# LFM3-1.7B API

- Разработчик: [LiquidAI](https://router.nodul.ru/models/liquid.md)
- Тип: Текст
- Контекст: до 262 144 токенов
- Дата выхода: 06.11.2026
- ID для API: `global-1/liquid/lfm-3-1.7b`, `global-1/liquid/lfm-3-1.7b:free`
- Самая низкая цена: ввод от 8,80 ₽, вывод от 22,00 ₽

## Цены и маршруты

У модели может быть несколько маршрутов: у каждого свой ID для API, регион и цена. Маршрут с префиксом `ru-` работает в России. ZDR — провайдер не хранит запросы и ответы. Доверенный провайдер — компания с известным брендом и крупной выручкой или инвестициями: [Модели и маршрутизация, раздел «Доверенные провайдеры»](https://router.nodul.ru/docs/ru/models-and-routing.md).

Цены — в рублях без НДС за 1 млн токенов; у моделей изображений и распознавания речи — за изображение, мегапиксель или минуту аудио. Оплата идет в PnP, 1 PnP = 100 ₽. Цена окончательная: `usage.cost` в ответе API — ровно та сумма, которую вы платите. Цены без НДС (5 %); по договору счета выставляются в рублях с НДС. Для компаний цена ниже розничной и зависит от объема: https://router.nodul.ru/business

| ID для API | Маршрут | Регион | Ввод, ₽ | Вывод, ₽ | Чтение из кэша, ₽ | Цена за единицу | Контекст, токенов | Макс. ответ, токенов | ZDR | Доверенный провайдер |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| `global-1/liquid/lfm-3-1.7b` | global-1 | За рубежом | 8.8 | 22 | 2.2 | — | 262 144 | 8 192 | да | да |
| `global-1/liquid/lfm-3-1.7b:free` | global-1 | За рубежом | 0 | 0 | — | — | 262 144 | 8 192 | нет | да |

## Описание

Обновлено: 13.11.2026

LFM3-1.7B от Liquid AI — компактная открытая модель рассуждений на 1,73 млрд параметров с гибридной архитектурой. Обучена для агентов с инструментами и строгого следования инструкциям; по данным разработчика, в агентных тестах догоняет модели в несколько раз крупнее.

#### Для чего подходит LFM3-1.7B

Liquid AI делает ставку на локальных агентов: модель дообучали в агентных оболочках Hermes Agent, Pi и OpenClaw. Подходящие задачи: вызов функций с правильными аргументами, извлечение структурированных данных из неряшливого текста, ответы строго по предоставленным документам (в том числе с отказом, когда ответа в них нет), фоновая работа агентов, которым нужна дешевая и быстрая модель. Ее же удобно дообучать под свой домен: разработчик публикует готовые рецепты для TRL.

Модель принимает только текст. Через Router доступны вызов инструментов, структурированный вывод и рассуждения; режим рассуждений включен по умолчанию, и разработчик предупреждает, что отключение работает нестабильно, особенно на задачах, требующих размышлений.

Не стоит брать ее для сложного агентного программирования, многошаговых рассуждений и задач на широкую эрудицию. Сам разработчик не рекомендует ее для этого из-за малого размера и советует подключать поиск или извлечение данных.

#### Сильные стороны

- **Агентные тесты.** По данным разработчика, на LiveClaw, WebArena-Verified и AutomationBench она опережает все модели из сравнения, включая Qwen3.5 9B.
- **Вызов функций.** BFCL V4 и ToolSandbox у нее выше, чем у Qwen3.5 9B.
- **Инструкции.** IFEval, IFBench, IFStruct и Multi-IF лучшие в таблице разработчика.
- **Честность на вопросах без ответа.** По AA-Omniscience она единственная в сравнении с неотрицательным индексом, а доля ответов без выдумок самая высокая (92,93 из 100): модель чаще признает, что не знает.
- **Скорость и размер.** В 4-битном виде занимает около 1 ГБ памяти. По замерам разработчика на Ryzen AI Max+ 395, Apple M5 Max и iPhone 17 Pro она заполняет контекст как минимум в 2,5 раза и генерирует как минимум в 1,8 раза быстрее сравниваемых моделей.
- **Открытые веса.** Есть сборки BF16, FP8, NVFP4, GGUF, MLX и ONNX под vLLM, SGLang, llama.cpp, Ollama и LM Studio.
- **Языки.** В списке поддерживаемых есть русский, английский, китайский, немецкий, французский, испанский и другие.

#### Ограничения и спорные моменты

- **Знания.** GPQA Diamond: 63,37 против 80,40 у Qwen3.5 9B; Humanity's Last Exam без инструментов всего 7,17. Точность ответов на AA-Omniscience невысока (7,07): высокий итоговый индекс достигается в основном за счет воздержания от ответа.
- **Код.** На SWE-bench Verified в оболочке OpenCode 43,4 против 51,2 у Qwen3.5 9B, на Terminal-Bench 2.1 12,92 против 17,98.
- **Длинный контекст.** На RULER 128K она получила 65,56 против 87,11 у Qwen3.5 9B, на AA-LCR 52,83 против 62,00. Заявленное окно большое, но извлечение фактов из его глубины заметно слабее.
- **Реальные инструменты.** На MCP-Atlas у нее 32,57 против 42,67 у Qwen3.5 9B.
- **Все числа от разработчика.** Сравнение выполнено Liquid AI на своей инфраструктуре; независимого подтверждения мы не нашли.
- **Русский.** Он входит в список языков, но отдельных русскоязычных замеров в изученных источниках нет.
- **Данные.** В описании модели в каталоге есть оговорка, что запросы и ответы могут сохраняться; условия проверьте до отправки чувствительных данных.

#### Бенчмарки

Все результаты опубликованы Liquid AI в карточке модели. Сравнение с Qwen3.5 9B, Qwen3.5 4B, Gemma 4 E4B, MiniCPM5 2B и LFM2.5-2.6B, запуск через vLLM в BF16.

| Тест                                  | Результат                       | Источник                          | Дата         |
| ------------------------------------- | ------------------------------- | --------------------------------- | ------------ |
| LiveClaw (агентные задачи)            | 45,60 против 35,77 у Qwen3.5 9B | по данным разработчика, Liquid AI | октябрь 2026 |
| WebArena-Verified (веб-агенты)        | 38,42 против 28,94 у Qwen3.5 9B | по данным разработчика, Liquid AI | октябрь 2026 |
| AutomationBench (автоматизация задач) | 41,29 против 15,10 у Qwen3.5 9B | по данным разработчика, Liquid AI | октябрь 2026 |
| BFCL V4 (вызов функций)               | 71,39 против 62,83 у Qwen3.5 9B | по данным разработчика, Liquid AI | октябрь 2026 |
| MCP-Atlas (инструменты MCP)           | 32,57 против 42,67 у Qwen3.5 9B | по данным разработчика, Liquid AI | октябрь 2026 |
| IFEval (инструкции)                   | 96,66 против 92,08 у Qwen3.5 9B | по данным разработчика, Liquid AI | октябрь 2026 |
| IFBench (инструкции)                  | 73,03 против 48,84 у Qwen3.5 9B | по данным разработчика, Liquid AI | октябрь 2026 |
| SWE-bench Verified (OpenCode)         | 43,40 против 51,20 у Qwen3.5 9B | по данным разработчика, Liquid AI | октябрь 2026 |
| LiveCodeBench v6 (код)                | 73,46 против 69,86 у Qwen3.5 9B | по данным разработчика, Liquid AI | октябрь 2026 |
| GPQA Diamond (научные вопросы)        | 63,37 против 80,40 у Qwen3.5 9B | по данным разработчика, Liquid AI | октябрь 2026 |
| RULER 128K (длинный контекст)         | 65,56 против 87,11 у Qwen3.5 9B | по данным разработчика, Liquid AI | октябрь 2026 |

#### Альтернативы в каталоге

- [Qwen3.5 9B](https://router.nodul.ru/models/qwen/qwen3.5-9b.md) — когда важны код, научные вопросы, длинный контекст и изображения или видео на входе.
- LFM2.5-2.6B — предыдущее поколение Liquid, немного крупнее.
- [Ministral 3B](https://router.nodul.ru/models/mistralai/ministral-3b-2512.md) — такая же компактная, но без рассуждений, с изображениями на входе и структурированным выводом.
- [GigaChat 3 10B A1.8B](https://router.nodul.ru/models/ai-sage/gigachat3-10b-a1.8b.md) — когда данные должны обрабатываться в российском регионе; вызов инструментов и структурированный вывод.

#### Частые вопросы

**Подойдет ли LFM3-1.7B для агента с вызовом функций?**

Да, это ее основная задача: по данным разработчика, на BFCL V4 она впереди Qwen3.5 9B, а обучение шло в реальных агентных оболочках. Для длинных сессий с кодом и сложным планированием лучше взять модель крупнее.

**Понимает ли она изображения?**

Нет, на вход принимается только текст. Для изображений выберите Qwen3.5 или Ministral.

**Можно ли отключить рассуждения?**

В каталоге у модели есть режим рассуждений. Разработчик пишет, что флаг отключения есть, но работает непоследовательно, особенно на задачах, где нужны размышления, поэтому для простых запросов проверяйте результат.

**Можно ли запустить ее у себя?**

Да. Веса открыты на Hugging Face под лицензией LFM Open License v1.0, в 4-битной сборке модель занимает около 1 ГБ памяти. Условия лицензии прочитайте перед коммерческим применением.

**Хватит ли ее для вопросов по базе знаний?**

Для ответов по предоставленным документам да, при условии что вы подаете их в запросе или через поиск. Собственных знаний у модели мало, зато, судя по AA-Omniscience, в сравнении разработчика она реже других выдумывает ответ.

#### Источники

- [LFM3-1.7B, Hugging Face](https://huggingface.co/LiquidAI/LFM3-1.7B)
- [LFM3-1.7B, документация Liquid AI](https://docs.liquid.ai/lfm/models/lfm3-1.7b)
- [Introducing LFM3: Every Modality for Specialized Intelligence, Liquid AI](https://www.liquid.ai/blog/lfm3)

## Как вызвать

```bash
curl https://router.nodul.ru/api/v1/chat/completions \
  -H "Authorization: Bearer $NODUL_ROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "global-1/liquid/lfm-3-1.7b", "messages": [{"role": "user", "content": "Привет!"}]}'
```

Документация API: https://router.nodul.ru/docs/llms.txt

---
HTML-версия: https://router.nodul.ru/models/liquid/lfm-3-1.7b
Оглавление сайта для ИИ-агентов: https://router.nodul.ru/llms.txt · все для решения о покупке: https://router.nodul.ru/llms-full.txt · прайс-лист: https://router.nodul.ru/models/prices.md
