-1.7B-Base 為預訓練基礎版本。
支援哪些語言?
支援 16 種語言:英文、阿拉伯文、中文、法文、德文、義大利文、日文、韓文、葡萄牙文、西班牙文、越南文、泰文、印尼文、印地文、俄文與波蘭文。
可以在哪些執行環境中使用?
可在 Transformers、vLLM、SGLang、llama.cpp、Ollama、LM Studio、MLX 與 ONNX Runtime 上執行,並提供 BF16、FP8、NVFP4、GGUF、MLX 與 ONNX 量化格式。