LIQUID · КАТАЛОГ МОДЕЛЕЙ

LFM3-1.7B

LFM3-1.7B — компактная текстовая модель Liquid AI для специализированных приложений и ограниченных агентных задач. Практический сценарий — привести описание товара к согласованным полям, сохранив основания каждого значения. Начните с коротких, заранее проверенных примеров и отделите извлечённые сведения от предположений. Малый размер модели сам по себе не гарантирует стоимость API, скорость подключения или точность на вашем каталоге.

Текст
На входе Текст
LiquidAILFM3-1.7BLiquidAI
Результат Текст
Контекст
262 144токенов
Результат
Текстформат ответа
Стоимость
Тариф уточняетсяусловия — в блоке подключения

ПОДКЛЮЧЕНИЕ

От модели к первому запросу

Используйте идентификатор модели в совместимом API-клиенте. Полные параметры, ключи и ответы с ошибками описаны в документации.

const response = await client.chat.completions.create({
  model: "liquid/lfm-3-1.7b",
  messages: [{ role: "user", content: "Ваш запрос" }],
});
Открыть инструкцию по подключению →

ПОДРОБНЫЙ ОБЗОР

Возможности модели

Разработчик указывает 1,73 млрд параметров и текстовый вход и выход. API-каталог описывает контекст 262 144 токена и максимум завершения верхнего провайдера 8 192. Контекст не равен допустимой длине ответа; ограничения конкретного подключения проверяются отдельно.

Официальная карточка предназначает модель для инструментов и структурированного вывода, но не рекомендует её для агентного программирования и сложных многошаговых рассуждений. Описание размещения отдельно допускает хранение запросов и ответов и их использование для обучения моделей Liquid; проверьте условия обработки данных выбранного сервиса.

Поля карточки товара с проверяемыми основаниями

Задайте схему: название, материал, размер, совместимость и источник значения. Для отсутствующего поля предусмотрите явный пропуск. Если в тексте нет размера, модель не должна подставлять типичное значение категории. Проверяйте единицы измерения и различайте характеристику самого товара и аксессуара в комплекте. Полезный результат позволяет вернуться к исходной формулировке, а не только получить аккуратно заполненный JSON.

Разделите извлечение и предметную проверку

Приложение может проверить допустимые значения справочника и формат чисел обычным кодом. Не поручайте модели незаметно исправлять противоречивые характеристики: сохраните исходное значение и отдельный вопрос для проверки. Если задача требует новых знаний о совместимости, предоставьте актуальный справочник или поиск. Убедительный ответ из внутренних знаний не заменяет подтверждённые сведения о конкретной позиции.

Простой агент с ограниченными действиями

Инструмент может получать запись каталога или искать подходящее значение в разрешённом справочнике. Приложение проверяет права и аргументы до выполнения вызова. Действия записи отделяйте от чтения и сохраняйте результат каждого шага. Ограничьте число обращений и предусмотрите передачу сложного случая человеку. Модель не следует оценивать как универсального автономного разработчика: это выходит за рекомендации её собственной карточки.

Данные размещения и локальный запуск

Режим обработки определяется выбранным сервисом, а не названием модели. В описании исходного размещения прямо допускаются сохранение запросов и ответов и обучение на них. Перед передачей реальных карточек проверьте подходящие условия и уберите секреты, персональные сведения и закрытые документы. Локальные веса не означают, что сетевой API автоматически работает локально или не сохраняет данные.

Проверка качества и расхода

Соберите примеры с пропущенными полями, конфликтующими единицами и описанием нескольких товаров. Сравните неверно заполненные поля, необоснованные догадки и объём ручных исправлений. Отдельно измеряйте ошибки схемы и смысловые ошибки: успешный JSON не доказывает достоверность значений. Розничный тариф Токенмоста для новой записи пока не опубликован; реальное выполнение запросов в этом обзоре не подтверждено.

Вопросы и ответы

Можно ли использовать LFM3-1.7B для сложного автономного программирования?

Разработчик прямо не рекомендует её для агентного программирования и сложного многошагового reasoning. Проверяйте ограниченные специализированные задачи.

Модель принимает изображения?

Для проверенной записи указаны текстовые вход и выход. Другие варианты семейства не следует подменять этим идентификатором.

Означает ли модель отсутствие хранения данных?

Нет. Условия зависят от размещения; описание исходного сервиса допускает хранение и обучение на запросах и ответах.

Подтверждён ли тариф Токенмоста?

Для новой записи розничный тариф не опубликован. Доступ и платная генерация в этом материале не проверялись.

Сравните с другими моделями

  • Ling 3.0 Tiny — сравнить компактные модели на одной схеме и одинаковых исходных данных