Vi använder cookies. Cookies och webbläsarlagring håller dig inloggad och kommer ihåg dina preferenser. Med ditt tillstånd mäter vi också hur webbplatsen används. Du kan när som helst. Läs vår cookiepolicy.
liquid/lfm-3-1.7bKörs på ditt saldo till priserna ovan. Nya konton börjar med gratis användning.
Inställningar
LiquidAI: LFM3-1.7B är en textmodell från LiquidAI. Det är en kompakt modell med 1,7 miljarder parametrar, positionerad av sin leverantör som ett litet men kapabelt alternativ för textgenereringsarbete. Den släpptes av leverantören den 6 november 2026. Modellen är eftertränad för agenter, verktygsanrop och strukturerade utdata, och den resonerar innan den svarar.
Modellen accepterar text som indata och returnerar text som utdata, så den passar textbaserade pipelines. Dess kontextfönster är 262 144 tokens, vilket är tillräckligt stort för att rymma långa dokument, utökade konversationer eller stora kodfiler i en enda förfrågan. Den maximala utdatan är 8 192 tokens, så svaren är begränsade även när indatan är mycket lång. Eftersom den resonerar innan den svarar kan den arbeta sig igenom ett problem steg för steg innan den producerar sitt slutliga svar.
Dessa förmågor pekar mot några praktiska användningsområden. Den långa kontexten passar uppgifter som behöver många dokument eller en lång historik i vy samtidigt, såsom att sammanfatta en stor fil, besvara frågor över en lång transkription eller arbeta över en hel kodbas. Verktygsanrop och strukturerade utdata gör den till en rimlig passform för agentarbetsflöden där modellen måste avgöra vilken funktion som ska anropas och returnera data i en fast form. Resonemangssteget hjälper till vid uppgifter som drar nytta av mellanliggande tänkande, såsom flerstegsanalys eller planering. Dess lilla storlek gör den också till en kandidat där en kompakt modell föredras framför en större.
Du anropar modellen genom api14:s OpenAI-kompatibla API med modell-id:t "liquid/lfm-3-1.7b". Eftersom API:et följer OpenAI-formatet kan du rikta en befintlig OpenAI-klient mot api14 och skicka det id:t i modellfältet. Modellen stöder en bred uppsättning förfrågningsparametrar: frequency_penalty, presence_penalty, repetition_penalty, temperature, top_p, top_k och min_p för samplingkontroll; max_tokens och max_completion_tokens för utdatalängd; stop för stoppsekvenser; seed för reproducerbar sampling; logprobs och top_logprobs för sannolikheter på tokennivå; response_format och structured_outputs för strukturerade svar; tools och tool_choice för funktionsanrop; reasoning och include_reasoning för resonemangsbeteendet; samt frequency_penalty tillsammans med de andra straffen som redan listats.
En sak att väga in är datahantering. Prompter och utdata kan behållas och användas, så om din arbetsbelastning involverar känsligt eller reglerat innehåll spelar den policyn roll när du avgör om denna modell är lämplig. Gränsen på 8 192 tokens för utdata är också värd att notera för uppgifter som behöver mycket långa enskilda svar. För enkel textgenerering, läsning med lång kontext och agentliknande verktygsanvändning täcker modellen det väsentliga genom ett standardiserat OpenAI-kompatibelt gränssnitt.
Den här communityn har inga trådar ännu. Starta den första om 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