Usamos cookies. Las cookies y el almacenamiento del navegador mantienen tu sesión iniciada y recuerdan tus preferencias. Con tu permiso, también medimos cómo se usa el sitio. Puedes en cualquier momento. Consulta nuestra política de cookies.
liquid/lfm-3-1.7bSe ejecuta con tu saldo a los precios indicados arriba. Las cuentas nuevas empiezan con uso gratuito.
Configuración
LiquidAI: LFM3-1.7B es un modelo de texto de LiquidAI. Es un modelo compacto con 1.7 mil millones de parámetros, posicionado por su proveedor como una opción pequeña pero capaz para trabajo de generación de texto. Fue lanzado por el proveedor el 6 de noviembre de 2026. El modelo está post-entrenado para agentes, llamada a herramientas y salidas estructuradas, y razona antes de responder.
El modelo acepta texto como entrada y devuelve texto como salida, por lo que encaja en pipelines de solo texto. Su ventana de contexto es de 262,144 tokens, lo suficientemente grande como para contener documentos largos, conversaciones extendidas o archivos de código considerables en una sola solicitud. La salida máxima es de 8,192 tokens, por lo que las respuestas están acotadas incluso cuando la entrada es muy larga. Debido a que razona antes de responder, puede trabajar en un problema paso a paso antes de producir su respuesta final.
Esas capacidades apuntan a algunos usos prácticos. El contexto largo se adapta a tareas que necesitan muchos documentos o un historial extenso a la vista a la vez, como resumir un archivo grande, responder preguntas sobre una transcripción larga o trabajar en todo un código base. La llamada a herramientas y las salidas estructuradas lo hacen una opción razonable para flujos de trabajo de agentes donde el modelo debe decidir qué función llamar y devolver datos en una forma fija. El paso de razonamiento ayuda en tareas que se benefician del pensamiento intermedio, como el análisis de varios pasos o la planificación. Su tamaño pequeño también lo convierte en candidato donde se prefiere un modelo compacto sobre uno más grande.
Se llama al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "liquid/lfm-3-1.7b". Debido a que la API sigue el formato de OpenAI, se puede apuntar un cliente de OpenAI existente a api14 y pasar ese id en el campo model. El modelo admite un amplio conjunto de parámetros de solicitud: frequency_penalty, presence_penalty, repetition_penalty, temperature, top_p, top_k y min_p para el control de muestreo; max_tokens y max_completion_tokens para la longitud de salida; stop para secuencias de parada; seed para muestreo reproducible; logprobs y top_logprobs para probabilidades a nivel de token; response_format y structured_outputs para respuestas estructuradas; tools y tool_choice para llamada a funciones; reasoning e include_reasoning para el comportamiento de razonamiento; y frequency_penalty junto con las otras penalizaciones ya listadas.
Un aspecto a considerar es el manejo de datos. Los prompts y las salidas pueden conservarse y usarse, así que si su carga de trabajo implica contenido sensible o regulado, esa política importa al decidir si este modelo es apropiado. El límite de salida de 8,192 tokens también vale la pena notar para tareas que necesitan respuestas únicas muy largas. Para la generación de texto sencilla, la lectura de contexto largo y el uso de herramientas al estilo de agentes, el modelo cubre lo esencial a través de una interfaz estándar compatible con OpenAI.
Esta comunidad aún no tiene temas. Abre el primero sobre 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