Каков объем контекстного окна у LiquidAI: LFM3-1.7B?

Модель поддерживает до 262 144 токенов, что позволяет обрабатывать целые книги или крупные репозитории кода за один запрос.

Поддерживает ли модель работу с API и функциями?

Да, LFM3-1.7B специально обучена для вызова инструментов (tool calling) и создания структурированных ответов, что делает её отличным выбором для ИИ-агентов на alltokens.

В чем особенность процесса генерации ответа этой модели?

Модель использует механизм предварительного рассуждения перед выдачей финального результата, что повышает логическую точность ответов.

LiquidAI: LFM3-1.7B

LILiquidОбновлено: 06 ноября 2026 г.

Компактная модель с 1.7 млрд параметров, обладающая внушительным контекстным окном в 256K токенов. Она специально оптимизирована для работы в качестве ИИ-агента, поддерживает вызов инструментов и структурированный вывод данных, предварительно обдумывая ответ.

Использовать через API

Метрики

Вход

10 ₽/M

Выход

25 ₽/M

Контекст

262k tokens

Параметры

Релиз

06 ноября 2026 г.

Поддерживаемые параметры

frequency_penaltyinclude_reasoninglogprobsmax_completion_tokensmax_tokensmin_ppresence_penaltyreasoningrepetition_penaltyresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_ktop_logprobstop_p

Технический обзор

Компактная текстовая модель с 1,7 миллиарда параметров и контекстом на 256 тысяч токенов, дополнительно обученная для работы с агентами, вызова инструментов и структурированных ответов. Модель обдумывает ответ перед тем, как его дать. Запросы и ответы могут сохраняться и использоваться.

Кодинг

Инструменты

Длинный контекст

Мультимодальность

Веб-автоматизация

Смежные подборки

Модели для программирования Недорогие модели Модели с длинным контекстом

Сравнение с похожими моделями

Модель

Для чего

Контекст

Цена ₽

Модель

LiquidAI: LFM3-1.7BТекущая

Для чего

Контекст

262k

Цена ₽

10 / 25

LiquidAI: LFM3-1.7BТекущая

262k

10 / 25

Модель

poolside/laguna-s-2.1

Для чего

Обе модели являются компактными решениями, ориентированными на высокую скорость работы и эффективность в специфических задачах.

Контекст

—

Цена ₽

— / —

poolside/laguna-s-2.1

—

— / —

Модель

Inference.net: Schematron V2 Small

Для чего

Схожи по направленности на генерацию структурированных ответов и работу в рамках ограниченных вычислительных ресурсов.

Контекст

128k

Цена ₽

7 / 29

Inference.net: Schematron V2 Small

128k

7 / 29

Когда выбирать

Необходима работа с длинными документами или кодом благодаря контексту 256K
Требуется надежный вызов внешних инструментов (tool calling) и функций
Нужен строго структурированный JSON-вывод для интеграции в программные системы

Когда не выбирать

Требуются глубокие экспертные знания в узких научных областях, доступные только гигантским моделям
Необходима обработка или генерация мультимедийного контента (изображения, аудио)
Конфиденциальность данных является критическим фактором, так как промпты могут сохраняться