Nous utilisons des cookies. Les cookies et le stockage du navigateur vous gardent connecté et mémorisent vos préférences. Avec votre accord, nous mesurons aussi l’utilisation du site. Vous pouvez à tout moment. Consultez notre politique relative aux cookies.
liquid/lfm-3-1.7bUtilise votre solde aux prix indiqués ci-dessus. Les nouveaux comptes démarrent avec une consommation gratuite.
Paramètres
LiquidAI : LFM3-1.7B est un modèle de texte de LiquidAI. C'est un modèle compact de 1,7 milliard de paramètres, présenté par son fournisseur comme une option petite mais performante pour les tâches de génération de texte. Il a été publié par le fournisseur le 6 novembre 2026. Le modèle est post-entraîné pour les agents, l'appel d'outils et les sorties structurées, et il raisonne avant de répondre.
Le modèle accepte du texte en entrée et renvoie du texte en sortie, ce qui le destine aux pipelines texte uniquement. Sa fenêtre de contexte est de 262 144 tokens, suffisamment grande pour contenir de longs documents, des conversations étendues ou des fichiers de code volumineux en une seule requête. La sortie maximale est de 8 192 tokens, les réponses sont donc bornées même lorsque l'entrée est très longue. Comme il raisonne avant de répondre, il peut traiter un problème étape par étape avant de produire sa réponse finale.
Ces capacités ouvrent quelques usages pratiques. Le long contexte convient aux tâches qui nécessitent d'avoir de nombreux documents ou un long historique sous les yeux en même temps, comme résumer un gros fichier, répondre à des questions sur une longue transcription ou travailler sur l'ensemble d'une base de code. L'appel d'outils et les sorties structurées en font un choix raisonnable pour les workflows d'agents où le modèle doit décider quelle fonction appeler et renvoyer des données dans un format fixe. L'étape de raisonnement aide sur les tâches qui bénéficient d'une réflexion intermédiaire, comme l'analyse multi-étapes ou la planification. Sa petite taille en fait aussi un candidat lorsque l'on préfère un modèle compact à un modèle plus grand.
Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "liquid/lfm-3-1.7b". Comme l'API suit le format OpenAI, vous pouvez pointer un client OpenAI existant vers api14 et passer cet identifiant dans le champ model. Le modèle prend en charge un large ensemble de paramètres de requête : frequency_penalty, presence_penalty, repetition_penalty, temperature, top_p, top_k et min_p pour le contrôle de l'échantillonnage ; max_tokens et max_completion_tokens pour la longueur de sortie ; stop pour les séquences d'arrêt ; seed pour un échantillonnage reproductible ; logprobs et top_logprobs pour les probabilités au niveau des tokens ; response_format et structured_outputs pour les réponses structurées ; tools et tool_choice pour l'appel de fonctions ; reasoning et include_reasoning pour le comportement de raisonnement ; et frequency_penalty aux côtés des autres pénalités déjà listées.
Un point à peser est la gestion des données. Les prompts et les sorties peuvent être conservés et utilisés, donc si votre charge de travail implique du contenu sensible ou réglementé, cette politique compte pour décider si ce modèle est approprié. Le plafond de sortie de 8 192 tokens mérite aussi d'être noté pour les tâches qui nécessitent de très longues réponses uniques. Pour la génération de texte simple, la lecture à long contexte et l'usage d'outils de type agent, le modèle couvre l'essentiel via une interface standard compatible OpenAI.
Cette communauté n’a encore aucun sujet. Ouvrez le premier sur 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