liquid
LiquidAI: LFM3-1.7B
liquid/lfm-3-1.7b
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
liquid/lfm-3-1.7b es un modelo de texto compacto y post-entrenado de LiquidAI, descrito en su documentación como un checkpoint de 1.73B parámetros para agentes locales y aplicaciones especializadas. La ficha reporta un contexto de 256K tokens, cobertura multilingüe, llamadas a herramientas en XML, salidas estructuradas, razonamiento activado por defecto y varios formatos cuantificados de despliegue. El catálogo de OpenRouter también indica operación de texto a texto, herramientas, salidas estructuradas y razonamiento obligatorio. No se aportan benchmarks independientes; el proveedor lo orienta a flujos agénticos con poca huella, no a razonamiento complejo de varios pasos.[1][2]
Puntos fuertes
- El proveedor describe un checkpoint compacto de 1.73B con contexto de 256K tokens y una arquitectura trihíbrida orientada a agentes locales y aplicaciones especializadas.[1][2]
- Las capacidades reportadas incluyen llamadas a herramientas en XML, salidas estructuradas, búsqueda diferida de herramientas y parámetros de API para herramientas y formato de respuesta.[1][2]
- La documentación lista checkpoints para GPU, CPU, Apple Silicon, ONNX Runtime y OpenVINO, reporta aproximadamente 1 GB de memoria con precisión de 4 bits y muestra recetas TRL para varios métodos de ajuste fino.[2]
Limitaciones
- LiquidAI recomienda usar recuperación o búsqueda para tareas intensivas en conocimiento y afirma que este checkpoint no se recomienda para codificación agéntica ni razonamiento complejo de varios pasos debido a su tamaño.[2]
- El comportamiento de razonamiento difiere según la interfaz en la evidencia: OpenRouter lo marca como obligatorio, mientras que la ficha indica que el pensamiento está activado por defecto, pero que desactivarlo puede ser inconsistente.[1][2]
- El paquete no contiene benchmarks independientes y el texto de OpenRouter queda truncado tras advertir que los prompts y salidas pueden conservarse y usarse; valide la carga de trabajo y revise las condiciones actuales de tratamiento de datos.[1][2]
Dónde utilizarlo
- Puede encajar en asistentes locales o harnesses de agentes que necesiten un modelo de texto pequeño con contexto largo, siempre que la capacidad de respuesta y fiabilidad de herramientas se prueben en el hardware objetivo.[2]
- Potencialmente adecuado para flujos de enrutamiento de herramientas o de salidas estructuradas donde la aplicación ejecute las llamadas devueltas y use recuperación o búsqueda para solicitudes intensivas en conocimiento.[1][2]
- Considérelo para extracción o formato de respuestas especializado por dominio tras ajuste fino; la documentación aporta ejemplos con TRL, pero sigue siendo necesaria una evaluación específica de la tarea.[2]
Fuentes
- [1] OpenRouter catalog · LiquidAI: LFM3-1.7BFuentes consultadas: 13 nov 2026
- [2] Model documentation · LiquidAI: LFM3-1.7BFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
A compact 1.7B-parameter text model with a 256K-token context, post-trained for agents, tool calling, and structured outputs. It reasons before it answers. Prompts and outputs may be retained and used...
Especificaciones
- ID del modelo
- liquid/lfm-3-1.7b
- ID canónico
- liquid/lfm-3-1.7b-20261106
- Creador
- liquid
- Añadido a OpenRouter
- 06.11.2026
- Longitud de contexto
- 262,144
- Modalidad
- text->text
- Modalidades de entrada
- text
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.080 / salida $0.200
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: obligatorio · parámetros: include_reasoning, reasoning |
| Programación | Sin medición | — |
| Agentes | Sin medición | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: obligatorio · parámetros: include_reasoning, reasoning |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| Liquidfp8 | 262,144 | $0.080 | $0.200 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.