Wir verwenden Cookies. Cookies und Browserspeicher halten Sie angemeldet und merken sich Ihre Einstellungen. Mit Ihrer Zustimmung messen wir außerdem, wie die Website genutzt wird. Sie können jederzeit . Siehe unsere Cookie-Richtlinie.
liquid/lfm-3-1.7bLäuft über Ihr Guthaben zu den oben genannten Preisen. Neue Konten starten mit kostenloser Nutzung.
Einstellungen
LiquidAI: LFM3-1.7B ist ein Textmodell von LiquidAI. Es ist ein kompaktes Modell mit 1,7 Milliarden Parametern, das von seinem Anbieter als kleine, aber leistungsfähige Option für Textgenerierungsaufgaben positioniert wird. Es wurde vom Anbieter am 6. November 2026 veröffentlicht. Das Modell ist für Agenten, Tool-Aufrufe und strukturierte Ausgaben nachtrainiert und denkt nach, bevor es antwortet.
Das Modell akzeptiert Text als Eingabe und gibt Text als Ausgabe zurück, passt also in reine Text-Pipelines. Sein Kontextfenster beträgt 262.144 Token, was groß genug ist, um lange Dokumente, ausgedehnte Gespräche oder umfangreiche Codedateien in einer einzigen Anfrage aufzunehmen. Die maximale Ausgabe beträgt 8.192 Token, sodass Antworten begrenzt bleiben, auch wenn die Eingabe sehr lang ist. Weil es nachdenkt, bevor es antwortet, kann es ein Problem Schritt für Schritt durcharbeiten, bevor es seine endgültige Antwort erzeugt.
Diese Fähigkeiten deuten auf einige praktische Einsatzmöglichkeiten hin. Der lange Kontext eignet sich für Aufgaben, die viele Dokumente oder eine lange Historie gleichzeitig im Blick benötigen, etwa das Zusammenfassen einer großen Datei, das Beantworten von Fragen über ein langes Transkript oder die Arbeit über eine gesamte Codebasis hinweg. Tool-Aufrufe und strukturierte Ausgaben machen es zu einer sinnvollen Wahl für Agenten-Workflows, bei denen das Modell entscheiden muss, welche Funktion aufgerufen wird, und Daten in einer festen Form zurückgeben muss. Der Reasoning-Schritt hilft bei Aufgaben, die von Zwischendenken profitieren, etwa mehrstufige Analyse oder Planung. Seine geringe Größe macht es zudem zu einem Kandidaten, wenn ein kompaktes Modell gegenüber einem größeren bevorzugt wird.
Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "liquid/lfm-3-1.7b" auf. Da die API dem OpenAI-Format folgt, können Sie einen vorhandenen OpenAI-Client auf api14 richten und diese ID im Feld model übergeben. Das Modell unterstützt eine breite Palette von Anfrageparametern: frequency_penalty, presence_penalty, repetition_penalty, temperature, top_p, top_k und min_p zur Steuerung des Samplings; max_tokens und max_completion_tokens für die Ausgabelänge; stop für Stoppsequenzen; seed für reproduzierbares Sampling; logprobs und top_logprobs für Wahrscheinlichkeiten auf Token-Ebene; response_format und structured_outputs für strukturierte Antworten; tools und tool_choice für Funktionsaufrufe; reasoning und include_reasoning für das Reasoning-Verhalten; sowie frequency_penalty neben den anderen bereits aufgeführten Penalties.
Ein Punkt, den man abwägen sollte, ist der Umgang mit Daten. Prompts und Ausgaben können gespeichert und verwendet werden. Wenn Ihre Workload sensible oder regulierte Inhalte umfasst, ist diese Richtlinie wichtig, wenn Sie entscheiden, ob dieses Modell geeignet ist. Die Obergrenze von 8.192 Token für die Ausgabe ist ebenfalls erwähnenswert für Aufgaben, die sehr lange einzelne Antworten benötigen. Für unkomplizierte Textgenerierung, das Lesen mit langem Kontext und agentenartige Tool-Nutzung deckt das Modell das Wesentliche über eine standardmäßige OpenAI-kompatible Schnittstelle ab.
In dieser Community gibt es noch keine Themen. Eröffnen Sie das erste zu LiquidAI: LFM3-1.7B.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "liquid/lfm-3-1.7b",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
frequency_penaltyinclude_reasoninglogprobsmax_completion_tokensmax_tokensmin_ppresence_penaltyreasoningrepetition_penaltyresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_ktop_logprobstop_p