LFM3-1.7B

LFM3-1.7B 是 Liquid AI 在 LFM 家族下推出的新一代小尺寸模型，参数规模 1.7B，仅支持文本输入与文本输出，权重以开源形式发布，许可证登记为 other。它要解决的问题很具体：让文本生成能力跑在本地或私有环境中，而不必依赖外部 API。从同门谱系看，Liquid AI 此前已有 LFM2-350M、LFM2-1.2B、LFM2-8B-A1B 以及 LFM2-VL 系列等不同尺寸与模态的成员，LFM3-1.7B 处在小参数、纯文本这一段位置上，与带视觉能力的 VL 型号形成明确分工。需要提醒的是，该模型官方价格未公开，本站平台覆盖数为 0 家，也没有收录任何第三方跑分，能力项同样未标注，因此选型时能依赖的只有参数规模、模态与许可证这几项确定信息，实际效果需要自行验证。

选型建议需要可自托管的轻量纯文本模型、并愿意自行核对许可证与自测效果时选它；需要现成 API 报价、公开跑分或多模态能力时不选。

• 在笔记本或边缘设备上本地运行文本分类与字段抽取
• 为私有知识库做离线摘要与段落改写
• 搭建不依赖外部 API 的轻量客服话术生成流程
• 作为端侧应用中的文本纠错与格式转换组件
• 在数据不出内网的合规环境中做原型验证与小规模试点

LFM3 延续 Liquid AI 面向端侧的高效设计取向，但该型号的具体结构披露有限，以下为结合系列定位的定性描述。

• 结构沿用 LFM 系列面向端侧的高效设计思路，以较小参数规模换取低部署门槛；LFM3-1.7B 的具体层配置与注意力方案公开资料较少。
• 能力输入与输出均为文本，不含视觉或多模态通道，与同门 VL 系列型号的定位区分清晰，适合纯语言任务。
• 披露权重已开放，许可证登记为 other，属非标准许可，商用与再分发前需逐条核对官方条款。

开源权重

是

许可证

other

参数规模

1.7B

本站未收录该模型的第三方跑分，以下判断基于参数规模与系列定位，属于定性推断而非实测结论。

• 强项1.7B 量级便于端侧、离线或低并发私有部署，显存与存储占用预期低于同门 8B 级型号，启动与响应开销更可控。
• 短板小参数规模在复杂推理、长文档理解与多轮工具调用上通常弱于大模型，重要任务建议先用自有数据做小样本对比。
• 适合短文本生成、分类、抽取与改写等高频轻量任务，对延迟和部署成本敏感、对绝对能力要求不极端的场景更匹配。

官方价格未公开，本站平台覆盖数为 0 家，当前没有可对照的实际报价，成本判断只能从开源权重这一点展开。

• 定位官方未公布定价，开源权重意味着支出主要落在自托管的算力与运维上，而不是按 token 计费的调用单价。
• 横向对比同门 LFM2-1.2B、LFM2-350M、LFM2-8B-A1B 等型号价格同样未公开，价差无法计算，尺寸差异只能作为成本参考。
• 平台差价当前无平台接入记录，不存在跨平台比价空间，若有采购需求需直接向厂商或托管服务方询价。
• 省钱稳定高并发下自托管更易摊薄成本，低频或试探性场景则未必划算，需先估算算力与运维投入。

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

• 口径本站未收录任何公开跑分，能力项也未标注，任何性能结论都应以自测为准，不宜直接引用外部传闻。
• 边界许可证为 other，商用、再分发与署名要求需按官方条款确认，不能默认等同于宽松开源许可。
• 信息发布不久，平台接入与第三方评测尚未跟进，工具链与生态成熟度有待观察。

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。