Usamos cookies. Cookies e o armazenamento do navegador mantêm você conectado e lembram suas preferências. Com sua permissão, também medimos como o site é usado. Você pode a qualquer momento. Veja nossa política de cookies.
liquid/lfm-3-1.7bUsa o seu saldo, aos preços acima. Novas contas começam com uso grátis.
Configurações
LiquidAI: LFM3-1.7B é um modelo de texto da LiquidAI. É um modelo compacto com 1,7 bilhão de parâmetros, posicionado por seu provedor como uma opção pequena, mas capaz, para trabalho de geração de texto. Foi lançado pelo provedor em 6 de novembro de 2026. O modelo é pós-treinado para agentes, chamada de ferramentas e saídas estruturadas, e ele raciocina antes de responder.
O modelo aceita texto como entrada e retorna texto como saída, portanto, se encaixa em pipelines apenas de texto. Sua janela de contexto é de 262.144 tokens, o que é grande o suficiente para conter documentos longos, conversas estendidas ou arquivos de código de tamanho considerável em uma única solicitação. O máximo de saída é de 8.192 tokens, então as respostas são limitadas mesmo quando a entrada é muito longa. Como ele raciocina antes de responder, ele pode resolver um problema passo a passo antes de produzir sua resposta final.
Essas capacidades apontam para alguns usos práticos. O contexto longo se adequa a tarefas que precisam de muitos documentos ou de um histórico longo visível de uma só vez, como resumir um arquivo grande, responder a perguntas sobre uma transcrição longa ou trabalhar em toda uma base de código. A chamada de ferramentas e as saídas estruturadas o tornam uma opção razoável para fluxos de trabalho de agentes onde o modelo deve decidir qual função chamar e retornar dados em uma forma fixa. O passo de raciocínio ajuda em tarefas que se beneficiam de pensamento intermediário, como análise em múltiplos passos ou planejamento. Seu tamanho pequeno também o torna um candidato onde um modelo compacto é preferido a um maior.
Você chama o modelo através da API compatível com OpenAI da api14 usando o model id "liquid/lfm-3-1.7b". Como a API segue o formato da OpenAI, você pode apontar um cliente OpenAI existente para a api14 e passar esse id no campo model. O modelo suporta um amplo conjunto de parâmetros de solicitação: frequency_penalty, presence_penalty, repetition_penalty, temperature, top_p, top_k e min_p para controle de amostragem; max_tokens e max_completion_tokens para o comprimento da saída; stop para sequências de parada; seed para amostragem reprodutível; logprobs e top_logprobs para probabilidades em nível de token; response_format e structured_outputs para respostas estruturadas; tools e tool_choice para chamada de função; reasoning e include_reasoning para o comportamento de raciocínio; e frequency_penalty juntamente com os outros penalidades já listados.
Uma coisa a ponderar é o tratamento de dados. Prompts e saídas podem ser retidos e usados, então se sua carga de trabalho envolver conteúdo sensível ou regulamentado, essa política importa ao decidir se este modelo é apropriado. O limite de saída de 8.192 tokens também vale a pena ser notado para tarefas que necessitam de respostas únicas muito longas. Para geração de texto direta, leitura de contexto longo e uso de ferramentas no estilo agente, o modelo cobre o essencial através de uma interface padrão compatível com OpenAI.
Esta comunidade ainda não tem tópicos. Abra o primeiro 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