Felo API PlatformFelo API Platform
返回模型列表
LiquidAImessages

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

1 個供應商

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。

供應商 · 計費明細
可用率
$0$0

基準測試

  • LiveClaw

    分;LFM2.5-2.6B 為 14.70 分

    45.60
  • WebArena-Verified

    分;LFM2.5-2.6B 為 3.02 分,Qwen3.5-9B 為 28.94 分

    38.42
  • BFCL V4

    分;工具使用

    71.39
  • ToolSandbox

    分

    80.36
  • LiveCodeBench v6

    分

    73.46
  • SWE-bench Verified

    分

    43.40
  • IFEval

    分

    96.66
  • GPQA Diamond

    分

    63.37

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

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

從 Felo API Platform 帳戶建立 key,並設定為環境變數。

export FELO_API_KEY="YOUR_API_KEY"
2

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.

3

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。

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-3-1.7b: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。

相關模型