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-3-1.7b:freeKörs på ditt saldo till priserna ovan. Nya konton börjar med gratis användning.
Inställningar
LiquidAI: LFM3-1.7B (free) är en textmodell från LiquidAI, identifierad på api14 med modell-id:t liquid/lfm-3-1.7b:free. Det är en kompakt modell med 1,7 miljarder parametrar, positionerad av sin leverantör som en liten textmodell som har eftertränats för agenter, verktygsanrop och strukturerade utdata. Det är en textmodell i båda riktningarna: den tar emot textpromptar och returnerar textsvar.
Modellen har ett kontextfönster på 262 144 tokens, vilket är stort för en modell av denna storlek och gör att långa dokument, utökade konversationer eller omfattande verktygsutdata kan hanteras i en enda begäran. Dess maximala utdata är 8 192 tokens. Enligt leverantören resonerar modellen innan den svarar, så svar kan innehålla ett resonemangssteg före den slutliga utdatan. Eftersom den har eftertränats för agentbeteende är verktygsanrop och strukturerade utdata förstklassiga delar av dess design snarare än tillägg.
Dessa förmågor pekar mot en ganska specifik uppsättning användningsområden. Den långa kontexten passar för att sammanfatta eller extrahera information från långa dokument, granska stora kodfiler och upprätthålla långvariga konversationer där tidigare turer behöver förbli synliga. Verktygsanrop gör den till en kandidat för agentarbetsflöden, där modellen avgör vilken funktion som ska anropas och med vilka argument. Strukturerade utdata hjälper när svaret måste följa ett schema, till exempel fylla i fält för en nedströmtjänst eller producera maskinläsbara poster. Resonemangsbeteendet är användbart för frågor i flera steg där ett mellanliggande steg förbättrar det slutliga svaret.
Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id:t liquid/lfm-3-1.7b:free, så befintliga OpenAI-klientbibliotek och begäransformat fungerar med endast bas-URL och modellnamn ändrade. Modellen stöder en bred uppsättning begäransparametrar: temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, seed, stop, max_tokens, max_completion_tokens, logprobs, top_logprobs, response_format, structured_outputs, tools, tool_choice, reasoning och include_reasoning. Samplingskontroller som temperature och top_p täcker vanlig generering, medan tools och tool_choice driver funktionsanrop och structured_outputs eller response_format begränsar svarets form. Parametrarna reasoning och include_reasoning relaterar till modellens resonemangssteg, och seed stöder reproducerbar sampling.
Den främsta begränsningen att ha i åtanke är utdatataket: svar begränsas till 8 192 tokens även om kontextfönstret är mycket större, så uppgifter som kräver mycket långa enskilda svar kan behöva delas upp över flera anrop. Modellen är också endast för text, så den kan inte ta emot bilder eller ljud som indata. För arbetsbelastningar där en liten, effektiv textmodell med verktygsanrop och strukturerade utdata räcker är den en rimlig passform; där uppgiften är beroende av andra indatamodaliteter eller av en mycket större utdatabudget kommer en annan modell att passa bättre.
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:free",
"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_pDen här communityn har inga trådar ännu. Starta den första om LiquidAI: LFM3-1.7B (free).