LFM3-1.7B-Base

该模型属于 Liquid AI 的 LFM 系列第三代，延续了 LFM2 家族从数百 M 到 8B-A1B 的小参数多档路线，并有 VL 视觉语言分支并行。命名为 Base，说明交付的是预训练权重，不含指令微调与对话对齐，使用者拿到的是可继续训练的底座，而不是直接可上线的助手。它要解决的是小算力条件下的自有模型问题：一方面把参数压到 1.7B，使单卡甚至端侧设备的微调与推理成为可能；另一方面以开源权重形式发布，便于在行业语料上做继续预训练，把通用语言能力转化为垂直领域能力。输入输出均为文本，不含图像理解。官方价格未公开，本站也未收录任何第三方跑分与托管平台，实际能力需要使用者用自有评测集验证。

选型建议需要在本地做二次训练、并且有能力自行完成微调与评测时选它；想要开箱即用的对话、Agent 或多模态能力则不建议选。

• 在行业自有语料上做继续预训练，得到贴合专业术语与表达习惯的语言底座
• 微调为文本分类、信息抽取、改写润色等窄任务组件，嵌入既有业务流水线
• 部署在端侧或离线内网环境，承担对延迟和数据隐私敏感的轻量文本生成
• 用作小参数基线，与同系列 LFM2 各档位做消融实验与选型对照
• 用于教学与研究场景下的小模型训练、推理与架构验证实验

Liquid AI 以自研的液态神经网络与状态空间建模思路著称，LFM 系列是这条技术路线的产品化载体；本代结构参数的公开披露较少。

• 结构延续 LFM 系列以状态空间、液态算子为主的线性复杂度建模思路，长序列下算力与内存增长比标准注意力更平缓，具体层数与隐藏维度未见公开。
• 规模1.7B 处于该系列的中小档位，权重可被单张消费级显卡承载，适合当作二次训练的起点而非终态模型。
• 能力仅支持文本输入与文本输出，没有视觉分支，对比同门 LFM2-VL-1.6B、LFM2-VL-450M 这类多模态版本，定位是纯语言建模。
• 披露官方未公开上下文长度、训练语料构成等关键结构信息，公开资料较少，细节需以权重卡与官方文档为准。

开源权重

是

许可证

other

参数规模

1.7B

本站未收录该模型的公开跑分，能力判断只能基于参数规模、Base 属性与系列定位做定性推断，实际表现需自行评测。

• 强项1.7B 的小体量让它在延迟敏感、算力受限、数据不能出内网的场景里有天然优势，微调门槛与推理成本都远低于大参数模型。
• 短板Base 权重没有经过指令微调与偏好对齐，直接拿来做问答或对话往往答非所问；复杂推理与长文一致性也不宜期待过高。
• 适合适合当作领域继续预训练与窄任务微调的底座，或作为离线文本处理流水线中的一个生成组件，而不是面向终端用户的通用助手。
• 验证缺少第三方榜单与本站跑分，选型时建议先构造业务自己的小样本评测集，与同系列 LFM2 各档位做对照再决定。

官方未公布价格，权重以免费形式开源发布，真正的成本落在自建推理的硬件与工程投入上。

• 定位没有 API 报价，成本结构是硬件加人力；参数小意味着显存占用低、并发密度高，长期稳定流量下自托管更划算。
• 横向对比同系列 LFM2-1.2B、LFM2-350M、LFM2-8B-A1B、LFM2-VL-1.6B、LFM2-VL-450M 的价格字段同样缺失，无法按价差做选型，只能按参数量与模态需求排位。
• 平台差价本站收录的平台数为 0，暂无托管渠道可比价，也没有第三方推理报价可对照，接入前需自行询价。
• 省钱自托管替代按量计费接口时，1.7B 对显卡要求温和，适合流量平稳、已有运维能力的团队；波动大的业务仍建议先按 API 试算。
• 许可许可证标注为 other，不属于常见标准开源协议，商用与再分发前需逐条核对官方条款。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未收录该模型的公开跑分、能力标注与上下文参数，任何效果描述都缺少统一评测支撑，需以自测结论为准。
• 边界Base 模型不含对话对齐与安全策略调优，直接对外提供服务需要自行完成指令微调、拒答策略与内容过滤。
• 许可other 类许可证的商用范围、署名与再分发条件需自行确认，闭源分发或商用集成前应做合规评估。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。